Note :

Développer un outil d'agent d'IA simple à l'aide d'Oracle Cloud Infrastructure Generative AI et des API REST

Présentation

L'utilisation de grands modèles de langage (LLM) a révolutionné la façon dont nous interagissons avec les systèmes et les processus d'affaires. Avec la capacité de comprendre le langage naturel et d'intégrer les services existants, ces modèles rendent les applications plus intelligentes et efficaces.

Ce document vise à démontrer, à travers un exemple pratique, comment les concepts de LLM peuvent être appliqués pour optimiser les intégrations avec les systèmes existants. En utilisant des agents d'IA, il est possible de réduire considérablement la complexité de la consommation des API, rendant l'automatisation des processus plus flexible et accessible.

Tout au long du document, des scénarios communs seront présentés où l'application d'agents d'IA peut simplifier les opérations commerciales, réduisant le besoin de configuration manuelle et facilitant la communication entre les différents systèmes.

Utiliser les modèles de LLM pour comprendre les processus d'affaires et l'exécution directe pour les services existants. La compréhension est possible grâce à l'inclusion du contexte, ce qui facilite et accélère grandement la construction des applications. Les modèles de LLM utilisent le langage naturel, y compris la traduction dans plusieurs autres langues.

Le tutoriel suivant explique comment créer une application simple basée sur un héritage. Lorsqu'il existe un héritage d'API, l'utilisation d'agents d'IA permet des intégrations puissantes. L'application des concepts de LLM aux agents d'IA permet souvent de résoudre des problèmes complexes de consommation d'API. Sans IA, une API nécessite beaucoup de travail pour l'intégration, car elle implique de connaître tous les attributs d'entrée et de sortie

Objectifs

Tâche 1 : Télécharger et comprendre le code

Téléchargez le code à partir d'ici : agent_ocigenai.py.

Le code est divisé en cinq modules :

Simple Database Persistence Services : Le code définit la création d'une base de données simple pour insérer, supprimer, interroger et résumer la commande.

Définition de service : Le code définit plusieurs services, tels que insert_order, delete_order, search_order, order_cost et delivery_address. Ces services sont décorés avec le décorateur @tool, ce qui indique qu'ils peuvent être appelés par l'agent conversationnel.

Définition du modèle de langue : Le code utilise le modèle de langue ChatOCIGenAI pour générer des réponses aux questions d'utilisateur.

Définition de l'agent conversationnel : Le code crée un agent conversationnel à l'aide de la fonction create_tool_calling_agent de LangChain, transmettant en tant que paramètres le modèle de langue, les services définis et un modèle d'invite.

Boucle conversationnelle : Le code entre une boucle infinie, où il attend l'entrée de l'utilisateur et traite les réponses à l'aide de l'agent conversationnel.

Dans chaque définition de service, il est possible de déterminer un contexte spécifique afin que, lors de l'envoi d'une demande en langage naturel, la bibliothèque puisse interpréter ce qui a été demandé et déterminer quel service approprié doit être exécuté.

La bibliothèque langchain_core.tools comprend la portée du travail en associant les contextes et les services disponibles pour utilisation. Ceci est fait par la déclaration présentée dans l'image suivante.

img.png

Un autre point intéressant de la bibliothèque langchain_core.tools est que les attributs de signature de service sont également interprétés, c'est-à-dire que la bibliothèque elle-même détermine comment transmettre la demande en langage naturel et définir les attributs des paramètres du service en question. C'est déjà très impressionnant en soi, car cela réduit considérablement le fardeau de mise en œuvre des intégrations. Dans le modèle d'intégration traditionnel, il y a du temps à consacrer à la définition du paramètre FROM-TO entre la source et la destination de ces intégrations. C'est un effort très raisonnable. Dans le modèle d'IA d'agent, c'est à travers le contexte que les attributs sont transmis, c'est-à-dire que la bibliothèque peut déterminer ce que chaque paramètre est et le transmettre au service de la bonne façon.

img.png

Tâche 2 : Modifier le code

Vous pouvez tester et modifier le code à vos fins. Le service nommé delivery_address a été mis en oeuvre lors de l'appel d'une API REST. Dans cet exemple, vous pouvez tester le code et remplacer la vraie demande REST par une fausse demande.

  1. Commentez le code suivant en insérant # dans les lignes.

    img_2.png

    img_3.png

  2. Annulez la mise en commentaire du code suivant.

    img_3.png

Vous pouvez intégrer votre propre API à l'aide des ressources OCI, vous pouvez utiliser :

img.png

De plus, vous pouvez effectuer une intégration aux ressources sur place ou en nuage.

Tâche 3 : Configurer le code

  1. Ce code python a besoin de bibliothèques. Vous devez donc télécharger le fichier requirements.txt. Ce fichier contient les bibliothèques.

  2. Exécutez la commande suivante pour installer les bibliothèques.

    pip install -r requirements.txt

  3. Vous devez configurer l'interface de ligne de commande Oracle Cloud Infrastructure (interface de ligne de commande OCI) et établir un lien avec votre location. Pour installer et configurer, voir Installation de l'interface de ligne de commande OCI.

