Agentes de IA da Parte V

Este capítulo fornece informações sobre como criar, testar, implantar e monitorar agentes em seu espaço de trabalho.

Os agentes são aplicativos agentic de ponta a ponta. Os agentes são definidos por meio de um gráfico de etapas representadas por nós de diferentes tipos (gatilhos, agentes, guardrails ou ferramentas). Os agentes podem ser definidos por meio de um criador de fluxo visual no-code e por meio de código por meio de bibliotecas de terceiros, como LangGraph.

O Oracle AI Data Platform Workbench oferece vários modelos de ferramentas que podem ser configurados para acessar seus dados e se adequar aos seus casos de uso. As ferramentas suportadas são:
  • Ferramenta Personalizada: A ferramenta Código Personalizado permite que os desenvolvedores de agentes estendam a Plataforma de Dados de IA com seu próprio código Python. Você empacota a implementação da ferramenta como um arquivo ZIP, faz upload dela para seu espaço de trabalho e o configura. O agente chama seu código como uma ferramenta, com parâmetros fornecidos pelo LLM no runtime.
  • HTTP: A ferramenta Solicitação HTTP permite que seu agente chame qualquer API REST HTTPS. Você configura a solicitação, incluindo método, URL, cabeçalhos, parâmetros de consulta, corpo da solicitação, autenticação e, opcionalmente, uma etapa de otimização de resposta. Em seguida, o agente chama o ponto final no runtime. A ferramenta de solicitação HTTP está disponível no visual builder e no code builder. No code builder, a ferramenta é configurada através da biblioteca aidpUtils Python.
  • Prompt: A ferramenta de prompt permite que o desenvolvedor de IA defina um prompt parametrizado que pode ser emitido para um LLM para sua escolha. Os casos de uso comuns de uma ferramenta de prompt incluem tarefas de redação de e-mail, tarefas de tradução, conversão de estilo, mensagem de commit git e explicações de código.
  • Servidor MCP Remoto: Os desenvolvedores do agente podem conectar seus agentes a servidores MCP (Remote Model Context Protocol) usando a ferramenta Remote MCP Server.
  • RAG: A ferramenta RAG permite que os agentes obtenham conhecimento externo relevante antes de gerar uma resposta. No AI Data Platform Workbench, a ferramenta RAG consulta uma base de conhecimento (23ai Vector Search) e recupera partes de documentos semanticamente relevantes. Esses chunks são então passados para o agente para geração de resposta.
  • SQL: A ferramenta SQL permite que os agentes executem consultas SQL em origens de dados estruturadas registradas por meio de catálogos externos, como Oracle Autonomous AI Lakehouse, Oracle Autonomous AI Transaction Processing ou Oracle AI Database. A ferramenta destina-se a cenários em que as consultas SQL são predefinidas e podem ser parametrizadas. O objetivo é permitir que um agente atribua valores aos parâmetros. Esta ferramenta não é uma ferramenta NL2SQL que gera uma consulta SQL com base em um prompt de linguagem natural.

    Observação:

    A ferramenta SQL só executa consultas com dados em um catálogo externo. Não suporta dados armazenados em um catálogo padrão.

Observação:

Você deve anexar um AI Compute ao seu agente para poder testar uma ferramenta do sistema. Se nenhuma computação estiver anexada, a guia Testar será desativada.

A criação de agentes no AI Data Platform Workbench gera um arquivo de artefato do agente (.aflow) na pasta do espaço de trabalho selecionada. Este arquivo não pode ser modificado.