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.

Teil V-Agent-Speicher

Der Agent-Speicher ist Teil eines AI-Agent-Systems, mit dem der Agent Informationen über Turns, Aufgaben oder Sessions hinweg beibehalten und wiederverwenden kann.

Im Gegensatz zum Kontextfenster des Modells, das temporär ist und auf den aktuellen Prompt beschränkt ist, kann der Speicher Fakten, Voreinstellungen, vorherige Entscheidungen, Werkzeugausgaben, Zwischenpläne oder Beobachtungen über die Umgebung beibehalten.

Agent-Speicher in AI Data Platform

AI Data Platform bietet Kurzzeitspeicher, der auf die Dauer einer Session beschränkt ist. Auf der Registerkarte "Speicher" Ihres Agent können Sie konfigurieren, was im Speicher gespeichert werden kann.

Speicherkonfiguration für einen einzelnen Agent

Die Speicherkonfiguration eines einzelnen Agent-Systems finden Sie auf der Registerkarte "Speicher" des Agent-Knotens.


Die visuelle Builder-Leinwand wird mit einem einzelnen Agent-Knoten, InvoiceAnalyst, angezeigt. Der Knoten wird ausgewählt, und die Registerkarte "Speicher" wird hervorgehoben.

Speicherkonfiguration Beschreibung
Agent-Speicher aktivieren Diese Einstellung aktiviert den Agent-Speicher. Bei Deaktivierung ist der Agent im Wesentlichen ein zustandsloses System. Jeder Zug wird unabhängig behandelt, und es können keine Nachfragen gestellt werden. Es wird empfohlen, den Speicher zu aktivieren.
Unterhaltungshistorie begrenzen Wenn diese Auswahl deaktiviert ist, füllen frühere Umdrehungen den Speicher aus, bis das Modell keinen Kontext mehr hat und ein Fehler zurückgegeben wird. Wenn kurze Sitzungen erwartet werden, ist es in Ordnung, diese Einstellung zu deaktivieren. Für die meisten Anwendungsfälle wird jedoch empfohlen, den Unterhaltungsverlauf zu begrenzen.
Abschneidungskonfiguration Wenn Sie die Konversationshistorie einschränken möchten, können Sie die Historie folgendermaßen abschneiden:
  • Nur die letzten N Nachrichten (Benutzer + Agent) werden beibehalten
  • Einstellen eines Gesamttokenbudgets (First-In, First-Out)
  • Oder beides, je nachdem, welcher Vorgang zuerst eintritt, löst das Leeren des Agent-Speichers aus
Maximale Anzahl Nachrichten Wenn Sie die letzten N Nachrichten beibehalten möchten, können Sie den Wert N festlegen.
Tokenbudget Alternativ können Sie ein Gesamtbudget für Token festlegen. Die ersten Token werden eliminiert, um die neuesten im Speicher zu halten.

Systemspeicherkonfiguration mit mehreren Agents (Supervisor-Muster)

Der Speicher eines Multi-Agent-Systems wird auf der Registerkarte "Speicher" des Supervisor-Agents konfiguriert.


Auf der visuellen Builder-Leinwand wurde ein Multi-Agent angezeigt. Der Knoten {\b AccountsManager} wird ausgewählt, und die Registerkarte {\b Memory} wird angezeigt.

Speicher für ein Multi-Agent-System wird durchgesetzt und kann nicht deaktiviert werden. Die im Supervisor-Agent-Knoten angezeigten Speicherabschreibungsoptionen werden nur auf den Supervisor-Agent-Speicher angewendet. Jede Executor-Agent-Speicherabschreibungs-Policy kann auf der Registerkarte "Speicher" des Executor-Knotens basierend auf der für das gesamte System ausgewählten Zustandsisolations-Policy konfiguriert werden.

Mit der Speicherkonfiguration für Multi-Agent-Systeme können Sie auch die Speicherfreigabe-Policy der Executor-Agents auswählen. Drei Optionen sind möglich: Stateless, Private und Shared. Beachten Sie, dass die Policy auf alle Executor-Agents angewendet wird.

Zustandsisolierung für Executor-Agents Beschreibung
Zustandslos Jeder Executor-Agent sieht nur die Aufgabe, die vom Supervisor zugewiesen wurde. Zwischen den Anrufen wird keine Historie übertragen. Der Executor-Agent kann keine Nachfassanforderung an den Supervisor-Agent senden.

Wenn "Zustandslos" ausgewählt ist, ist der Speicher jedes Executor-Agents deaktiviert.

Privat Jeder Executor-Agent sieht nur seine eigenen vergangenen Interaktionen.

Andere Executor-Agents oder die ursprüngliche Benutzerunterhaltung mit dem Supervisor-Agent können nicht angezeigt werden.

Gemeinsam Executor-Agents können die vollständige Unterhaltungshistorie über Agents und Benutzer hinweg anzeigen. Alle Agents arbeiten aus einem gemeinsamen Kontext.

Wenn "Shared" ausgewählt ist, können Sie die Speicherabschreibungs-Policy für jeden Executor-Agent in jeder Speicherregisterkarte des Agent-Knotens separat konfigurieren.