  4. Configurez un compartiment pour stocker vos ressources pour le service d'intelligence artificielle générative pour OCI. Mettez à jour compartment_id et conservez auth_profile comme DEFAULT.

    img_5.png

Tâche 4 : Exécuter le code

Exécutez le code à l'aide de la commande suivante.

python agent_ocigenai.py

img_4.png

Scénarios pour les agents d'intelligence artificielle

Il existe plusieurs scénarios pour l'intégration avec plusieurs API REST et l'utilisation de l'IA des agents. Les complexités entre le mappage des informations d'affaires et des API disponibles sont nombreuses. C'est très courant dans plusieurs situations d'entreprise. Voici quelques exemples où un agent d'intelligence artificielle peut faciliter cette tâche :

  1. Automatisation des processus financiers (ERP et banques)

    • Scénario : Les sociétés doivent s'intégrer à plusieurs banques pour obtenir des relevés, générer des bordereaux de paiement, traiter des paiements et valider les informations fiscales.
    • Défis : Chaque banque dispose de sa propre API, avec des paramètres spécifiques pour les paiements, PIX, les transferts et le rapprochement financier.
    • Comment les agents d'IA aident : Il peut interpréter les demandes telles que Payer la facture pour le fournisseur X et rediriger vers l'API de banque appropriée avec les paramètres requis.

  2. Order Management et logistique (commerce électronique, ERP, WMS)

    • Scénario : Un commerce électronique doit orchestrer des commandes, mettre à jour des stocks et demander des transporteurs pour différents types de livraison.
    • Défis : Les API du transporteur varient (Post Office, FedEx, DHL, transporteurs locaux), ce qui nécessite des formats de demande spécifiques.
    • Comment les agents AI aident : Ils peuvent traduire des demandes telles que Expédier cette commande au moyen du transporteur le moins cher et sélectionner automatiquement le service approprié.

  3. Service à la clientèle et service d'assistance

    • Scénario : Les entreprises avec des systèmes de gestion des relations avec la clientèle tels que Siebel, Oracle CX, ServiceNow doivent intégrer les demandes de client à différentes API.
    • Défis : Chaque système comporte différents points d'extrémité pour la création de tickets, la mise à jour des statuts, l'extraction des informations sur le client et l'historique de suivi.
    • Comment les agents AI aident : Ils peuvent comprendre les demandes telles que Afficher les derniers appels du client X et appeler l'API CRM appropriée.

  4. Intégration des RH et de la paie

    • Scénario : Les systèmes des RH doivent synchroniser la paie, les avantages et l'intégration avec plusieurs fournisseurs et fournisseurs de services d'entreprise.
    • Défis : Les API de gestion des avantages sociaux, de la paie et des talents ont des paramètres réglementaires et des validations différents.
    • Comment les agents d'IA aident : Ils peuvent interpréter des commandes telles que Admettre un nouvel employé à la paie et les traduire en appels appropriés vers les bonnes API.

  5. Surveillance de l'infrastructure et de la sécurité (SIEM et ITSM)

    • Scénario : Les grandes entreprises utilisent plusieurs systèmes de surveillance (Splunk, Datadog, ServiceNow, Zabbix) pour suivre les incidents et les anomalies.
    • Défis : Chaque outil dispose d'une API différente pour les alertes, les journaux et les réponses automatisées.
    • Comment les agents d'IA aident : Il peut interpréter des commandes telles que Lister les dernières alertes critiques et ouvrir un ticket dans ServiceNow.

  6. Gestion des contrats et signatures numériques

    • Scénario : Les entreprises utilisent des services tels que DocuSign et Adobe Sign pour gérer les contrats et les signatures.
    • Défis : Chaque service a des exigences différentes pour l'envoi de documents, la validation des signatures et le statut de suivi.
    • Comment les agents AI aident : Il peut recevoir une demande telle que Envoyer ce contrat au client X pour signature et m'aviser lorsqu'il est signé, et l'acheminer vers l'API correcte.

  7. Gestion des soins de santé et dossiers médicaux électroniques (SIS, PACS, LIS, ERP)

    • Scénario : Les hôpitaux et les cliniques utilisent différents systèmes pour stocker les informations sur les patients, les tests de laboratoire et les images médicales.
    • Défis : Les API de systèmes tels que Tasy (Philips), MV, Epic et PACS (fichiers d'image DICOM) ont des formats de demande différents.
    • Comment les agents d'IA aident : Ils peuvent interpréter des commandes telles que Extraire le dernier test sanguin du patient John Smith et l'attacher au dossier médical, en appelant automatiquement les bonnes API.

  8. Télécommunications (assistance technique et provisionnement des services)

    • Scénario : Les opérateurs de télécommunications offrent des services téléphoniques, Internet et télévisuels et doivent intégrer plusieurs systèmes de facturation, de GRC et de surveillance de réseau.
    • Défis : Chaque opération (par exemple, l'ouverture d'appels, la modification des plans, la vérification de la consommation) implique différentes API propres à chaque service.
    • Comment les agents d'IA aident : Il peut comprendre Je veux augmenter mon allocation Internet à 500 Mo et déclencher l'API appropriée pour mettre à niveau le plan.

