Nota

Sviluppa un semplice strumento agente AI utilizzando le API Oracle Cloud Infrastructure Generative AI e REST

Introduzione

L'uso dei Large Language Models (LLM) ha rivoluzionato il modo in cui interagiamo con i sistemi e i processi aziendali. Grazie alla capacità di comprendere il linguaggio naturale e di integrarsi con i servizi legacy, questi modelli rendono le applicazioni più intelligenti ed efficienti.

Questo materiale mira a dimostrare, attraverso un esempio pratico, come i concetti LLM possono essere applicati per ottimizzare le integrazioni con i sistemi legacy. Utilizzando gli agenti AI, è possibile ridurre in modo significativo la complessità del consumo delle API, rendendo l'automazione dei processi più flessibile e accessibile.

In tutto il documento verranno presentati scenari comuni in cui l'applicazione di agenti AI può semplificare le operazioni aziendali, riducendo la necessità di configurazione manuale e facilitando la comunicazione tra diversi sistemi.

Utilizza i modelli LLM per comprendere i processi aziendali e l'esecuzione diretta per i servizi legacy. La comprensione è possibile attraverso l'inclusione del contesto, che facilita e accelera notevolmente la costruzione delle applicazioni. I modelli LLM utilizzano il linguaggio naturale, inclusa la traduzione in diverse altre lingue.

Nella seguente esercitazione verrà illustrato come creare un'applicazione semplice basata su una precedente versione. Quando esiste un'eredità delle API, l'uso degli agenti AI consente potenti integrazioni. L'applicazione dei concetti LLM agli agenti AI consente spesso di risolvere complessi problemi di consumo delle API. Senza l'AI, un'API richiede molto lavoro per l'integrazione, poiché implica la conoscenza di tutti gli attributi di input e output

Obiettivi

Task 1: Scaricare e comprendere il codice

Scarica il codice da qui: agent_ocigenai.py.

Il codice è diviso in cinque moduli:

Simple Database Persistence Services: il codice definisce la creazione di un database semplice per inserire, eliminare, interrogare e riepilogare l'ordine.

Definizione del servizio: il codice definisce diversi servizi, ad esempio insert_order, delete_order, search_order, order_cost e delivery_address. Questi servizi sono decorati con il decoratore @tool, che indica che possono essere chiamati dall'agente di conversazione.

Definizione del modello di lingua: il codice utilizza il modello di lingua ChatOCIGenAI per generare risposte alle domande degli utenti.

Definizione agente conversazionale: il codice crea un agente di conversazione utilizzando la funzione create_tool_calling_agent di LangChain, passando come parametri il modello di lingua, i servizi definiti e un modello di prompt.

Loop conversazione: il codice immette un loop infinito, in cui attende l'input dell'utente ed elabora le risposte utilizzando l'agente di conversazione.

In ogni definizione di servizio è possibile determinare un contesto specifico in modo che, quando si invia una richiesta in linguaggio naturale, la libreria possa interpretare ciò che è stato richiesto e determinare quale servizio appropriato debba essere eseguito.

La libreria langchain_core.tools comprende l'ambito del lavoro associando i contesti e i servizi disponibili per l'uso. Questo è fatto dalla dichiarazione mostrata nella seguente immagine.

img.png

Un altro punto interessante della libreria langchain_core.tools è che vengono interpretati anche gli attributi della firma del servizio, ovvero la libreria stessa determina come inoltrare la richiesta in linguaggio naturale e definisce gli attributi dei parametri del servizio in questione. Questo è già di per sé molto impressionante, in quanto riduce notevolmente il carico di implementazione sulle integrazioni. Nel modello di integrazione tradizionale, c'è tempo da dedicare alla definizione di FROM-TO tra l'origine e la destinazione di queste integrazioni. Si tratta di uno sforzo molto ragionevole. Nel modello AI dell'agente, è attraverso il contesto che gli attributi vengono passati, ovvero la libreria può determinare quale sia ogni parametro e passarlo al servizio nel modo corretto.

img.png

Task 2: Modifica il codice

È possibile testare e modificare il codice per i propri scopi. Il servizio denominato delivery_address è stato implementato chiamando un'API REST. In questo esempio, puoi testare il codice e modificare la richiesta REST reale in una richiesta falsa.

  1. Commentare il codice seguente inserendo # nelle righe.

    img_2.png

    img_3.png

  2. Eliminare il commento al codice seguente.

    img_3.png

Puoi integrare la tua API utilizzando le risorse OCI. Puoi usare:

img.png

Inoltre, puoi eseguire l'integrazione con risorse cloud on premise o di altro tipo.

Task 3: configurare il codice

  1. Questo codice python richiede alcune librerie. Per farlo, è necessario scaricare il file requirements.txt. Questo file contiene le librerie.

  2. Eseguire il comando riportato di seguito per installare le librerie.

    pip install -r requirements.txt

  3. Devi configurare l'interfaccia della riga di comando di Oracle Cloud Infrastructure (OCI CLI) e collegarti alla tua tenancy. Per installare e configurare, vedere Installazione dell'interfaccia CLI OCI.

