Note:

Desarrolle una herramienta de agente de IA sencilla con las API de REST y Oracle Cloud Infrastructure Generative AI

Introducción

El uso de modelos de lenguaje grande (LLM) ha revolucionado la forma en que interactuamos con los sistemas y los procesos de negocio. Con la capacidad de comprender el lenguaje natural y de integrarse con los servicios heredados, estos modelos hacen que las aplicaciones sean más inteligentes y eficientes.

Este material tiene como objetivo demostrar, a través de un ejemplo práctico, cómo se pueden aplicar los conceptos de LLM para optimizar las integraciones con sistemas heredados. Mediante el uso de agentes de IA, es posible reducir significativamente la complejidad del consumo de API, lo que hace que la automatización de procesos sea más flexible y accesible.

A lo largo del documento, se presentarán escenarios comunes donde la aplicación de agentes de IA puede simplificar las operaciones comerciales, reduciendo la necesidad de configuración manual y facilitando la comunicación entre diferentes sistemas.

Utilice modelos LLM para comprender los procesos de negocio y la ejecución directa de los servicios heredados. La comprensión es posible a través de la inclusión del contexto, lo que facilita y acelera en gran medida la construcción de aplicaciones. Los modelos LLM utilizan lenguaje natural, incluida la traducción a varios otros idiomas.

En el siguiente tutorial se mostrará cómo crear una aplicación sencilla basada en un legado. Cuando hay un legado de API, el uso de agentes de IA permite integraciones potentes. La aplicación de conceptos de LLM a los agentes de IA a menudo permite resolver problemas complejos de consumo de API. Sin IA, una API requiere mucho trabajo para la integración, ya que implica conocer todos los atributos de entrada y salida.

Objetivos

Tarea 1: Descarga y comprensión del código

Descarga el código desde aquí: agent_ocigenai.py.

El código se divide en cinco módulos:

Simple Database Persistence Services: el código define la creación de una base de datos sencilla para insertar, suprimir, consultar y resumir el pedido.

Definición de servicio: el código define varios servicios, como insert_order, delete_order, search_order, order_cost y delivery_address. Estos servicios están decorados con el decorador @tool, lo que indica que el agente conversacional puede llamarlos.

Definición de modelo de idioma: el código utiliza el modelo de idioma ChatOCIGenAI para generar respuestas a las preguntas del usuario.

Definición de agente conversacional: el código crea un agente conversacional mediante la función create_tool_calling_agent de LangChain, transfiriendo como parámetros el modelo de idioma, los servicios definidos y una plantilla de petición de datos.

Bucle de conversación: el código introduce un bucle infinito, donde espera la entrada del usuario y procesa las respuestas mediante el agente conversacional.

En cada definición de servicio, es posible determinar un contexto específico para que, al enviar una solicitud en lenguaje natural, la biblioteca pueda interpretar lo que se solicitó y determinar qué servicio apropiado se debe ejecutar.

La biblioteca langchain_core.tools comprende el alcance del trabajo asociando los contextos y servicios disponibles para su uso. Esto se realiza mediante la declaración que se muestra en la siguiente imagen.

img.png

Otro punto interesante acerca de la biblioteca langchain_core.tools es que los atributos de firma de servicio también se interpretan, es decir, la propia biblioteca determina cómo reenviar la solicitud en lenguaje natural y definir los atributos de los parámetros del servicio en cuestión. Esto ya es muy impresionante en sí mismo, ya que reduce en gran medida la carga de implementación en las integraciones. En el modelo de integración tradicional, hay tiempo que dedicar a definir el FROM-TO entre el origen y el destino de estas integraciones. Es un esfuerzo muy razonable. En el modelo AI de agente, es a través del contexto que se transfieren los atributos, es decir, la biblioteca puede determinar cuál es cada parámetro y transferirlo al servicio de la manera correcta.

img.png

Tarea 2: Modificación del código

Puede probar y modificar el código para sus fines. El servicio denominado delivery_address se ha implantado llamando a una API de REST. En este ejemplo, puede probar el código y cambiar la solicitud REST real a una solicitud falsa.

  1. Comente el siguiente código poniendo # en las líneas.

    img_2.png

    img_3.png

  2. Elimine los comentarios del siguiente código.

    img_3.png

Puede integrar su propia API mediante los recursos de OCI, puede utilizar:

img.png

Además, puede realizar la integración con recursos locales u otros recursos en la nube.

Tarea 3. Configuración del código

  1. Este código de python necesita algunas bibliotecas. Por lo tanto, debe descargar el archivo requirements.txt. Este archivo contiene las bibliotecas.

  2. Ejecute el siguiente comando para instalar las bibliotecas.

    pip install -r requirements.txt

  3. Debe configurar la interfaz de línea de comandos (CLI de OCI) de Oracle Cloud Infrastructure y enlazar con su arrendamiento. Para instalar y configurar, consulte Instalación de la CLI de OCI.

