本文探讨了Agent2Agent（A2A）协议与ModelContextProtocol（MCP）在多智能体协作系统中的应用。A2A协议标准化了专业LLM智能体之间的通信与协作，适用于需要复杂工作流协调的场景；而MCP则专注于为单个智能体提供标准化工具和数据访问。文章以数字新闻室为例，展示了A2A如何协调记者、编辑等专业智能体的工作流程，同时通过MCP服务器访问各类资源。最后指出，A2A与MCP的

本文介绍了如何使用SpringAI和Elasticsearch构建完整的AI应用程序。SpringAI 1.0作为面向Java的AI工程解决方案正式发布，支持多种AI模型和技术。文章重点展示了如何通过Elasticsearch的向量数据库功能实现检索增强生成(RAG)，详细说明了从PDF文件摄取数据到向量存储、查询处理的全流程。示例代码演示了控制器、服务层的实现，并介绍了SpringAI的Advi

本文介绍了Elasticsearch中混合搜索的新特性——多字段查询格式，它简化了词法和语义搜索的整合过程。传统混合搜索需要深入了解索引结构和复杂的查询配置，而新的linear和RRF检索器通过自动分组查询字段、归一化分数范围，使混合搜索更易实现。文章详细展示了如何通过简洁的多字段查询语法替代冗长的传统查询，支持字段加权、通配符匹配和默认字段查询等功能。这些改进使开发者无需深入了解索引细节即可构建

Elastic Security在2025年AV-Comparatives商业安全测试中表现卓越，成为唯一在所有测试项目中实现100%防护率的厂商。该平台整合了SIEM、XDR和云安全功能，通过高级行为分析、机器学习模型和专家防护规则，有效抵御零日攻击和复杂威胁。测试结果显示，Elastic在真实环境防护和恶意软件防护测试中均保持完美防护率，优于Microsoft、CrowdStrike等竞争对手

本文介绍了如何使用LangGraph.js和Elasticsearch构建AI驱动的金融搜索工作流。该系统能将自然语言查询转换为动态条件过滤器，用于投资和市场分析。文章详细阐述了工作流程设计，包括五个核心节点：策略决策、参数准备（投资导向/市场导向）、搜索执行和结果可视化。通过条件分支和混合检索技术，系统能自动选择最优搜索路径，提高查询准确性和效率。作者分享了实践中的关键发现，如过滤器取值展示的重

Elasticsearch 8.10引入的查询规则(Query Rules)功能允许通过Kibana界面或API快速调整搜索结果，无需修改代码。该功能包含三种主要操作：置顶(Pinned)特定文档、排除(Exclude)文档以及基于用户元数据(如地理位置或忠诚度等级)的条件化展示。文中通过电商案例演示了如何将"PS4控制器"置顶、基于用户忠诚度展示会员卡商品，以及临时下架缺货商

Elastic 9.2版本发布，带来多项创新功能：1) Agentic工作流AI支持在Kibana中创建智能agent处理Elasticsearch数据；2) Streams功能通过AI自动解析和结构化日志数据；3) DiskBBQ技术实现向量搜索的磁盘存储优化。平台亮点包括ES|QL增强、时间序列查询优化和Discover改进。团队还提供了免费在线培训资源，并分享了多篇技术博客和视频教程，涵盖上

在本系列关于向量搜索的最后一篇文章中，我们介绍了 Elasticsearch 支持的不同类型的混合搜索查询。一种选择是使用词汇搜索（例如，查询）和向量搜索（例如，knn）的组合；另一种方法是利用新引入的带有 sparse_vector 查询的 retriever 搜索选项。我们首先快速回顾了一下融合词汇和语义搜索结果以提高准确性的诸多优势。在此过程中，我们回顾了两种融合词汇和语义搜索结果的不同方法

​这篇博客深入探讨了 agentic RAG 工作流，解释了它们的关键特性和常见设计模式。它进一步展示了如何通过一个使用 Elasticsearch 作为向量存储、使用 LangChain 构建 agentic RAG 框架的实践示例来实现这些工作流。最后，文章简要讨论了设计和实现此类架构的最佳实践和相关挑战。你可以通过这个 Jupyter notebook 跟着一起创建一个简单的 agentic

2026年ElasticMeetup北京站将于1月10日在腾讯北京总部举办。活动邀请Elastic、腾讯及新智锦绣专家分享前沿技术，包括Elasticsearch向量搜索与AI应用、MCP超级大脑在智能运维中的实践、腾讯云ES的AI能力建设，以及搜索范式从排序到过滤的转变等主题。现场提供茶歇交流机会，并有抽奖环节。报名需实名登记，成功报名后需联系工作人员获取访客码。活动详情及报名链接：https: