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.