  4. Configurare un compartimento per memorizzare le risorse per l'AI generativa OCI. Aggiornare compartment_id e mantenere auth_profile come DEFAULT.

    img_5.png

Task 4: Esegui il codice

Eseguire il codice utilizzando il comando seguente.

python agent_ocigenai.py

img_4.png

Scenari per gli agenti AI

Esistono diversi scenari per le integrazioni con più API REST e l'uso dell'intelligenza artificiale degli agenti. Le complessità legate al mapping tra le informazioni aziendali e le API disponibili sono molteplici. Questo è molto comune in diverse situazioni aziendali. Di seguito sono riportati alcuni esempi in cui un agente AI può facilitare questo task.

  1. Automazione dei processi finanziari (ERP e banche)

    • Scenario: le aziende devono integrarsi con più banche per ottenere rendiconti, generare cedolini, elaborare pagamenti e convalidare le informazioni fiscali.
    • Sfide: ogni banca dispone di una propria API, con parametri specifici per pagamenti, PIX, trasferimenti e riconciliazione finanziaria.
    • Come gli agenti AI aiutano: possono interpretare richieste come Pagare la fattura per il fornitore X e reindirizzare all'API bancaria corretta con i parametri richiesti.

  2. Order Management and Logistics (E-commerce, ERP, WMS)

    • Scenario: un e-commerce deve orchestrare gli ordini, aggiornare i magazzini e richiedere ai vettori diversi tipi di consegna.
    • Sfide: le API dell'operatore variano (Post Office, FedEx, DHL, vettori locali) e richiedono formati di richiesta specifici.
    • Come gli agenti AI aiutano: possono tradurre richieste come Spedire questo ordine tramite l'operatore più economico e selezionare automaticamente il servizio giusto.

  3. Servizio clienti e Helpdesk

    • Scenario: le aziende con CRM come Siebel, Oracle CX, ServiceNow devono integrare le richieste dei clienti con API diverse.
    • Sfide: ogni sistema dispone di endpoint diversi per la creazione di ticket, l'aggiornamento degli stati, il recupero delle informazioni sui clienti e la cronologia di tracciamento.
    • Modalità di assistenza degli agenti AI: è in grado di comprendere le richieste quali Mostra le ultime chiamate dal cliente X e chiama l'API CRM corretta.

  4. Integrazione HR e Payroll

    • Scenario: i sistemi HR devono sincronizzare ciclo paghe, benefit e onboarding tra più fornitori ed ERP.
    • Sfide: le API relative a benefit, ciclo paghe e gestione dei talenti hanno parametri e convalide normative diversi.
    • Come gli agenti AI aiutano: possono interpretare comandi come Invia un nuovo dipendente al ciclo paghe e tradurli in chiamate appropriate alle API giuste.

  5. Monitoraggio dell'infrastruttura e della sicurezza (SIEM e ITSM)

    • Scenario: le grandi aziende utilizzano più sistemi di monitoraggio (Splunk, Datadog, ServiceNow, Zabbix) per tenere traccia di incidenti e anomalie.
    • Sfide: ogni strumento dispone di un'API diversa per avvisi, log e risposte automatiche.
    • Come gli agenti AI sono utili: possono interpretare comandi come elencare gli avvisi critici più recenti e aprire un ticket in ServiceNow.

  6. Gestione dei contratti e firme digitali

    • Scenario: le aziende utilizzano servizi come DocuSign e Adobe Sign per gestire contratti e firme.
    • Sfide: ogni servizio ha requisiti diversi per l'invio di documenti, la convalida delle firme e il tracciamento dello stato.
    • Modalità di assistenza degli agenti AI: potrebbero ricevere una richiesta come Invia questo contratto al client X per la firma e invia una notifica quando è firmato e la indirizza all'API corretta.

  7. Gestione sanitaria e cartelle cliniche elettroniche (HIS, PACS, LIS, ERP)

    • Scenario: ospedali e cliniche utilizzano sistemi diversi per memorizzare informazioni sui pazienti, test di laboratorio e immagini mediche.
    • Sfide: le API di sistemi quali Tasy (Philips), MV, Epic e PACS (file immagine DICOM) hanno formati di richiesta diversi.
    • Modalità di assistenza degli agenti AI: è in grado di interpretare comandi quali Recuperare l'ultimo esame del sangue del paziente John Smith e collegarlo alla cartella clinica, richiamando automaticamente le API corrette.

  8. Telecomunicazioni (supporto tecnico e fornitura di servizi)

    • Scenario: gli operatori di telecomunicazioni offrono servizi telefonici, Internet e TV e devono integrare più sistemi di fatturazione, CRM e monitoraggio della rete.
    • Sfide: ogni operazione (ad esempio, apertura di chiamate, modifica di piani, controllo del consumo) prevede API diverse specifiche per ogni servizio.
    • Modalità di assistenza degli agenti AI: è in grado di comprendere voglio aumentare l'indennità Internet a 500 MB e attivare l'API corretta per aggiornare il piano.

