附註：

使用多代理程式通訊協定伺服器建置 AI 代理程式以進行發票解析

簡介

處理大量產品 (例如經銷商、產業及零售連鎖店) 的公司通常會面臨根據不準確、不完整或各種文字描述來識別產品的挑戰。在手動輸入資料的環境中，打字、縮寫和不同的交易名稱可能會難以正確識別系統中的項目，例如企業資源規劃 (ERP)、客戶關係管理 (CRM) 和電子商務平台。

在此案例中，工具有常見的需求可以：

在本教學課程中，我們將瞭解如何建立一個 AI 代理，專門用於解決客戶退貨發票中的不一致問題。專員能夠與提供向量搜尋和發票擷取工具的 MCP 伺服器互動，讓專員能夠根據客戶提供的資訊自動尋找公司的原始應收帳款發票。

MCP 伺服器 (模型相關資訊環境協定) 是一種軟體元件，負責透過標準化的訊息和工具協定，調解智慧型代理程式與外部服務之間的通訊。它作為語言模型 (LLM) 與現有 API 之間的橋接器，可讓 AI 代理程式存取舊有系統的特定功能，而不需要重新寫入或直接調整這些功能。

如何運作？

MCP 伺服器：

使用舊版應用程式

傳統應用程式通常已透過資料庫、檔案或內部 API 提供功能。使用 MCP 伺服器，您可以：

優點

此代理程式是以 Oracle Cloud Infrastructure (OCI) Generative AI 語言模型為基礎，並與 MCP 伺服器所管理的動態宣告工具整合。

透過這兩個元件整合，系統會啟用以 Oracle LLM 為基礎的代理程式：

這個模組化設計可讓您重複使用，並輕鬆將系統演進至發票以外的網域。

目標

必備條件

工作 1：建立 Oracle Database 23ai (永遠免費)

在這項任務中，我們將瞭解如何以永遠免費模式佈建 Oracle Database 23ai。此版本提供完全受管理的環境，適用於開發、測試和學習，無須額外付費。

  1. 登入 OCI 主控台，導覽至 Oracle Database Autonomous Database ，然後按一下建立 Autonomous Database 執行處理。

  2. 請輸入下列資訊。

    • 資料庫名稱：輸入執行處理的識別名稱。
    • 工作負載類型：根據您的需求選取資料倉儲或交易處理。
    • 區間： 選取適當的區間以組織您的資源。

  3. 選取永遠免費，確定已免費佈建此執行處理。

  4. 為 ADMIN 使用者建立安全密碼，此密碼將用於存取資料庫。

  5. 複查設定值，然後按一下建立 Autonomous Database 。等待幾分鐘的時間，讓執行處理可佈建並可供使用。

工作 2：執行 Autonomous Database 表格建立命令檔

準備資料庫以使用案例。從此處下載並執行 SQL 指令碼：script.sql ，為與 AI 代理程式調節發票的情況建立三個基本表格 (PRODUCTS、INVOICE 及 ITEM_INVOICE)。

  1. 前往 OCI 主控台，瀏覽至 Oracle Database Autonomous Database ，然後按一下新建立執行處理的名稱。

  2. 按一下資料庫動作和 SQL ，即可在瀏覽器中開啟 SQL 主控台。

  3. 在本機下載並開啟 script.sql 檔案，然後將所有內容貼到 SQL 主控台編輯器。

  4. 按一下執行 (Run) 或按 Ctrl + Enter 。等待確認已順利執行命令。

  5. 執行下列命令以驗證已建立表格。

    SELECT table_name FROM user_tables;

作業 3：將範例資料插入表格

插入模擬 AI 代理應用程式實際案例的虛擬資料。我們將使用兩個 SQL 命令檔：

AI 代理將使用此資料來解決退貨發票中的不一致情況。

  1. 前往 OCI 主控台，瀏覽至 Oracle Database Autonomous Database ，然後按一下新建立執行處理的名稱。

  2. 按一下資料庫動作和 SQL ，即可在瀏覽器中開啟 SQL 主控台。

  3. 請從此處下載 insert_products_books.sql 檔案內容：insert_products_books.sql 並貼到 SQL 編輯器中。

  4. 按一下執行 (Run) 或按 Ctrl + Enter 。

  5. 現在，從此處下載 invoice_data_insert.sql 檔案內容：invoice_data_insert.sql 檔案並將其貼到編輯器中。

  6. 按一下執行 (Run) 或按 Ctrl + Enter 。

  7. 執行下列指令以檢查資料。

    SELECT * FROM PRODUCTS;
SELECT * FROM INVOICE;
SELECT * FROM ITEM_INVOICE;