  9. Automatisation des assurances (réclamations et émission de polices)

    • Scénario : Les compagnies d'assurance doivent intégrer des API pour les soumissions, l'émission de polices et les réclamations.
    • Défis : Chaque compagnie d'assurance a sa propre API, et les paramètres varient en fonction du type d'assurance (véhicule, santé, maison).
    • Comment les agents d'IA aident : Ils peuvent traduire une demande telle que Enregistrer une réclamation pour la voiture du client Pedro Souza, avec un impact secondaire en appels automatiques vers les bonnes API.

  10. Commerce extérieur et dédouanement

    • Scénario : Les entreprises qui importent/exportent doivent traiter les API IRS, les transporteurs internationaux et les systèmes de contrôle douanier.
    • Défis : Chaque pays a des règles et des formats de documentation différents (DU-E, DI, facture, liste d'emballage).
    • Comment les agents d'IA aident : Il peut interpréter Suivre le déchargement du fret X au port de Santos et le traduire en demandes dans l'IRS et l'API des transporteurs.

  11. Gestion hôtelière et réservation en ligne

    • Scénario : Les hôtels doivent s'intégrer à des plates-formes telles que Booking, Expedia et Airbnb pour gérer les réservations et la disponibilité des chambres.
    • Défis : Chaque plate-forme a des règles différentes pour les annulations, les ajustements de taux et les temps de réponse.
    • Comment les agents d'IA aident : Il peut comprendre Ajuster le tarif à R$400 le vendredi et bloquer les réservations pour lundi et appeler les API appropriées.

  12. Automatisation du marketing et campagnes publicitaires

    • Scénario : Les entreprises utilisent des outils tels que Meta Ads, Google Ads, HubSpot et RD Station pour les campagnes numériques.
    • Défis : La création de campagnes, la segmentation des publics et l'analyse des mesures nécessitent l'intégration à plusieurs API.
    • Comment les agents d'IA aident : Il peut interpréter Créer une publicité sur Facebook pour le public de 25 à 40 ans intéressé par la technologie, avec un budget de 500 R$ et configurer automatiquement la campagne.

  13. Supply Chain et Inventory Management

    • Scénario : Les grandes chaînes de vente au détail doivent surveiller les stocks en temps réel et prédire le réapprovisionnement automatique.
    • Défis : Les systèmes ERP, WMS et fournisseurs disposent d'API distinctes pour la prévision des demandes et des demandes de produit.
    • Comment les agents d'IA aident : Il peut comprendre Réapprovisionner le produit X lorsqu'il atteint 10 unités et déclencher les bonnes API.

  14. Intégration des agents conversationnels et du service omnicanal

    • Scénario : Les entreprises offrent du soutien par l'entremise de WhatsApp, de Telegram, de courriels et d'agents conversationnels et doivent centraliser tout ce qui se trouve dans la GRC.
    • Défis : Différentes API pour chaque canal, avec des règles différentes pour les réponses automatiques et l'acheminement.
    • Comment les agents d'IA aident : Il peut interpréter Transférer cette question de paiement à un préposé humain et rediriger vers le canal approprié.

  15. Gestion de l'énergie et IoT (Smart Grid)

    • Scénario : Les sociétés d'électricité utilisent des API pour mesurer la consommation, prévoir la demande et la maintenance préventive.
    • Défis : IoT Les systèmes, capteurs et distributeurs d'énergie ont des API différentes et réglementées.
    • Comment les agents d'IA aident : Il peut comprendre Surveiller la consommation de l'usine X et m'aviser s'il dépasse 100 kWh et configurer des alertes automatiques.

Étapes suivantes

L'adoption d'agents d'IA propulsés par les LLM a démontré un énorme potentiel pour rationaliser l'intégration avec les systèmes existants. En interprétant les commandes en langage naturel et en traduisant les demandes en appels d'API précis, ces agents réduisent considérablement la complexité de l'automatisation des processus d'affaires.

Les exemples présentés ici montrent comment cette approche peut être appliquée à une variété de secteurs, de la finance et de la logistique au service à la clientèle et à la surveillance de l'infrastructure. La capacité des agents d'IA à s'adapter dynamiquement à différents services et contextes offre un nouveau niveau de flexibilité et d'efficacité dans la transformation numérique des entreprises.

Alors que les modèles d'IA continuent d'évoluer, ces intégrations devraient devenir encore plus intelligentes, permettant des interactions de plus en plus naturelles et précises entre les utilisateurs et les systèmes. L'avenir de l'automatisation implique la combinaison de l'intelligence artificielle et des API, et les agents d'IA sont la clé de cette nouvelle ère de connectivité numérique.

Remerciements

Autres ressources d'apprentissage

Explorez d'autres laboratoires sur le site docs.oracle.com/learn ou accédez à plus de contenu d'apprentissage gratuit sur le canal Oracle Learning YouTube. De plus, visitez education.oracle.com/learning-explorer pour devenir un explorateur Oracle Learning.

Pour obtenir la documentation sur le produit, visitez Oracle Help Center.