Parte V Agentes de IA

En este capítulo se proporciona información sobre la creación, prueba, despliegue y supervisión de agentes en el espacio de trabajo.

Los agentes son aplicaciones agentic de extremo a extremo. Los agentes se definen mediante un gráfico de pasos representados por nodos de diferentes tipos (disparadores, agentes, barandillas o herramientas). Los agentes se pueden definir a través de un creador de flujos visuales sin código y a través de código a través de bibliotecas de terceros, como LangGraph.

Oracle AI Data Platform Workbench ofrece varias plantillas de herramientas que se pueden configurar para acceder a sus datos y adaptarse a sus casos de uso. Las herramientas soportadas son:

• Herramienta personalizada: la herramienta de código personalizado permite a los desarrolladores de agentes ampliar AI Data Platform con su propio código Python. La implementación de la herramienta se empaqueta como un archivo ZIP, se carga en el espacio de trabajo y se configura. El agente llama al código como una herramienta, con parámetros proporcionados por el LLM en tiempo de ejecución.
• HTTP: la herramienta de solicitud HTTP permite a su agente llamar a cualquier API de REST HTTPS. Puede configurar la solicitud, incluido el método, la URL, las cabeceras, los parámetros de consulta, el cuerpo de la solicitud, la autenticación y, opcionalmente, un paso de optimización de respuesta. Luego, el agente llama al punto final en tiempo de ejecución. La herramienta de solicitud HTTP está disponible tanto en el creador visual como en el creador de código. En el creador de código, la herramienta se configura a través de la biblioteca Python helppUtils.
• Petición de datos: la herramienta de petición de datos permite al desarrollador de IA definir una petición de datos parametrizada que se puede emitir a un LLM para su elección. Los casos de uso comunes para una herramienta de petición de datos incluyen tareas de redacción de correo electrónico, tareas de traducción, conversión de estilo, mensaje de confirmación de git y explicaciones de código.
• Servidor MCP Remoto: los desarrolladores de agentes pueden conectar sus agentes a servidores de protocolo de contexto de modelo remoto (MCP) mediante la herramienta Servidor MCP Remoto.
• RAG: la herramienta RAG permite a los agentes extraer los conocimientos externos relevantes antes de generar una respuesta. En AI Data Platform Workbench, la herramienta RAG consulta una base de conocimientos (23ai Vector Search) y recupera fragmentos de documentos semánticamente relevantes. Estos fragmentos se transfieren al agente para la generación de respuestas.
• SQL: la herramienta SQL permite a los agentes ejecutar consultas SQL en orígenes de datos estructurados registrados a través de catálogos externos, como Oracle Autonomous AI Lakehouse, Oracle Autonomous AI Transaction Processing u Oracle AI Database. La herramienta está diseñada para escenarios en los que las consultas SQL están predefinidas y se pueden parametrizar. El objetivo es permitir que un agente asigne valores a los parámetros. Esta herramienta no es una herramienta NL2SQL que genera una consulta SQL basada en una petición de datos en lenguaje natural.

  Note:

  La herramienta SQL solo realiza consultas en los datos de un catálogo externo. No soporta los datos almacenados en un catálogo estándar.

Note:

Debe asociar un AI Compute a su agente antes de poder probar una herramienta del sistema. Si no hay ningún recurso informático asociado, el separador Test está desactivado.

La creación de agentes en AI Data Platform Workbench genera un archivo de artefacto de agente (.aflow) en la carpeta del espacio de trabajo que seleccione. Este archivo no se puede modificar.

Parte V Memoria del agente

La memoria del agente es la parte de un sistema de agente de AI que permite al agente retener y reutilizar información en turnos, tareas o sesiones.

A diferencia de la ventana de contexto del modelo, que es temporal y se limita a la petición de datos actual, la memoria puede persistir en hechos, preferencias, decisiones previas, salidas de herramientas, planes intermedios u observaciones sobre el entorno.

Memoria del agente en AI Data Platform

AI Data Platform proporciona memoria a corto plazo que se limita a la duración de una sesión. Puede configurar lo que se puede mantener en memoria en el separador Memory de su agente.

Configuración de memoria de un solo agente

La configuración de memoria de un único sistema de agente se puede encontrar en el separador Memoria del nodo de agente.

Configuración de Memoria	Descripción
Activar memoria de agente	Esta configuración activa la memoria del agente. Cuando se desactiva, el agente es esencialmente un sistema sin estado. Cada turno se trata de forma independiente, y no se puede hacer ninguna pregunta de seguimiento. Recomendamos que la memoria esté activada.
Limitar historial de conversaciones	Cuando esta selección está desactivada, las vueltas anteriores llenarán la memoria hasta que el modelo se quede sin contexto y se devuelva un error. Si se esperan sesiones cortas, se puede desactivar esta configuración. Sin embargo, en la mayoría de los casos de uso se recomienda limitar el historial de conversaciones.
Configuración de truncamiento	Si opta por limitar el historial de conversaciones, puede decidir truncar el historial: Mantener solo los últimos N mensajes (usuario + agente) Establecer un presupuesto de token general (primero en entrar, primero en salir) O ambos, cualquiera que sea el primero, disparan el truncamiento de la memoria del agente
Límites máximos de mensajes	Si decide mantener los últimos N mensajes, puede establecer un valor de N.
Presupuesto de token	También puede definir un presupuesto de token global. Los primeros tokens se eliminan para mantener los más recientes en memoria.

Configuración de memoria del sistema de varios agentes (patrón de supervisor)

La memoria de un sistema de varios agentes se configura en el separador Memoria del agente supervisor.

La memoria de un sistema de varios agentes se aplica y no se puede desactivar, y las opciones de truncamiento de memoria que se muestran en el nodo de agente de supervisor solo se aplican a la memoria del agente de supervisor. Cada política de truncamiento de memoria del agente de ejecutor se puede configurar en el separador Memoria del nodo de ejecutor según la política de aislamiento de estado seleccionada para todo el sistema.

La configuración de memoria del sistema de varios agentes también permite seleccionar la política de uso compartido de memoria de los agentes ejecutores. Tres opciones son posibles: sin estado, privado y compartido. Tenga en cuenta que la política se aplica a todos los agentes de ejecutor.

Aislamiento de estado para agentes de ejecución	Descripción
Sin Estado	Cada agente ejecutor solo ve la tarea asignada por el supervisor. No hay historial entre llamadas. El agente ejecutor no puede realizar ninguna solicitud de seguimiento al agente supervisor. Si se selecciona sin estado, la memoria de cada agente de ejecutor se desactiva.
Privada	Cada agente ejecutor solo ve sus propias interacciones pasadas. No puede ver otros agentes ejecutor ni la conversación de usuario original con el agente supervisor.
Compartidos	Los agentes ejecutor pueden ver el historial completo de conversaciones entre agentes y usuarios. Todos los agentes trabajan desde un contexto compartido. Si se selecciona Compartir, puede configurar la política de truncamiento de memoria por separado para cada agente ejecutor en cada separador Memoria de nodo de agente.