附註：

使用 Oracle Cloud Infrastructure Generative AI 和 REST API 開發簡單 AI Agent Tool

簡介

大型語言模型 (LLM) 的使用徹底改變了我們與系統和業務流程的互動方式。這些模型能夠瞭解自然語言並與傳統服務整合，讓應用程式更具智慧且更有效率。

此材料旨在透過實際範例示範如何套用 LLM 概念，以最佳化與舊版系統的整合。透過使用 AI 代理程式，可以大幅降低 API 使用的複雜性，讓流程自動化更具彈性且可供存取。

在本文件中，將會出現常見的案例，其中 AI 代理程式的應用可以簡化業務作業、減少手動組態的需求，以及促進不同系統之間的通訊。

使用 LLM 模型瞭解傳統服務的業務流程和直接執行。您可以透過包含環境定義來瞭解，這有助於並加快應用程式的建構速度。LLM 模型使用自然語言，包括翻譯成數種其他語言。

下列教學課程將顯示如何根據舊版建立簡單的應用程式。當 API 傳統存在時，AI 代理程式允許強大的整合。將 LLM 概念套用至 AI 代理程式通常可解決複雜的 API 耗用問題。如果沒有 AI，API 就需要大量工作進行整合，因為它涉及瞭解所有輸入和輸出屬性

目標

工作 1：下載並瞭解程式碼

從此處下載程式碼：agent_ocigenai.py 。

程式碼分成五個模組：

簡單資料庫持續性服務：程式碼定義建立簡單資料庫以插入、刪除、查詢及彙總順序。

服務定義：代碼會定義數個服務，例如 insert_order、delete_order、search_order、order_cost 及 delivery_address。這些服務會以 @tool 修飾器裝飾，表示對話代理程式可以呼叫這些服務。

語言模型定義：程式碼使用 ChatOCIGenAI 語言模型來產生使用者問題的回應。

對話代理程式定義：程式碼會使用 LangChain 的 create_tool_calling_agent 函數建立對話代理程式，並作為語言模型、已定義服務及提示樣板的參數傳送。

對話式迴圈：程式碼會輸入無限迴圈，等待使用者輸入，並使用對話式代理程式處理回應。

在每個服務定義中，可以判斷特定的相關資訊環境，以便當以自然語言傳送要求時，磁帶櫃可以解譯要求的內容，並判斷應執行哪些適當服務。

langchain_core.tools 程式庫會建立可供使用的相關資訊環境和服務關聯，以瞭解工作範圍。這會由下列影像中所示的宣告來完成。

img.png

關於 langchain_core.tools 程式庫的另一個有趣點是也會解譯服務簽章屬性，也就是說，程式庫本身會決定如何以自然語言轉送要求，以及定義有問題之服務參數的屬性。這本身已經非常令人印象深刻，因為它大幅減少了整合的導入負擔。在傳統整合模型中，有時間在這些整合的來源與目的地之間定義 FROM-TO。這是非常合理的努力。在代理程式 AI 模型中，它會透過傳遞屬性的相關資訊環境 (亦即，程式庫可以判斷每個參數的內容，並以正確的方式將其傳送至服務。

img.png

工作 2：修改程式碼

您可以測試及修改程式碼以供使用。名稱為 delivery_address 的服務已實作呼叫 REST API。在此範例中，您可以測試程式碼，並將真正的 REST 要求變更為假要求。

  1. 將 # 放入行中以加註下列程式碼。

    img_2.png

    img_3.png

  2. 取消註釋下列程式碼。

    img_3.png

您可以使用 OCI 資源整合自己的 API：

img.png

您可以與內部部署或其他雲端資源整合。

工作 3：設定程式碼

  1. 此 python 程式碼需要一些函式庫 。因此，您必須下載 requirements.txt 檔案。此檔案包含程式庫。

  2. 請執行下列指令以安裝程式庫。

    pip install -r requirements.txt

  3. 您需要設定 Oracle Cloud Infrastructure 命令行介面 (OCI CLI) 並與您的租用戶連結。若要安裝並設定，請參閱安裝 OCI-CLI 。

