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.

Parte V Memória do Agente

A memória do agente é a parte de um sistema de agente de IA que permite ao agente reter e reutilizar informações em turnos, tarefas ou sessões.

Ao contrário da janela de contexto do modelo, que é temporária e limitada ao prompt atual, a memória pode persistir fatos, preferências, decisões anteriores, saídas de ferramentas, planos intermediários ou observações sobre o ambiente.

Memória do Agente na Plataforma de Dados AI

A AI Data Platform fornece memória de curto prazo que é limitada à duração de uma sessão. Você pode configurar o que pode ser mantido na memória na guia Memória do seu agente.

Configuração de Memória de Agente Único

A configuração de memória de um único sistema de agente pode ser encontrada na guia Memória do nó do agente.

Configuração da Memória	Descrição
Ativar Memória do Agente	Esta configuração ativa a memória do agente. Quando desativado, o agente é essencialmente um sistema sem monitoramento de estado. Cada turno é tratado de forma independente, e nenhuma pergunta de acompanhamento pode ser feita. Recomendamos que a memória esteja ativada.
Limitar histórico de conversas	Quando essa seleção for desativada, as curvas anteriores preencherão a memória até que o modelo fique sem contexto e um erro seja retornado. Se forem esperadas sessões curtas, não há problema em desativar essa configuração. No entanto, para a maioria dos casos de uso, recomendamos limitar o histórico de conversas.
Configuração de truncamento	Se você optar por limitar o histórico da conversa, poderá decidir truncar o histórico: Mantendo apenas as últimas N mensagens (usuário + agente) Definição de um orçamento geral de token (primeiro a entrar, primeiro a sair) Ou ambos, o que vier primeiro aciona o truncamento da memória do agente
Limites Máximos de Mensagens	Se você optar por manter as últimas N mensagens, poderá definir um valor N.
Orçamento de token	Como alternativa, você pode definir um orçamento geral de token. Os primeiros tokens são eliminados para manter os mais recentes na memória.

Configuração da Memória do Sistema de Vários Agentes (Padrão do Supervisor)

A memória de um sistema de vários agentes é configurada na guia Memória do agente supervisor.

A memória para um sistema de vários agentes é imposta e não pode ser desativada, e as opções de truncamento de memória exibidas no nó do agente supervisor só são aplicadas à memória do agente supervisor. Cada política de truncamento de memória do agente executor pode ser configurada na guia Memória do nó executor com base na política de isolamento de estado selecionada para todo o sistema.

A configuração de memória do sistema de vários agentes também permite selecionar a política de compartilhamento de memória dos agentes executores. Três opções são possíveis: Stateless, Private e Shared. Observe que a política é aplicada a todos os agentes executores.

Isolamento de Estado para Agentes Executores	Descrição
Sem Informações de Estado	Cada agente executor vê apenas a tarefa atribuída pelo supervisor. Não há história entre as chamadas. Nenhuma solicitação de acompanhamento pode ser feita ao agente supervisor pelo agente executor. Se stateless for selecionado, a memória de cada agente executor será desativada.
Privado(a)	Cada agente executor vê apenas suas próprias interações passadas. Não é possível ver outros agentes executores ou a conversa original do usuário com o agente supervisor.
Compartilhado	Os agentes executores podem ver o histórico completo de conversas entre agentes e usuários. Todos os agentes trabalham em um contexto compartilhado. Se compartilhado for selecionado, você poderá configurar a política de truncamento de memória separadamente para cada agente executor em cada guia Memória do nó do agente.