  4. Configure un compartimento para almacenar los recursos de OCI Generative AI. Actualice compartment_id y mantenga auth_profile como DEFAULT.

    img_5.png

Tarea 4: Ejecución del código

Ejecute el código con el siguiente comando.

python agent_ocigenai.py

img_4.png

Escenarios para agentes de IA

Hay varios escenarios para integraciones con varias API de REST y el uso de IA de agentes. Las complejidades entre la asignación de información de negocio y las API disponibles son muchas. Esto es muy común en varias situaciones de negocios corporativos. A continuación, se muestran algunos ejemplos en los que una IA de agente puede facilitar esta tarea:

  1. Automatización de procesos financieros (ERP y bancos)

    • Escenario: las compañías deben integrarse con varios bancos para obtener extractos, generar recibos de pago, procesar pagos y validar información fiscal.
    • Desafíos: cada banco tiene su propia API, con parámetros específicos para pagos, PIX, transferencias y conciliación financiera.
    • Cómo ayudan los agentes de IA: puede interpretar solicitudes como Pagar la factura del proveedor X y redirigir a la API bancaria correcta con los parámetros necesarios.

  2. Order Management and Logistics (comercio electrónico, ERP, WMS)

    • Escenario: un comercio electrónico necesita orquestar órdenes, actualizar inventarios y solicitar transportistas para diferentes tipos de entrega.
    • Desafíos: las API de transportista varían (Post Office, FedEx, DHL, transportistas locales), lo que requiere formatos de solicitud específicos.
    • Cómo ayudan los agentes de IA: puede traducir solicitudes como Enviar esta orden a través del transportista más barato y seleccionar automáticamente el servicio adecuado.

  3. Servicio al cliente y servicio de ayuda

    • Escenario: las compañías con CRM como Siebel, Oracle CX, ServiceNow necesitan integrar las solicitudes de los clientes con diferentes API.
    • Desafíos: cada sistema tiene diferentes puntos finales para crear tickets, actualizar estados, recuperar información de clientes e historial de seguimiento.
    • Cómo ayudan los agentes de IA: puede comprender solicitudes como Mostrarme las últimas llamadas del cliente X y llamar a la API de CRM correcta.

  4. Integración de RR. HH. y nóminas

    • Escenario: los sistemas de RR. HH. deben sincronizar la nómina, los beneficios y la vinculación entre varios proveedores y ERP.
    • Desafíos: las API de gestión de talento, nómina y beneficios tienen diferentes parámetros normativos y validaciones.
    • Cómo ayudan los agentes de IA: puede interpretar comandos como Admitir a un nuevo empleado a la nómina y traducirlo en llamadas adecuadas a las API adecuadas.

  5. Supervisión de infraestructura y seguridad (SIEM e ITSM)

    • Escenario: las grandes empresas utilizan varios sistemas de supervisión (Splunk, Datadog, ServiceNow, Zabbix) para realizar un seguimiento de las incidencias y anomalías.
    • Desafíos: cada herramienta tiene una API diferente para alertas, logs y respuestas automatizadas.
    • Cómo ayudan los agentes AI: puede interpretar comandos como Mostrar las alertas críticas más recientes y abrir un ticket en ServiceNow.

  6. Gestión de contratos y firmas digitales

    • Escenario: las compañías utilizan servicios como DocuSign y Adobe Sign para gestionar contratos y firmas.
    • Desafíos: cada servicio tiene diferentes requisitos para enviar documentos, validar firmas y realizar un seguimiento del estado.
    • Cómo ayudan los agentes de IA: puede recibir una solicitud como Enviar este contrato al cliente X para su firma y notificarme cuando esté firmado, y dirigirlo a la API correcta.

  7. Gestión sanitaria e historias clínicas electrónicas (HIS, PACS, LIS, ERP)

    • Escenario: los hospitales y las clínicas utilizan diferentes sistemas para almacenar información del paciente, pruebas de laboratorio e imágenes médicas.
    • Desafíos: las API de sistemas como Tasy (Philips), MV, Epic y PACS (archivos de imagen DICOM) tienen diferentes formatos de solicitud.
    • Cómo ayudan los agentes de IA: puede interpretar comandos como Recuperar el último análisis de sangre del paciente John Smith y adjuntarlo a la historia clínica, llamando automáticamente a las API correctas.

  8. Telecomunicaciones (Soporte Técnico y Prestación de Servicios)

    • Escenario: los operadores de telecomunicaciones ofrecen servicios de teléfono, Internet y televisión, y necesitan integrar múltiples sistemas de facturación, CRM y supervisión de red.
    • Desafíos: cada operación (por ejemplo, apertura de llamadas, cambio de planes, comprobación del consumo) implica diferentes API específicas para cada servicio.
    • Cómo ayudan los agentes de IA: puede comprender deseo aumentar mi asignación de Internet a 500 MB y disparar la API correcta para actualizar el plan.

