Parte V Agenti AI

In questo capitolo vengono fornite informazioni sulla creazione, il test, la distribuzione e il monitoraggio degli agenti nell'area di lavoro.

Gli agenti sono applicazioni agentic end-to-end. Gli agenti sono definiti attraverso un grafico di passi rappresentati da nodi di diversi tipi (trigger, agenti, guardrail o strumenti). Gli agenti possono essere definiti tramite un generatore di flusso visivo senza codice e tramite codice tramite librerie di terze parti, ad esempio LangGraph.

Oracle AI Data Platform Workbench offre più modelli di strumenti che possono essere configurati per accedere ai dati e adattarsi ai casi d'uso. Gli strumenti supportati sono:

• Strumento personalizzato: lo strumento Codice personalizzato consente agli sviluppatori di agenti di estendere AI Data Platform con il proprio codice Python. L'implementazione dello strumento viene impacchettata come file ZIP, caricata nell'area di lavoro e configurata. L'agente chiama il codice come strumento, con i parametri forniti dall'LLM in fase di esecuzione.
• HTTP: lo strumento Richiesta HTTP consente all'agente di chiamare qualsiasi API REST HTTPS. È possibile configurare la richiesta, inclusi metodo, URL, intestazioni, parametri di query, corpo della richiesta, autenticazione e, facoltativamente, un passo di ottimizzazione della risposta. L'agente richiama quindi l'endpoint in runtime. Lo strumento di richiesta HTTP è disponibile sia nel visual builder che nel generatore di codice. Nel generatore di codice, lo strumento viene configurato tramite la libreria helppUtils Python.
• Prompt: lo strumento prompt consente allo sviluppatore AI di definire un prompt parametrizzato che può essere emesso a un LLM a propria scelta. I casi d'uso comuni per uno strumento di prompt includono le attività di redazione delle e-mail, le attività di traduzione, la conversione dello stile, il messaggio di commit git e le spiegazioni del codice.
• Server MCP remoto: gli sviluppatori di agenti possono connettere i propri agenti ai server MCP (Remote Model Context Protocol) utilizzando lo strumento Server MCP remoto.
• RAG: lo strumento RAG consente agli agenti di estrarre informazioni esterne rilevanti prima di generare una risposta. In AI Data Platform Workbench, lo strumento RAG esegue una query su una knowledge base (23ai Vector Search) e recupera chunk di documenti semanticamente pertinenti. Questi chunk vengono quindi passati all'agente per la generazione della risposta.
• SQL: lo strumento SQL consente agli agenti di eseguire query SQL su origini dati strutturate registrate tramite cataloghi esterni, come Oracle Autonomous AI Lakehouse, Oracle Autonomous AI Transaction Processing o Oracle AI Database. Lo strumento è destinato agli scenari in cui le query SQL sono predefinite e possono essere parametrizzate. L'obiettivo è consentire a un agente di assegnare valori ai parametri. Questo strumento non è uno strumento NL2SQL che genera una query SQL basata su un prompt del linguaggio naturale.

  Nota

  Lo strumento SQL esegue solo query sui dati in un catalogo esterno. Non supporta i dati memorizzati in un catalogo standard.

Nota

È necessario collegare una computazione AI al proprio agente prima di poter eseguire il test di uno strumento di sistema. Se non è collegata alcuna computazione, la scheda Test viene disabilitata.

La creazione di agenti in AI Data Platform Workbench genera un file artifact agente (.aflow) nella cartella dell'area di lavoro selezionata. Impossibile modificare questo file.