Sobre o Select AI Agent
Select AI Agent (estrutura de agente autônomo) é um programa para criar e gerenciar agentes interativos e autônomos dentro do Autonomous AI Database. Os agentes raciocinam sobre solicitações, chamam ferramentas, refletem sobre os resultados e mantêm o contexto com memória de curto e longo prazo alimentada por um perfil de IA especificado no LLM com o padrão agêntico ReAct (Razão e Ação).
O Select AI Agent permite o uso de ferramentas incorporadas, como RAG e Natural Language to SQL (NL2SQL), procedimentos PL/SQL personalizados e APIs REST externas para concluir tarefas. A estrutura preserva a memória de vários turnos, mantendo o contexto nas conversas. Juntos, esses recursos suportam IA generativa escalável e sensível ao contexto que se integra a dados e fluxos de trabalho corporativos.
O pacote DBMS_CLOUD_AI_AGENT encapsula limites de gerenciamento, orquestração e segurança. Consulte DBMS_CLOUD_AI_AGENT Package para obter detalhes.
Tópicos
- Recursos dos agentes de IA selecionados
Os principais recursos incluem inteligência integrada, ferramentas flexíveis, conversas sensíveis ao contexto e implementação mais rápida. - Lógica ReAct
Selecionar Agente de IA usa a lógica ReAct (Razonamento e Ação) em que o agente justifica a solicitação, escolhe ferramentas, executa ações e avalia os resultados para atingir uma meta. - Selecionar Arquitetura do Agente AI
Selecione o Agente AI que organiza o trabalho em quatro camadas: Planejamento, Uso de Ferramentas, Reflexão e Gerenciamento de Memória. Essas camadas coordenam raciocínio, execuções de ferramentas, avaliação e interações de vários turnos de contexto.
Tópico principal: Selecionar Agente de IA
Recursos do Select AI Agents
Os principais recursos incluem inteligência integrada, ferramentas flexíveis, conversas sensíveis ao contexto e implementação mais rápida.
-
Inteligência Integrada:
Combina planejamento, uso de ferramentas e reflexão para que os agentes possam raciocinar sobre tarefas, escolher e executar ferramentas, observar resultados, ajustar planos e melhorar as respostas durante a conversa. Os agentes planejam etapas, executam ferramentas, avaliam observações e atualizam sua abordagem quando os resultados não atendem às expectativas. Esse loop fortalece a precisão, reduz o retrabalho e mantém as conversas no caminho certo.
-
Ferramentas flexíveis:
Ofereça suporte e use RAG e NL2SQL integrados, procedimentos PL/SQL personalizados e serviços REST externos, sem componentes de orquestração ou infraestrutura separada, para que você possa manter a lógica básica no banco de dados e integrar recursos externos conforme necessário.
-
Conversas sensíveis ao contexto:
Mantenha a memória de curto e longo prazo para manter o contexto entre turnos, personalizar respostas, armazenar preferências e dar suporte ao controle humano no loop para correções e confirmações durante sessões de vários turnos. A memória de curto prazo mantém o diálogo atual coerente. A memória de longo prazo registra preferências e resultados anteriores, dando suporte a interações de acompanhamento e supervisão por revisores humanos.
-
Escalável e Seguro:
Execute dentro do Autonomous AI Database, herde seus controles de segurança, auditoria e desempenho, reduza a movimentação de dados e padronize a governança para implementações empresariais e ambientes regulamentados em escala. Os agentes se beneficiam das características de segurança, auditoria e desempenho do banco de dados. Manter o processamento próximo dos dados reduz o movimento e se alinha às práticas de governança.
-
Desenvolvimento mais rápido:
Defina agentes, tarefas e ferramentas com SQL e PL/SQL familiares, reutilize procedimentos existentes e envie recursos com mais rapidez, mantendo a lógica próxima dos dados operacionais e das equipes sem criar uma infraestrutura separada.
