Observação:

Desenvolva uma Ferramenta de Agente de IA Simples usando o Oracle Cloud Infrastructure Generative AI e APIs REST

Introdução

O uso de Modelos de Linguagem Grande (LLM) revolucionou a maneira como interagimos com sistemas e processos de negócios. Com a capacidade de entender a linguagem natural e integrar-se a serviços legados, esses modelos tornam as aplicações mais inteligentes e eficientes.

Este material visa demonstrar, através de um exemplo prático, como os conceitos de LLM podem ser aplicados para otimizar integrações com sistemas legados. Ao usar agentes de IA, é possível reduzir significativamente a complexidade do consumo de API, tornando a automação de processos mais flexível e acessível.

Ao longo do documento, serão apresentados cenários comuns onde a aplicação de agentes de IA pode simplificar as operações de negócios, reduzindo a necessidade de configuração manual e facilitando a comunicação entre diferentes sistemas.

Use modelos de LLM para entender processos de negócios e execução direta para serviços legados. A compreensão é possível através da inclusão de contexto, o que facilita e acelera muito a construção de aplicações. Os modelos LLM usam linguagem natural, incluindo tradução para vários outros idiomas.

O tutorial a seguir mostrará como criar um aplicativo simples com base em um legado. Quando há um legado de APIs, o uso de agentes de IA permite integrações poderosas. A aplicação de conceitos de LLM a agentes de IA geralmente permite resolver problemas complexos de consumo de API. Sem IA, uma API requer muito trabalho para integração, pois envolve conhecer todos os atributos de entrada e saída

Objetivos

Tarefa 1: Fazer Download e Compreender o Código

Faça download do código aqui: agent_ocigenai.py.

O código é dividido em cinco módulos:

Serviços de Persistência de Banco de Dados Simples: O código define a criação de um banco de dados simples para inserir, excluir, consultar e resumir a ordem.

Definição de Serviço:: O código define vários serviços, como insert_order, delete_order, search_order, order_cost e delivery_address. Esses serviços são decorados com o decorador @tool, o que indica que eles podem ser chamados pelo agente de conversação.

Definição de Modelo de Idioma: O código usa o modelo de idioma ChatOCIGenAI para gerar respostas às perguntas do usuário.

Definição de Agente Conversacional: O código cria um agente conversacional usando a função create_tool_calling_agent do LangChain, passando como parâmetros o modelo de idioma, os serviços definidos e um modelo de prompt.

Loop Conversacional: O código entra em um loop infinito, onde aguarda a entrada do usuário e processa respostas usando o agente conversacional.

Em cada definição de serviço, é possível determinar um contexto específico para que, ao enviar uma solicitação em linguagem natural, a biblioteca possa interpretar o que foi solicitado e determinar qual serviço apropriado deve ser executado.

A biblioteca langchain_core.tools entende o escopo do trabalho associando os contextos e serviços disponíveis para uso. Isso é feito pela declaração mostrada na imagem a seguir.

img.png

Outro ponto interessante sobre a biblioteca langchain_core.tools é que os atributos de assinatura de serviço também são interpretados, ou seja, a própria biblioteca determina como encaminhar a solicitação em linguagem natural e definir os atributos dos parâmetros do serviço em questão. Isso já é muito impressionante por si só, pois reduz muito a carga de implementação nas integrações. No modelo de integração tradicional, há tempo a ser gasto definindo o FROM-TO entre a origem e o destino dessas integrações. Este é um esforço muito razoável. No modelo de IA do agente, é através do contexto que os atributos são passados, ou seja, a biblioteca pode determinar o que é cada parâmetro e transmiti-lo ao serviço da maneira correta.

img.png

Tarefa 2: Modificar o Código

Você pode testar e modificar o código para seus propósitos. O serviço chamado delivery_address foi implementado chamando uma API REST. Neste exemplo, você pode testar o código e alterar a solicitação REST real para uma solicitação falsa.

  1. Comente o código a seguir colocando # nas linhas.

    img_2.png

    img_3.png

  2. Remova o comentário do código a seguir.

    img_3.png

Você pode integrar sua própria API usando os recursos do OCI. Você pode usar:

img.png

E você pode integrar-se com recursos locais ou de outra nuvem.

Tarefa 3: Configurar o Código

  1. Este código python precisa de algumas bibliotecas. Portanto, você precisa fazer download do arquivo requirements.txt. Este arquivo contém as bibliotecas.

  2. Execute o comando a seguir para instalar as bibliotecas.

    pip install -r requirements.txt

  3. Você precisa configurar a CLI do OCI (Interface de Linha de Comando) do Oracle Cloud Infrastructure e estabelecer um link com sua tenancy. Para instalar e configurar, consulte Instalando a OCI-CLI.

