AWSがOpenSearchのアーキテクチャをスクラップしてエージェントワークロードを追いかける理由

AWSは木曜日、マネージド検索・ベクターエンジン「OpenSearch Serverless」のほぼ完全な再構築を発表しました。これはAIエージェント時代の需要に応えるための取り組みです。新世代のアーキテクチャでは、アイドル時にゼロまでスケールダウン可能で、ピーク容量で動作するプロビジョニング済みクラスターと比較して最大60%のコスト削減を実現します。

AIエージェントの使用パターンは、バースト的に発生し長いアイドル期間を伴うため、元のサーバーレスアーキテクチャの前提を根本的に覆しました。OpenSearchのゼネラルマネージャーに2月に就任したTia White氏はThe New Stackに対し、「約97%をマネージドサービスのエンジニアがゼロから構築しました。大部分は大規模な再構築です。オープンソースリポジトリから利用できる部分もありますが、真に新しいものや知的財産はオープンソース化していません」と語っています。

最大のアーキテクチャ変更はストレージとコンピューティングの分離です。OpenSearchは新しい独自のストレージ層上に配置されます。「コレクションは完全にゼロまで縮小でき、リソースがアクティブでなければ支払いは発生しません」とWhite氏は説明します。「そしてエージェントの需要に対応するため、数秒で再起動できます。コールドスタート問題は避けたいのです。」このサービスはまた、前世代よりも20倍高速なオートスケールを実現し、検索とベクターのコレクションタイプをサポートします。価格設定はOpenSearch Compute Unit（OCU）単位で、インデックス作成、検索、GPUアクセラレーションが含まれます。VercelやAWS自身のKiro IDEとのネイティブ統合も発表され、Claude CodeやCursorなどのツールと連携するOpenSearch Agent Skillsも提供されます。

60%のコスト削減は2つの要素によるものです。新しい独自ストレージ層の圧縮機能と、トラフィック低下時に数秒で容量を削減する積極的なオートスケーラーです。「お客様の需要を予測し、迅速に提供・縮小できるため、自動的にコストを節約できます」とWhite氏は述べています。

White氏はOpenSearchがなぜこれらの変更を必要としたかについても率直に語っています。「OpenSearchは主にスイスアーミーナイフ、つまり何でも屋でした。昨年はSIEMへの転換も試みましたが、定着しませんでした。」新しい方向性は、従来の検索とログ分析を組み合わせ、エージェントワークロードに焦点を当てたものです。

今後のロードマップとして、エージェント向けの長期メモリ機能が2026年後半に予定されており、初日から評価とガバナンスが組み込まれます。「評価はアートでありサイエンスです。何が良いか、何を保存すべきか、何を削除すべきかという常なるフィードバックループです」とWhite氏は設計上の課題を説明します。「エージェントファーストのプラットフォームを構築する上で、これらは初日から提供すべきものであり、後付けやアドオンではいけません。」さらに、ナレッジグラフやセマンティックレイヤーの機能強化、そして「検索固有のワークロード向けの高度な推論モデル」の開発も進められています。

6月には大規模なログ分析機能のリリースが予定されており、これによりAWSはDatadog、Splunk、Grafanaが支配する市場に再参入します。さらに、AWSニューヨークサミットではTIMESERIESコレクションタイプが発表され、OpenSearch Serverlessを可観測性ワークロードに拡張します。「精度とトークン最適化が整えば、LLMがOpenSearchを代替できるかという疑問が生じます」とWhite氏は問いかけます。しかしAWSの答えは、OpenSearch ServerlessがLLMが呼び出す重要なセマンティックレイヤーとなることであり、LLMに取って代わられるものではないということです。