Sdílet prostřednictvím


Vytvoření nástrojů agenta AI

Důležité

Tato funkce je ve verzi Public Preview.

Tento článek obsahuje přehled vytváření nástrojů agenta AI s využitím architektury agenta Mosaic AI.

Agent Framework pomáhá vývojářům vytvářet nástroje, které můžou agenti AI používat k provádění akcí nad rámec generování jazyka, jako je načítání strukturovaných nebo nestrukturovaných dat nebo spouštění kódu.

Úvod do agentů AI najdete v tématu Co jsou složené systémy AI a agenti AI?.

Nástroje funkcí katalogu Unity vs. nástroje kódu agenta

Pokud chcete vytvářet nástroje a přidávat je do agentů s architekturou agentů Mosaic AI, můžete použít libovolnou kombinaci následujících metod:

  • funkce katalogu Unity: funkce katalogu Unity se definují a spravují v rámci katalogu Unity a nabízejí integrované funkce zabezpečení a dodržování předpisů. Psaní nástroje jako funkce Katalogu Unity poskytuje snadnější nalezitelnost, správu dat a opakované použití. Funkce katalogu Unity fungují zvlášť dobře pro použití transformací a agregací u velkých datových sad.
  • Nástroje pro kód agenta: Tyto nástroje jsou definovány ve stejném kódu, který definuje umělou inteligenci. Tento přístup je užitečný při volání rozhraní REST API, používání libovolného kódu nebo knihoven nebo spouštění nástrojů s nízkou latencí. Tento přístup ale nemá integrovanou zjistitelnost a zásady správného řízení poskytované funkcemi katalogu Unity.

Obě metody jsou kompatibilní s agenty napsanými ve vlastním kódu Pythonu nebo pomocí knihoven pro vytváření agentů, jako je LangGraph.

Příklady nástrojů funkcí katalogu Unity a nástrojů pro kód agenta najdete v příklady nástrojů agenta

Vylepšení volání nástrojů pomocí dokumentace

Jasná a podrobná dokumentace pomáhá agentům umělé inteligence pochopit, kdy a jak používat vámi zadané nástroje. Při vytváření nástrojů pečlivě dokumentujte parametry a návratové hodnoty nástroje, aby se zajistilo, že AI agent používá nástroje správně a ve správný čas.

Pro funkce katalogu Unity použijte COMMENT k popisu nástroje a parametrů.

Příklad efektivní dokumentace k nástrojům

Následující příklad ukazuje efektivní COMMENT řetězce pro nástroj funkce Unity Catalog, který se dotazuje na strukturovanou tabulku.

CREATE OR REPLACE FUNCTION main.default.lookup_customer_info(
  customer_name STRING COMMENT 'Name of the customer whose info to look up.'
)
RETURNS STRING
COMMENT 'Returns metadata about a specific customer including their email and ID.'
RETURN SELECT CONCAT(
    'Customer ID: ', customer_id, ', ',
    'Customer Email: ', customer_email
  )
  FROM main.default.customer_data
  WHERE customer_name = customer_name
  LIMIT 1;

Příklad neefektivní dokumentace k nástrojům

Následující příklad ukazuje neúčinné COMMENT řetězce, které postrádají klíčové informace, jako například návratové hodnoty.

CREATE OR REPLACE FUNCTION main.default.lookup_customer_info(
  customer_name STRING COMMENT 'Name of the customer.'
)
RETURNS STRING
COMMENT 'Returns info about a customer.'
RETURN SELECT CONCAT(
    'Customer ID: ', customer_id, ', ',
    'Customer Email: ', customer_email
  )
  FROM main.default.customer_data
  WHERE customer_name = customer_name
  LIMIT 1;

Příklady nástrojů agenta

Příklady nástrojů agenta najdete v následujících článcích:

Přidejte nástroje katalogu Unity do agentů

Jakmile vytvoříte nástroje katalogu Unity, přidejte je do svého agenta. Agenti LangChain mohou využít UCFunctionToolkit k začlenění nástrojů UC.

Export agentů volání nástrojů z AI Playground

AI Playground poskytuje pohodlný způsob, jak přidat nástroje katalogu Unity do LLM, otestovat agenta a exportovat jeho kód.

Pokud chcete k exportu agentů použít AI Playground, musí váš pracovní prostor splňovat následující požadavky:

K exportu kódu agentů volajících nástroje použijte následující kroky:

  1. V AI Playground vyberte model s povoleným popiskem Tools.

    Výběr LLM volajícího nástrojem

  2. Vyberte Nástroje a klikněte na Přidat nástroj.

  3. V rozevírací nabídce vyberte funkci Katalogu Unity:

    Výběr nástroje

  4. Pomocí dětského hřiště můžete chatovat a testovat aktuální kombinaci LLM, nástrojů a systémových výzev. Vyzkoušejte varianty, abyste získali pocit, jak aktuální nastavení funguje.

    Prototyp LLM

    Po přidání nástrojů exportujte agenta do poznámkových bloků Pythonu:

  5. Kliknutím na Exportovat vygenerujete poznámkové bloky Pythonu, které definují a nasazují agenta.

    Po exportu kódu agenta se zobrazí tři soubory uložené do pracovního prostoru:

    • agent Poznámkový blok: Obsahuje kód Pythonu definující agenta pomocí jazyka LangChain.
    • driver Poznámkový blok: Obsahuje kód Pythonu pro protokolování, trasování, registraci a nasazení agenta AI pomocí architektury agenta Mosaic AI.
    • config.yml: Obsahuje informace o konfiguraci vašeho agenta, včetně definic nástrojů.
  6. Otevřete poznámkový agent blok, abyste viděli kód LangChain definující agenta. Pomocí tohoto poznámkového bloku můžete programově testovat a iterovat agenta, například definovat další nástroje.

  7. Až budete s výstupy agenta spokojení, spusťte poznámkový blok driver, abyste mohli protokolovat a nasazovat agenta do koncového bodu obsluhy modelu.

Další kroky