工作 4：建立及編譯資料庫中的進階搜尋函數

建立一個名為 fn_advanced_search 的 PL/SQL 函數，此函數會執行產品描述中關鍵字的智慧型搜尋。AI 代理將使用此功能作為 resolve_ean 工具的一部分，允許他們根據客戶在退貨單上提供的描述尋找最近的 EAN 代碼。

函數的功能為何？

遵循其步驟：

  1. 將完整的 similarity_search.sql 命令檔複製並貼到自治式資料庫 SQL 主控台。

    包括：

    • 建立 products 表格 (如果尚未建立)。
    • 建立文字索引。
    • 類型 product_result 和 product_result_tab。
    • fn_advanced_search 函數。
    • 選擇性測試。

  2. 執行完整命令檔。結果應為 Function created 和 Type created。

  3. 執行下列查詢以測試具有模擬描述的函數。

    SELECT *
FROM TABLE(fn_advanced_search('harry poter askaban'))
ORDER BY similarity DESC;

任務 5：使用 AI 將語意搜尋的產品向量化

在這項任務中，我們將使用以語意向量為基礎的新方法來補充進階 SQL 型搜尋。這對於使用內嵌 (詞語的數值表示法) 來比較產品描述之間的相似性 (比字詞或拼音搜尋更具彈性且更聰明) 的 AI 代理來說特別有用。

為此，我們將使用連接到 Oracle 資料庫的 Python 腳本 (process_vector_products.py)，從 PRODUCTS 表格中擷取產品，將其描述轉換為向量 (嵌入)，並使用 Oracle 資料庫本身建立向量索引。

命令檔的功能為何？

注意：內嵌項目會轉換成位元組，其中 np.float32.tobytes() 會儲存為 BLOB。若要擷取向量，請使用 np.frombuffer(blob, dtype=np.float32)。

此格式允許未來相似性搜尋使用 SQL 直接進行，或從資料庫載入向量以進行 np.dot、cosine_similarity 或與 LLM 整合的作業。

此命令檔會產生產品的語意內嵌項目，並將這些向量寫入 Oracle Database 23ai。主要點強調如下：

執行指令碼：

注意：您需要下載並設定 Oracle Wallet。

在終端機中執行。

python process_vector_products.py

完成!資料庫中的產品已向量化。

這一點為何重要？

即使描述具有主觀性、不精確或自然語言，向量搜尋也非常有效地尋找產品。

瞭解程式碼：使用 MCP 伺服器進行 LLM 代理程式

此專案由 3 個主要元件組成：

瞭解每一個元件的功能，並詳細說明程式碼中最重要的部分。

工作 6：設定 MCP 代理程式中的模型和內嵌項目

讓我們使用 OCI Generative AI 服務，根據 MCP 通訊協定設定對話代理程式使用的語言模型和內嵌內容。

  1. 設定語言模型 (LLM)。

    語言模型負責解譯訊息、產生回應，以及作為專員的主要大腦。

    • 在 main.py 檔案中設定。

      from langchain_community.chat_models.oci_generative_ai import ChatOCIGenAI

llm = ChatOCIGenAI(
    model_id="cohere.command-r-08-2024",
    service_endpoint="https://inference.generativeai.us-chicago-1.oci.oraclecloud.com",
    compartment_id="ocid1.compartment.oc1..aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa",
    auth_profile="DEFAULT",
    model_kwargs={"temperature": 0.1, "top_p": 0.75, "max_tokens": 2000}
)
      Parameter - 參數 描述
      model_id 生成式 AI 模型 ID，例如 cohere.command-r-08-2024
      service_endpoint 生成式 AI 服務區域端點
      compartment_id OCI 區間的 OCID
      auth_profile 檔案中設定的設定檔名稱 ~/.oci/config
      model_kwargs 溫度、top-p 和回應大小

    • 列出可用的模型。

      • 使用 OCI CLI：

        oci generative-ai model list --compartment-id <seu_compartment_id>

      • 使用 Python SDK：

        from oci.generative_ai import GenerativeAiClient
from oci.config import from_file

config = from_file(profile_name="DEFAULT")
client = GenerativeAiClient(config)

models = client.list_models(compartment_id=config["compartment_id"])
for model in models.data:
    print(model.display_name, model.model_id)