  4. Configure um compartimento para armazenar seus recursos para o OCI Generative AI. Atualize compartment_id e mantenha auth_profile como DEFAULT.

    img_5.png

Tarefa 4: Executar o Código

Execute o código usando o comando a seguir.

python agent_ocigenai.py

img_4.png

Cenários para Agentes de IA

Existem vários cenários para integrações com várias APIs REST e o uso de IA de agentes. As complexidades entre o mapeamento de informações de negócios e as APIs disponíveis são muitas. Isso é muito comum em várias situações de negócios corporativos. Veja alguns exemplos em que uma IA de agentes pode facilitar essa tarefa:

  1. Automação de Processos Financeiros (ERP e Bancos)

    • Cenário: As empresas precisam se integrar a vários bancos para obter demonstrativos, gerar demonstrativos de pagamento, processar pagamentos e validar informações fiscais.
    • Desafios: Cada banco tem sua própria API, com parâmetros específicos para pagamentos, PIX, transferências e reconciliação financeira.
    • Como o AI Agents ajuda: Ele pode interpretar solicitações como Pagar a NFF do fornecedor X e redirecionar para a API bancária correta com os parâmetros necessários.

  2. Order Management e Logística (E-commerce, ERP, WMS)

    • Cenário: Um e-commerce precisa orquestrar pedidos, atualizar estoques e solicitar operadoras para diferentes tipos de entrega.
    • Desafios: As APIs da operadora variam (Post Office, FedEx, DHL, operadoras locais), exigindo formatos de solicitação específicos.
    • Como os Agentes de IA ajudam: Ele pode traduzir solicitações como Enviar este pedido pela operadora mais barata e selecionar automaticamente o serviço certo.

  3. Atendimento ao Cliente e Helpdesk

    • Cenário: Empresas com CRMs como Siebel, Oracle CX, ServiceNow precisam integrar as solicitações do cliente com diferentes APIs.
    • Desafios: cada sistema tem diferentes pontos finais para criação de tíquetes, atualização de status, recuperação de informações do cliente e rastreamento do histórico.
    • Como o AI Agents ajuda: Ele pode entender solicitações como Mostrar as últimas chamadas do cliente X e chamar a API CRM correta.

  4. Integração de RH e Folha de Pagamento

    • Cenário: Os sistemas de RH precisam sincronizar folha de pagamento, benefícios e integração entre vários fornecedores e ERPs.
    • Desafios: As APIs de benefícios, folha de pagamento e gerenciamento de talentos têm diferentes parâmetros regulatórios e validações.
    • Como o AI Agents ajuda: Ele pode interpretar comandos como Admitir novo funcionário à folha de pagamento e traduzi-los em chamadas apropriadas para as APIs certas.

  5. Monitoramento de Infraestrutura e Segurança (SIEM e ITSM)

    • Cenário: Grandes empresas usam vários sistemas de monitoramento (Splunk, Datadog, ServiceNow, Zabbix) para rastrear incidentes e anomalias.
    • Desafios: Cada ferramenta tem uma API diferente para alertas, logs e respostas automatizadas.
    • Como os Agentes de IA ajudam: Ele pode interpretar comandos como Listar os alertas críticos mais recentes e abrir um ticket em ServiceNow.

  6. Gerenciamento de Contratos e Assinaturas Digitais

    • Cenário: As empresas usam serviços como DocuSign e Adobe Sign para gerenciar contratos e assinaturas.
    • Desafios: cada serviço tem requisitos diferentes para enviar documentos, validar assinaturas e rastrear status.
    • Como o AI Agents ajuda: Ele pode receber uma solicitação como Enviar este contrato ao cliente X para assinatura e me notificar quando for assinado e direcioná-lo para a API correta.

  7. Gerenciamento de saúde e registros médicos eletrônicos (HIS, PACS, LIS, ERP)

    • Cenário: Hospitais e clínicas usam sistemas diferentes para armazenar informações do paciente, testes de laboratório e imagens médicas.
    • Desafios: APIs de sistemas como Tasy (Philips), MV, Epic e PACS (arquivos de imagem DICOM) têm formatos de solicitação diferentes.
    • Como o AI Agents ajuda: Ele pode interpretar comandos como Recuperar o último exame de sangue do paciente John Smith e anexá-lo ao prontuário, chamando automaticamente as APIs certas.

  8. Telecomunicações (Suporte Técnico e Provisionamento de Serviços)

    • Cenário: As operadoras de telecomunicações oferecem serviços de telefone, internet e TV e precisam integrar vários sistemas de faturamento, CRM e monitoramento de rede.
    • Desafios: Cada operação (por exemplo, abertura de chamadas, alteração de planos, verificação de consumo) envolve diferentes APIs específicas de cada serviço.
    • Como os Agentes de IA ajudam: Ele pode entender Quero aumentar meu limite de internet para 500 MB e acionar a API correta para fazer upgrade do plano.