  9. Automatización de seguros (reclamaciones y emisión de pólizas)

    • Escenario: las compañías de seguros deben integrar las API para las ofertas, la emisión de pólizas y las reclamaciones.
    • Desafíos: cada compañía de seguros tiene su propia API y los parámetros varían según el tipo de seguro (vehículo, salud, hogar).
    • Cómo ayudan los agentes de IA: puede traducir una solicitud como Registrar una reclamación para el automóvil del cliente Pedro Souza, con un impacto secundario en llamadas automáticas a las API correctas.

  10. Comercio exterior y despacho aduanero

    • Escenario: las empresas que importan/exportan deben lidiar con las API del IRS, los transportistas internacionales y los sistemas de control aduanero.
    • Desafíos: cada país tiene diferentes reglas y formatos para la documentación (DU-E, DI, factura de venta, lista de empaquetado).
    • Cómo ayudan los agentes de IA: puede interpretar el seguimiento de la liberación de carga X en el puerto de Santos y traducir esto en solicitudes en la API del IRS y los transportistas.

  11. Gestión hotelera y reservas online

    • Escenario: los hoteles deben integrarse con plataformas como Booking, Expedia y Airbnb para gestionar las reservas y la disponibilidad de habitaciones.
    • Desafíos: cada plataforma tiene reglas diferentes para las cancelaciones, los ajustes de tarifas y los tiempos de respuesta.
    • Cómo ayudan los agentes de IA: puede comprender Ajustar la tarifa a R$400 el viernes y bloquear reservas para el lunes y llamar a las API correctas.

  12. Automatización de marketing y campañas publicitarias

    • Escenario: las empresas utilizan herramientas como Meta Ads, Google Ads, HubSpot y RD Station para campañas digitales.
    • Desafíos: la creación de campañas, la segmentación de públicos y el análisis de métricas requieren la integración con varias API.
    • Cómo ayudan los agentes de IA: puede interpretar Crear un anuncio en Facebook para el público de entre 25 y 40 años interesado en la tecnología, con un presupuesto de R$500 y configurar la campaña automáticamente.

  13. Supply Chain e Inventory Management

    • Escenario: las grandes cadenas minoristas necesitan supervisar el inventario en tiempo real y predecir el reaprovisionamiento automático.
    • Desafíos: los sistemas de ERP, WMS y proveedores tienen API independientes para la previsión de demanda y solicitudes de productos.
    • Cómo ayudan los agentes de IA: puede comprender reponer el producto X cuando alcanza las 10 unidades y disparar las API adecuadas.

  14. Integración de bots conversacionales y servicio omnicanal

    • Escenario: las compañías ofrecen soporte a través de WhatsApp, Telegram, correo electrónico y chatbot, lo que requiere centralizar todo en el CRM.
    • Desafíos: diferentes API para cada canal, con diferentes reglas para las respuestas automáticas y el enrutamiento.
    • Cómo ayudan los agentes de IA: puede interpretar Reenviar esta pregunta de pago a un asistente humano y redirigir al canal correcto.

  15. Gestión energética y IoT (Smart Grid)

    • Escenario: las compañías eléctricas utilizan API para medir el consumo, prever la demanda y el mantenimiento preventivo.
    • Desafíos: los sistemas, sensores y distribuidores de energía de IoT tienen API diferentes y reguladas.
    • Cómo ayudan los agentes de IA: puede comprender Supervisar el consumo de la fábrica X y notificarme si supera los 100 kWh y configurar alertas automáticas.

Pasos Siguientes

La adopción de agentes de IA impulsados por LLM ha demostrado un enorme potencial para agilizar la integración con los sistemas heredados. Al interpretar comandos de lenguaje natural y traducir solicitudes en llamadas de API precisas, estos agentes reducen significativamente la complejidad de la automatización de los procesos de negocio.

Los ejemplos presentados aquí demuestran cómo este enfoque se puede aplicar a una variedad de industrias, desde finanzas y logística hasta servicio al cliente y monitoreo de infraestructura. La capacidad de los agentes de IA para adaptarse dinámicamente a diferentes servicios y contextos proporciona un nuevo nivel de flexibilidad y eficiencia en la transformación digital de las empresas.

A medida que los modelos de IA continúan evolucionando, se espera que estas integraciones sean aún más inteligentes, lo que permite interacciones cada vez más naturales y precisas entre usuarios y sistemas. El futuro de la automatización implica la combinación de inteligencia artificial y API, y los agentes de IA son la clave de esta nueva era de conectividad digital.

Agradecimientos

Más recursos de aprendizaje

Explore otros laboratorios en docs.oracle.com/learn o acceda a más contenido de formación gratuita en el canal YouTube de Oracle Learning. Además, visite education.oracle.com/learning-explorer para convertirse en un explorador de Oracle Learning.

Para obtener documentación sobre el producto, visite Oracle Help Center.