  4. 設定區間以儲存 OCI Generative AI 的資源。更新 compartment_id 並將 auth_profile 保持為 DEFAULT 。

    img_5.png

作業 4：執行程式碼

使用下列命令執行程式碼。

python agent_ocigenai.py

img_4.png

AI 代理程式案例

與多個 REST API 整合以及代理程式 AI 的使用情況有多種。對應業務資訊與可用 API 之間的複雜性很多。這在數個企業業務狀況下十分常見。以下是一些專員 AI 可協助此工作的範例：

  1. 財務流程自動化 (ERP 與銀行)

    • 案例：公司必須與多家銀行整合，才能取得對帳單、產生付款單、處理付款，以及驗證稅捐資訊。
    • 挑戰：每個銀行都有自己的 API，其中包含付款、PIX、轉帳及財務調節的特定參數。
    • AI 專員如何協助：它可以解譯要求，例如支付供應商 X 的發票，並使用必要參數重新導向至正確的銀行 API。

  2. Order Management and Logistics (電子商務、ERP、WMS)

    • 案例：電子商務需要協調訂單、更新庫存及要求承運商以進行不同類型的交貨。
    • 挑戰：營運商 API 不同 (郵局、FedEx、DHL、當地營運商)，需要特定要求格式。
    • AI 專員如何協助：它可以翻譯透過最便宜的承運商出貨此訂單等要求，並自動選取正確的服務。

  3. 客戶服務與服務台

    • 案例：具有 CRM (例如 Siebel、Oracle CX、ServiceNow) 的公司必須將客戶要求與不同的 API 整合。
    • 挑戰：每個系統都有不同的端點，可用於建立票證、更新狀態、擷取客戶資訊及追蹤歷史記錄。
    • AI 專員如何協助：它可以瞭解顯示客戶 X 的上次通話等要求，並呼叫正確的 CRM API。

  4. HR 與薪資整合

    • 情境：人力資源系統需要跨多個廠商和 ERP 同步薪資、福利和到職。
    • 挑戰：福利、薪資和人才管理 API 具有不同的法規參數和驗證。
    • AI 專員如何協助：它可以解譯如 Admit new employee to payroll 的命令，並將該命令翻譯成適合的 API 呼叫。

  5. 基礎架構與安全監控 (SIEM 與 ITSM)

    • 案例：大型企業使用多個監控系統 (Splunk、Datadog、ServiceNow、Zabbix) 追蹤未預期事件和異常。
    • 挑戰：每個工具都有不同的警示、日誌和自動化回應 API。
    • AI 代理程式如何協助：它可以解譯如 列出最新的嚴重性警示，並在 ServiceNow 中開啟回報項目的命令。

  6. 合約管理與數位簽章

    • 案例：公司使用 DocuSign 和 Adobe Sign 等服務來管理合約和簽名。
    • 挑戰：每項服務對於傳送文件、驗證簽章和追蹤狀態都有不同的要求。
    • AI 專員如何協助：可能會收到類似將此合約傳送至用戶端 X 以進行簽名，並在簽章時通知我的要求，並將其導向至正確的 API。

  7. 醫療照護管理與電子醫療記錄 (HIS、PACS、LIS、ERP)

    • 案例：醫院和診所使用不同的系統來儲存病患資訊、實驗室測試和醫療影像。
    • 挑戰：來自 Tasy (Philips)、MV、Epic 及 PACS (DICOM 影像檔) 等系統的 API 具有不同的要求格式。
    • AI 專員如何協助：它可以解譯如擷取病患 John Smith 的最新血液測試，並將其附加到醫療記錄中等命令，自動呼叫正確的 API。

  8. 電信 (技術支援與服務供應)

    • 情境：電信營運商提供電話、網際網路和電視服務，並且需要整合多個計費、CRM 和網路監控系統。
    • 挑戰：每個作業 (例如，開啟呼叫、變更計畫、檢查使用量) 都牽涉到每個服務特定的不同 API。
    • AI 專員如何協助：瞭解我想要將網際網路限額提高至 500 MB ，並觸發正確的 API 來升級計畫。