  9. Automação de Seguros (Reivindicações e Emissão de Apólice)

    • Cenário: As seguradoras precisam integrar APIs para cotação, emissão de apólices e reivindicações.
    • Desafios: Cada seguradora tem sua própria API e os parâmetros variam de acordo com o tipo de seguro (veículo, saúde, casa).
    • Como o AI Agents ajuda: Ele pode traduzir uma solicitação como Registrar uma reivindicação para o carro do cliente Pedro Souza, com um impacto lateral em chamadas automáticas para as APIs certas.

  10. Comércio Exterior e Desalfandegamento

    • Cenário: As empresas que importam/exportam precisam lidar com APIs do IRS, transportadoras internacionais e sistemas de controle aduaneiro.
    • Desafios: Cada país tem regras e formatos diferentes para documentação (DU-E, DI, Fatura, Lista de embalagem).
    • Como os Agentes de IA ajudam: Ele pode interpretar Acompanhar a liberação da carga X no porto de Santos e traduzir isso em solicitações na API do IRS e das transportadoras.

  11. Gestão Hoteleira e Reservas On-Line

    • Cenário: Os hotéis precisam se integrar a plataformas como Booking, Expedia e Airbnb para gerenciar reservas e disponibilidade de quartos.
    • Desafios: Cada plataforma tem regras diferentes para cancelamentos, ajustes de taxa e tempos de resposta.
    • Como os Agentes de IA ajudam: Ele pode entender Ajuste a taxa para R$ 400 na sexta-feira e bloqueie as reservas para segunda-feira e chamar as APIs corretas.

  12. Automação de Marketing e Campanhas de Publicidade

    • Cenário: As empresas usam ferramentas como Meta Ads, Google Ads, HubSpot e RD Station para campanhas digitais.
    • Desafios: a criação de campanhas, a segmentação de públicos e a análise de métricas exigem integração com várias APIs.
    • Como os Agentes de IA ajudam: Ele pode interpretar Criar um anúncio no Facebook para o público de 25 a 40 anos interessado em tecnologia, com um orçamento de R$ 500 e configurar a campanha automaticamente.

  13. Supply Chain e Inventory Management

    • Cenário: Grandes cadeias de varejo precisam monitorar o estoque em tempo real e prever o reabastecimento automático.
    • Desafios: os sistemas de ERP, WMS e fornecedores têm APIs separadas para requisição de produtos e previsão de demanda.
    • Como o AI Agents ajuda: Ele pode entender Reabastecer o produto X quando atingir 10 unidades e acionar as APIs certas.

  14. Integração de Chatbots e Serviço Omnichannel

    • Cenário: As empresas oferecem suporte via WhatsApp, Telegram, e-mail e chatbot, precisando centralizar tudo no CRM.
    • Desafios: APIs diferentes para cada canal, com regras diferentes para respostas e roteamento automáticos.
    • Como os Agentes de IA ajudam: Ele pode interpretar Encaminhar essa pergunta de pagamento a um atendente humano e redirecionar para o canal correto.

  15. Gestão de Energia e IoT (Smart Grid)

    • Cenário: As empresas de energia elétrica usam APIs para medir o consumo, prever a demanda e a manutenção preventiva.
    • Desafios: sistemas, sensores e distribuidores de energia IoT têm APIs diferentes e regulamentadas.
    • Como os Agentes de IA ajudam: Ele pode entender Monitorar o consumo do factory X e me notificar se exceder 100 kWh e configurar alertas automáticos.

Próximas Etapas

A adoção de agentes de IA alimentados por LLMs demonstrou um enorme potencial para simplificar a integração com sistemas legados. Ao interpretar comandos de linguagem natural e traduzir solicitações em chamadas de API precisas, esses agentes reduzem significativamente a complexidade de automatizar processos de negócios.

Os exemplos apresentados aqui demonstram como essa abordagem pode ser aplicada a uma variedade de setores, desde finanças e logística até atendimento ao cliente e monitoramento de infraestrutura. A capacidade dos agentes de IA de se adaptarem dinamicamente a diferentes serviços e contextos proporciona um novo nível de flexibilidade e eficiência na transformação digital das empresas.

À medida que os modelos de IA continuam a evoluir, espera-se que essas integrações se tornem ainda mais inteligentes, permitindo interações cada vez mais naturais e precisas entre usuários e sistemas. O futuro da automação envolve a combinação de inteligência artificial e APIs, e os agentes de IA são a chave para essa nova era da conectividade digital.

Confirmações

Mais Recursos de Aprendizagem

Explore outros laboratórios em docs.oracle.com/learn ou acesse mais conteúdo de aprendizado gratuito no canal Oracle Learning YouTube. Além disso, visite education.oracle.com/learning-explorer para se tornar um Oracle Learning Explorer.

Para obter a documentação do produto, visite o Oracle Help Center.