Teil V-KI-Agents

Dieses Kapitel enthält Informationen zum Erstellen, Testen, Bereitstellen und Überwachen von Agents in Ihrem Workspace.

Agents sind End-to-End-Agent-Anwendungen. Agents werden durch ein Diagramm von Schritten definiert, die durch Knoten verschiedener Typen (Trigger, Agents, Leitplanken oder Tools) dargestellt werden. Agents können über einen No-Code Visual Flow Builder und über Code über Bibliotheken von Drittanbietern wie LangGraph definiert werden.

Oracle AI Data Platform Workbench bietet mehrere Toolvorlagen, die für den Zugriff auf Ihre Daten und die Anpassung an Ihre Anwendungsfälle konfiguriert werden können. Folgende Tools werden unterstützt:
  • Benutzerdefiniertes Tool: Mit dem Tool für benutzerdefinierten Code können Agent-Entwickler die AI Data Platform mit ihrem eigenen Python-Code erweitern. Sie verpacken Ihre Toolimplementierung als ZIP-Datei, laden sie in Ihren Arbeitsbereich hoch und konfigurieren sie. Der Agent ruft Ihren Code als Tool auf, wobei Parameter zur Laufzeit vom LLM bereitgestellt werden.
  • HTTP: Mit dem HTTP-Anforderungstool kann Ihr Agent jede HTTPS-REST-API aufrufen. Sie konfigurieren die Anforderung, einschließlich Methode, URL, Header, Abfrageparameter, Anforderungsbody, Authentifizierung und optional einem Schritt zur Antwortoptimierung. Der Agent ruft den Endpunkt zur Laufzeit auf. Das HTTP-Anforderungstool ist sowohl im Visual Builder als auch im Code Builder verfügbar. Im Code Builder wird das Tool über die Python-Library von aidpUtils konfiguriert.
  • Prompt: Mit dem Prompt-Tool kann der KI-Entwickler einen parametrisierten Prompt definieren, der an ein LLM zur Auswahl ausgegeben werden kann. Häufige Anwendungsfälle für ein Prompt-Tool sind E-Mail-Entwurfsaufgaben, Übersetzungsaufgaben, Stilkonvertierung, Git-Commit-Nachricht und Codeerklärungen.
  • Remote-MCP-Server: Agent-Entwickler können ihre Agents mit dem Tool "Remote-MCP-Server" mit Remote-Modellkontextprotokoll-(MCP-)Servern verbinden.
  • RAG: Mit dem RAG-Tool können Agents relevantes externes Wissen abrufen, bevor sie eine Antwort generieren. In AI Data Platform Workbench fragt das RAG-Tool eine Wissensdatenbank ab (23ai Vector Search) und ruft semantisch relevante Dokument-Chunks ab. Diese Chunks werden dann zur Antwortgenerierung an den Agent übergeben.
  • SQL: Mit dem SQL-Tool können Agents SQL-Abfragen für strukturierte Datenquellen ausführen, die über externe Kataloge registriert sind, wie Oracle Autonomous AI Lakehouse, Oracle Autonomous AI Transaction Processing oder Oracle AI Database. Das Tool ist für Szenarien gedacht, in denen die SQL-Abfragen vordefiniert sind und parametrisiert werden können. Ziel ist es, dass ein Agent den Parametern Werte zuweist. Dieses Tool ist kein NL2SQL-Tool, das eine SQL-Abfrage basierend auf einer Eingabeaufforderung in natürlicher Sprache generiert.

    Hinweis:

    Das SQL-Tool führt nur Abfragen für Daten in einem externen Katalog aus. Daten, die in einem Standardkatalog gespeichert sind, werden nicht unterstützt.

Hinweis:

Sie müssen Ihrem Agent eine AI Compute-Instanz zuordnen, bevor Sie ein Systemtool testen können. Wenn keine Compute-Instanz angeschlossen ist, ist die Registerkarte "Test" deaktiviert.

Beim Erstellen von Agents in AI Data Platform Workbench wird eine Agent-Artefaktdatei (.aflow) im ausgewählten Workspace-Ordner generiert. Diese Datei kann nicht geändert werden.