  2. 設定語意搜尋的內嵌項目。

    搜尋類似產品或情境資訊取決於向量內嵌。

    在代理程式中使用的範例：

    @mcp.tool()
def search_vectorized_product(description: str) -> dict:
    """
        Searches for a product by description using embeddings.
    """
    return sercher.search_similar_products(description)

    變更參數 (product_search.py)，如下所示：

    
class SimilarProductSearch:
    def __init__(
            self,
            top_k=5,
            minimum_distance=1.0,
            model_id="cohere.embed-english-light-v3.0",
            service_endpoint="https://inference.generativeai.us-chicago-1.oci.oraclecloud.com",
            compartment_id="ocid1.compartment.oc1..aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa",
            auth_profile="DEFAULT",
            wallet_path="/WALLET_PATH/Wallet_oradb23ai",
            db_alias="oradb23ai_high",
            username="USER",
            password="Password"
    ):
    Parameter - 參數 描述
    top_k 傳回的建議數目。
    minimum_distance 考量相關結果的最大距離。
    model_id OCI 中內嵌模型的 ID (例如 cohere.embed-english-light-v3.0)。
    service_endpoint OCI Generative AI 區域端點。
    compartment_id 區間 OCID。
    auth_profile ~/.oci/config 檔案中的設定檔名稱。
    wallet_path Oracle Database 23ai 公事包的路徑。
    db_alias 資料庫別名。
    username 資料庫使用者。
    password 資料庫密碼。

    設定 MCP 伺服器：

    就像執行 process_vector_products.py 程式碼一樣，您需要為 Oracle Database 23ai 資料庫設定 Oracle Wallet。

    根據您的設定來修改參數 ：

    import os

# Oracle Wallet settings
WALLET_PATH = "/path/to/Wallet"
DB_ALIAS = "oradb23ai_high"
USERNAME = "admin"
PASSWORD = "..."

# Define the environment variable required for the Oracle client
os.environ["TNS_ADMIN"] = WALLET_PATH

    然後執行 process_vector_products.py ，將產品向量化至 Oracle Database 23ai。

    python process_vector_products.py

因此，MLM 模型和內嵌項目已可供 LangGraph 和 LangChain 的 MCP 代理程式使用。

  1. 使用下列指令執行 main.py 檔案。

    python main.py

  2. 當您：提示出現時，請輸入下列陳述式。

    { "customer": "Customer 108",  "description": "Harry Poter askaban", "price": 82.26, "location": "SP"}

    備註：Harry Potter 和 Azkaban 工作簿的名稱拼字錯誤，但引擎可以找到它，沒有任何問題。

    img.png

    img_1.png

    請注意，服務已執行：

    fetch_vectorized_product
resolve_ean
search_invoices_by_criteria

  3. 現在，輸入下列陳述式。

    { "customer": "Customer 108",  "description": "Harry Poter askaban", "price": 82.26}

    您會看到找不到發票記錄。這是因為位置是尋找發票的關鍵。

    img_2.png

  4. 現在，輸入下列陳述式。

    { "customer": "Customer 108",  "description": "Harry Poter", "location": "SP"}

    這次我們輸入地點，但省略單價。

    img_3.png

    而且找到發票。這是因為價格不是基本的，但這有助於關閉差距以更具說服力。

    以下是一些測試範例：

     { "customer": "Customer 108",  "description": "Harry Poter askaban", "price": 82.26, "location": "SP"}

 { "customer": "Customer 108",  "description": "Harry Poter askaban", "price": 82.26}

 { "customer": "Customer 108",  "description": "Harry Poter askaban", "location": "SP"}

 { "customer": "Customer 108",  "description": "Harry Poter askaban", "price": 82.26, "location": "RJ"}

 { "customer": "Customer 125",  "description": "Harry Potter Chamber", "price": 79.16, "location": "SP"}

 { "customer": "Customer 125",  "description": "Harry Potter Chamber", "price": 79.15, "location": "SP"}

任務 8：檢視鳳凰城的可觀察性

在瀏覽器中輸入 http://localhost:6006/，即可檢視鳳凰城的可觀察性。

img.png

img.png

img.png

確認

其他學習資源

在 docs.oracle.com/learn 上探索其他實驗室，或在 Oracle Learning YouTube 頻道上存取更多免費學習內容。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 。