Tópico principal: Sobre Selecionar Agente de IA
Lógica ReAct
O Select AI Agent usa a lógica ReAct (Razonamento e Ação) em que o agente justifica a solicitação, escolhe ferramentas, executa ações e avalia os resultados para atingir uma meta.
ReAct combina raciocínio e ação em um loop. O agente pensa, escolhe uma ferramenta, observa os resultados e se repete até que possa apresentar uma resposta confiante. O perfil de IA do usuário especificou que o LLM alterna entre raciocínio e ações por meio das ferramentas. O banco de dados processa essas ações e retorna as observações.
-
Consulta: O usuário faz uma pergunta ou faz uma solicitação. O agente o lê, extrai os principais detalhes e se prepara para planejar as próximas etapas.
-
Pensamento e Ação: O agente justifica as opções, escolhe uma ferramenta e a executa para coletar dados ou alterar o estado conforme necessário para a tarefa.
-
Observação: As observações incluem resultados de ferramentas ou consultas, mensagens de confirmação e erros. Elas se tornam entradas para a próxima rodada de raciocínio do agente. O agente registra observações e verifica se os resultados suportam a próxima etapa ou a resposta final.
-
Resposta final: Depois de bastante reflexão e observações bem sucedidas, o agente compõe uma resposta clara, explica decisões importantes e compartilha quaisquer próximos passos ou ações de acompanhamento.
Tópico principal: Sobre Selecionar Agente de IA
Selecionar Arquitetura do AI Agent
O Select AI Agent organiza o trabalho em quatro camadas: Planejamento, Uso de Ferramentas, Reflexão e Gerenciamento de Memória. Essas camadas coordenam raciocínio, execuções de ferramentas, avaliação e interações de vários turnos de contexto.
Planning: O Planning interpreta a solicitação do usuário, a divide em ações ordenadas, seleciona ferramentas candidatas e elabora um plano usando contexto de sessão, resultados anteriores e conhecimento relevante. O agente analisa a solicitação, identifica os detalhes ausentes e propõe uma sequência ordenada de ações. Ele escolhe ferramentas que se encaixam na política, no escopo de dados e nos resultados esperados.
Uso da Ferramenta: O Uso da Ferramenta seleciona e executa a ferramenta para cada ação. Os tipos suportados incluem RAG, NL2SQL, procedimentos PL/SQL personalizados que podem ser adicionados quando você cria uma ferramenta e serviços REST externos, como pesquisa na Web e e-mail. Cada etapa chama uma ferramenta com parâmetros. Ferramentas integradas lidam com recuperação e geração de SQL. O PL/SQL personalizado encapsula a lógica do domínio. As ferramentas REST se conectam a serviços externos.
Reflexão: A reflexão avalia os resultados da ferramenta em relação às expectativas e avança para a resposta final. O agente compara observações com a meta. Se os resultados parecerem errados ou se houver erros de chamada de ferramenta ou resultados desaprovados pelo usuário, o agente revisará o raciocínio, escolherá outra ferramenta ou atualizará o plano antes de tentar novamente. Quando os resultados não se encaixam, ele ajusta o plano, seleciona diferentes ferramentas ou pode fazer perguntas esclarecedoras antes de prosseguir. É possível consultar pensamentos do AI Agent usando USER_CLOUD_AI_CONVERSATION_PROMPTS. Consulte DBMS_CLOUD_AI Views para obter mais informações.
Memory Management: O Gerenciamento de Memória armazena o contexto e o conhecimento da sessão por equipe do agente. A memória de curto prazo contém mensagens recentes e resultados intermediários por equipe do agente. A memória de longo prazo registra preferências, histórico e estratégias, melhorando a continuidade, a personalização e o planejamento. A memória de longo prazo persiste no conhecimento útil entre as sessões, melhorando a orientação e a qualidade da resposta ao longo do tempo entre as equipes de agentes.
Tópico principal: Sobre Selecionar Agente de IA