第V部 AIエージェント

この章では、ワークスペースでエージェントを作成、テスト、デプロイおよび監視する方法について説明します。

エージェントは、エンドツーエンドのエージェント・アプリケーションです。エージェントは、様々なタイプのノード(トリガー、エージェント、ガードレールまたはツール)で表されるステップのグラフによって定義されます。エージェントは、コードなしのビジュアル・フロー・ビルダーおよびLangGraphなどのサード・パーティ・ライブラリを介したコードを介して定義できます。

Oracle AI Data Platform Workbenchには、データにアクセスし、ユース・ケースに合わせて構成できる複数のツール・テンプレートが用意されています。サポートされているツールは次のとおりです。

• カスタム・ツール: カスタム・コード・ツールを使用すると、エージェント開発者は独自のPythonコードを使用してAIデータ・プラットフォームを拡張できます。ツール実装をZIPファイルとしてパッケージ化し、ワークスペースにアップロードして構成します。エージェントは、実行時にLLMによって提供されるパラメータを使用して、コードをツールとしてコールします。
• HTTP: HTTPリクエスト・ツールを使用すると、エージェントは任意のHTTPS REST APIをコールできます。メソッド、URL、ヘッダー、問合せパラメータ、リクエスト本文、認証、およびオプションでレスポンス最適化ステップを含むリクエストを構成します。その後、エージェントは実行時にエンドポイントを呼び出します。HTTPリクエスト・ツールは、ビジュアル・ビルダーとコード・ビルダーの両方で使用できます。コード・ビルダーでは、このツールはaidpUtils Pythonライブラリを介して構成されます。
• プロンプト: プロンプト・ツールを使用すると、AI開発者は、選択したLLMに発行できるパラメータ化されたプロンプトを定義できます。プロンプト・ツールの一般的なユース・ケースには、電子メール作成タスク、翻訳タスク、スタイル変換、gitコミット・メッセージ、コードの説明などがあります。
• リモートMCPサーバー: エージェント開発者は、リモートMCPサーバー・ツールを使用して、エージェントをリモート・モデル・コンテキスト・プロトコル(MCP)サーバーに接続できます。
• RAG: RAGツールを使用すると、エージェントは、レスポンスを生成する前に関連する外部ナレッジを取得できます。AIデータ・プラットフォーム・ワークベンチでは、RAGツールがナレッジ・ベース(23ai Vector Search)を問い合せて、意味に関連するドキュメント・チャンクを取得します。これらのチャンクは、レスポンス生成のためにエージェントに渡されます。
• SQL: SQLツールを使用すると、エージェントは、Oracle Autonomous AI Lakehouse、Oracle Autonomous AI Transaction Processing、Oracle AI Databaseなどの外部カタログを介して登録された構造化データ・ソースに対してSQLクエリを実行できます。このツールは、SQL問合せが事前定義され、パラメータ化できるシナリオを対象としています。目的は、エージェントがパラメータに値を割り当てるようにすることです。このツールは、自然言語プロンプトに基づいてSQL問合せを生成するNL2SQLツールではありません。

  ノート:

  SQLツールは、外部カタログのデータに対してのみ問合せを実行します。標準カタログに格納されたデータはサポートされません。

ノート:

システム・ツールをテストする前に、エージェントにAIコンピュートをアタッチする必要があります。コンピュートがアタッチされていない場合、「テスト」タブは無効になります。

AI Data Platform Workbenchでエージェントを作成すると、選択したワークスペース・フォルダにエージェント・アーティファクト・ファイル(.aflow)が生成されます。このファイルは変更できません。