API 및 도구

이 페이지는 Elasticsearch로 만든 검색 앱을 구축, 테스트, 관리하는 데 필요한 가장 중요한 API와 도구를 정리한 목록입니다.

엔드포인트	기능
`_search`	Query DSL과 retriever 문법으로 작성한 검색 및 집계
`_query`	ES\|QL 쿼리용 엔드포인트
`_explain`	특정 문서가 쿼리에 어떻게 일치하는지 점수 산출 내역과 함께 상세히 설명
`_count`	결과를 가져오지 않고 쿼리에 일치하는 문서 수를 반환
`_validate/query`	검색을 실행하지 않고 쿼리 문법을 검증
`_analyze`	텍스트 문자열에 대해 전문 검색용 분석을 수행하고 그 결과로 생성된 토큰을 반환합니다.

엔드포인트	기능
`_mapping`	필드 매핑을 조회하거나 업데이트하며, 특정 필드만 확인하는 옵션 제공
`_reindex`	한 인덱스에서 다른 인덱스로 문서를 복사하며, 매핑 변경 시 유용
`_update_by_query`	재색인 없이 쿼리에 일치하는 문서를 업데이트
`_bulk`	단일 요청으로 여러 색인/업데이트/삭제 작업을 수행
`_refresh`	최근 작업을 검색 가능하도록 강제로 새로 고침
`_ingest/pipeline`	색인 전 문서 처리 파이프라인을 생성하고 관리

엔드포인트	기능
`_rank_eval`	이미 알려진 관련 문서를 기준으로 검색 품질을 평가
`_settings`	슬로우 로그, 새로 고침 간격, 레플리카 등의 설정을 구성(서버리스에서는 인덱스 수준 설정만 사용 가능)
`_scripts`	쿼리와 집계에서 재사용할 저장 스크립트를 생성하거나 업데이트

Kibana와 서버리스 UI에서 이 전용 도구들을 사용해 검색 쿼리를 개발, 디버깅, 개선하면서 성능과 효율을 모니터링하세요.

이 도구들은 Explore & Analyze 섹션에 문서화되어 있습니다:

도구	기능
Saved queries	검색과 쿼리를 저장해 나중에 다시 사용합니다.
Console	요청 전송과 API 문서 조회를 포함해 Elasticsearch 및 Kibana의 REST API와 상호작용합니다.
Search Profiler	검색 쿼리를 살펴보고 분석합니다.
Grok Debugger	데이터 처리 파이프라인에 사용하기 전에 grok 패턴을 만들고 디버깅합니다.
Painless Lab	Painless 스크립트를 실시간으로 테스트하고 디버깅합니다.

다음 생성형 AI 도구는 Elasticsearch 솔루션과 서버리스 프로젝트 유형의 일부로 제공됩니다. 이 도구들을 사용하면 핵심 Elasticsearch 기능 위에 검색 증강 생성(RAG) 시스템과 에이전트 워크플로를 포함한 AI 기반 검색 애플리케이션을 구축할 수 있습니다.

Agent Builder를 사용하면 Elasticsearch 데이터와 상호작용하고, 쿼리를 실행하며, 지능적인 응답을 제공하는 AI 에이전트를 만들 수 있습니다. MCP 서버를 포함해, 검색 인프라 위에 대화형 AI 경험을 구축하기 위한 완전한 프레임워크를 제공합니다.

Elastic Search UI는 검색 경험을 구축하기 위한 JavaScript 및 React 도구 라이브러리로, Elasticsearch와 함께 사용하도록 최적화되어 있습니다.

Tip

Elasticsearch Labs 블로그에서 생성형 AI, 임베딩 모델, 재순위 기능 등을 포함한 고급 검색 경험을 Elastic으로 구축하는 방법을 알아보세요.

함께 제공되는 GitHub 저장소에는 이러한 고급 검색 기능을 시작하는 데 도움이 되는 실습용 Python 노트북과 샘플 앱이 들어 있습니다.