  9. 保險自動化 (索賠與保單核發)

    • 案例：保險公司必須整合 API 以進行報價、保單核發及索賠。
    • 挑戰：每個保險公司都有自己的 API，且參數會因保險類型 (車輛、健康、住家) 而有所不同。
    • AI 專員如何協助：它可以將註冊客戶 Pedro Souza 汽車的索賠，並產生副作用的要求轉譯為對正確 API 的自動呼叫。

  10. 外貿及海關清關

    • 案例：匯入 / 匯出的公司需要處理 IRS API、國際營運商及海關控制系統。
    • 挑戰：每個國家都有不同的文件規則和格式 (DU-E、DI、發票、包裝單)。
    • AI 專員如何協助：它可以解譯追蹤 Santos 連接埠的貨物 X 發行版本，並將其翻譯成 IRS 和營運商 API 中的要求。

  11. 酒店管理和線上預訂

    • 案例：酒店需要與預訂、Expedia 和 Airbnb 等平台整合，才能管理預訂和客房可用性。
    • 挑戰：每個平台都有不同的取消、費率調整及回應時間規則。
    • AI 專員如何協助：瞭解星期五將費率調整為 R$400，星期一封鎖預訂並撥打正確的 API。

  12. 行銷自動化和廣告行銷活動

    • 案例：公司使用 Meta Ads、Google Ads、HubSpot 和 RD Station 等工具進行數位行銷活動。
    • 挑戰：建立行銷活動、區隔受眾及分析指標需要與多個 API 整合。
    • AI 專員如何協助：它可以解譯在 Facebook 上為對技術有興趣的 25 到 40 歲受眾建立廣告，預算為 R$500 並自動設定行銷活動。

  13. Supply Chain and Inventory Management

    • 案例：大型零售連鎖店需要即時監控庫存並預測自動補貨。
    • 挑戰：ERP、WMS 和供應商系統有不同的 API 可進行產品申請和需求預測。
    • AI 專員如何協助：瞭解產品 X 達到 10 個單位時補充產品，並觸發正確的 API。

  14. 整合聊天機器人與全通路服務

    • 案例：公司透過 WhatsApp、電報、電子郵件和聊天機器人提供支援，需要集中管理 CRM 的所有項目。
    • 挑戰：每個管道有不同的 API，自動回應和路由有不同的規則。
    • AI 專員如何協助：它可以解譯將此付款問題轉呈給人力與會者，並重新導向至正確的管道。

  15. 能源管理與 IoT (智慧網格)

    • 案例：電力公司使用 API 來測量耗用量、預測需求及預防性維護。
    • 挑戰：IoT 系統、感測器和能源經銷商具有不同且受規範的 API。
    • AI 專員如何協助：瞭解監控工廠 X 的使用情況，並在超過 100 個 kWh 時通知我並設定自動警示。

接下來的步驟

採用由 LLM 支援的 AI 代理程式已證明了可簡化與舊有系統整合的巨大潛力。透過將自然語言命令和要求轉譯為準確的 API 呼叫，這些代理程式可大幅降低自動化業務流程的複雜性。

此處提供的範例示範如何將此方法套用至各種產業，從財務、物流、客戶服務和基礎架構監控。AI 代理程式能夠動態適應不同服務和環境，在公司的數位轉型中提供了新的靈活性和效率。

隨著 AI 模型不斷演進，這些整合預期會變得更加智慧化，讓使用者和系統之間的互動變得越來越自然且準確。自動化的未來涉及人工智慧和 API 的結合，而 AI 代理程式是此數位連線新時代的關鍵。

認可

其他學習資源

探索 docs.oracle.com/learn 上的其他實驗室，或存取 Oracle Learning YouTube 頻道上的更多免費學習內容。此外，請造訪 education.oracle.com/learning-explorer 以成為 Oracle Learning Explorer。

如需產品文件，請造訪 Oracle Help Center 。