  9. Insurance Automation (richieste e emissione polizza)

    • Scenario: le compagnie assicurative devono integrare API per la presentazione di preventivi, l'emissione di polizze e le richieste di rimborso.
    • Sfide: ogni compagnia di assicurazione dispone di una propria API e i parametri variano a seconda del tipo di assicurazione (veicolo, salute, casa).
    • Come gli agenti AI aiutano: possono tradurre una richiesta come Registrare una richiesta di rimborso per l'auto del cliente Pedro Souza, con un impatto laterale in chiamate automatiche alle API giuste.

  10. Commercio estero e sdoganamento

    • Scenario: le aziende che importano/esportano devono gestire le API IRS, i vettori internazionali e i sistemi di controllo doganale.
    • Sfide: ogni paese dispone DI regole e formati diversi per la documentazione (DU-E, DI, Fattura, Lista imballaggio).
    • Come gli agenti AI aiutano: possono interpretare Traccia il rilascio del carico X presso la porta di Santos e tradurlo in richieste nell'API IRS e vettori.

  11. Gestione alberghiera e prenotazione online

    • Scenario: gli hotel devono integrarsi con piattaforme come Booking, Expedia e Airbnb per gestire le prenotazioni e la disponibilità delle camere.
    • Sfide: ogni piattaforma ha regole diverse per gli annullamenti, le rettifiche delle tariffe e i tempi di risposta.
    • In che modo gli agenti AI sono utili: possono comprendere Adeguare la tariffa a R$400 il venerdì e bloccare le prenotazioni per il lunedì e chiamare le API corrette.

  12. Automazione del marketing e campagne pubblicitarie

    • Scenario: le aziende utilizzano strumenti come Meta Ads, Google Ads, HubSpot e RD Station per le campagne digitali.
    • Sfide: la creazione di campagne, la segmentazione del pubblico e l'analisi delle metriche richiede l'integrazione con più API.
    • Come gli agenti AI aiutano: possono interpretare Creare un annuncio su Facebook per il pubblico di 25-40 anni interessato alla tecnologia, con un budget di 500 dollari e configurare automaticamente la campagna.

  13. Supply Chain e Inventory Management

    • Scenario: le grandi catene retail devono monitorare l'inventario in tempo reale e prevedere il rifornimento automatico.
    • Sfide: i sistemi ERP, WMS e dei fornitori dispongono di API separate per la richiesta di prodotti e la previsione della domanda.
    • Come gli agenti AI aiutano: possono comprendere Rifornisci il prodotto X quando raggiunge le 10 unità e attivare le API giuste.

  14. Integrazione di chatbot e servizio omnicanale

    • Scenario: le aziende offrono supporto tramite WhatsApp, Telegram, e-mail e chatbot, che devono centralizzare tutto nel CRM.
    • Sfide: API diverse per ogni canale, con regole diverse per le risposte e l'instradamento automatici.
    • Come gli agenti AI aiutano: possono interpretare inoltrare questa domanda di pagamento a un operatore umano e reindirizzare al canale corretto.

  15. Gestione dell'energia e IoT (Smart Grid)

    • Scenario: le società elettriche utilizzano le API per misurare il consumo, prevedere la domanda e la manutenzione preventiva.
    • Sfide: i sistemi, i sensori e i distributori di energia IoT hanno API diverse e regolamentate.
    • Modalità di assistenza degli agenti AI: è in grado di comprendere monitorare il consumo della fabbrica X e avvisarmi se supera 100 kWh e configurare gli avvisi automatici.

Passi successivi

L'adozione di agenti AI basati su LLM ha dimostrato un enorme potenziale per semplificare l'integrazione con i sistemi legacy. Interpretando i comandi del linguaggio naturale e traducendo le richieste in chiamate API accurate, questi agenti riducono notevolmente la complessità dell'automazione dei processi aziendali.

Gli esempi presentati qui dimostrano come questo approccio possa essere applicato a una varietà di settori, dalla finanza e dalla logistica al servizio clienti e al monitoraggio delle infrastrutture. La capacità degli agenti di AI di adattarsi dinamicamente a diversi servizi e contesti offre un nuovo livello di flessibilità ed efficienza nella trasformazione digitale delle aziende.

Man mano che i modelli AI continuano a evolversi, queste integrazioni dovrebbero diventare ancora più intelligenti, consentendo interazioni sempre più naturali e accurate tra utenti e sistemi. Il futuro dell'automazione prevede la combinazione di intelligenza artificiale e API e gli agenti AI sono la chiave di questa nuova era della connettività digitale.

Conferme

Altre risorse di apprendimento

Esplora altri laboratori su docs.oracle.com/learn o accedi a più contenuti gratuiti sulla formazione su Oracle Learning YouTube channel. Inoltre, visita education.oracle.com/learning-explorer per diventare un Oracle Learning Explorer.

Per la documentazione del prodotto, visita l'Oracle Help Center.