Documentación de Oracle Cloud Infrastructure

Acerca de Select AI Agent

Select AI Agent (marco de agentes autónomos) es un programa para crear y gestionar agentes interactivos y autónomos dentro de Autonomous AI Database. Los agentes razonan sobre las solicitudes, llaman a herramientas, reflexionan sobre los resultados y mantienen el contexto con memoria a corto y largo plazo impulsada por un LLM especificado de perfil de IA con el patrón de autenticación ReAct (razonamiento y actuación).

Select AI Agent permite el uso de herramientas incorporadas como RAG y Natural Language to SQL (NL2SQL), procedimientos PL/SQL personalizados y API de REST externas para completar tareas. El marco conserva la memoria de varias vueltas y mantiene el contexto en las conversaciones. Juntas, estas capacidades admiten IA generativa escalable y adaptada al contexto que se integra con los datos y flujos de trabajo empresariales.

El paquete DBMS_CLOUD_AI_AGENT encapsula los límites de gestión, orquestación y seguridad. Consulte DBMS_CLOUD_AI_AGENT Package para obtener más información.

Temas

  • Funciones de determinados agentes de IA
    Las funciones clave incluyen inteligencia integrada, herramientas flexibles, conversaciones conscientes del contexto y un despliegue más rápido.
  • Lógica ReAct
    La selección de AI Agent utiliza la lógica ReAct (razonamiento y actuación) donde el agente razona la solicitud, selecciona herramientas, realiza acciones y evalúa los resultados para lograr un objetivo.
  • Seleccionar arquitectura de agente de IA
    Seleccionar agente de IA organiza el trabajo en cuatro capas: planificación, uso de herramientas, reflexión y gestión de memoria. Estas capas coordinan el razonamiento, las ejecuciones de herramientas, la evaluación y las interacciones de giro múltiple de contexto.

Tema principal: Seleccionar agente de AI

Funciones de agentes de IA seleccionados

Las funciones clave incluyen inteligencia integrada, herramientas flexibles, conversaciones conscientes del contexto y un despliegue más rápido.

  • Inteligencia integrada:

    Combina la planificación, el uso de herramientas y la reflexión para que los agentes puedan razonar sobre las tareas, elegir y ejecutar herramientas, observar resultados, ajustar planes y mejorar las respuestas a lo largo de la conversación. Los agentes planifican pasos, ejecutan herramientas, evalúan observaciones y actualizan su enfoque cuando los resultados incumplen las expectativas. Este bucle fortalece la precisión, reduce el reproceso y mantiene las conversaciones en el buen camino.

  • Herramientas flexibles:

    Soporte y uso de RAG y NL2SQL incorporados, procedimientos PL/SQL personalizados y servicios REST externos, sin componentes de orquestación ni infraestructura independiente, para que pueda mantener la lógica principal en la base de datos al tiempo que integra capacidades externas según sea necesario.

  • Conversaciones basadas en el contexto:

    Mantenga la memoria a corto y largo plazo para mantener el contexto a través de turnos, personalizar las respuestas, almacenar preferencias y apoyar el control humano en el bucle para las correcciones y confirmaciones durante las sesiones de varios turnos. La memoria a corto plazo mantiene el diálogo actual coherente. La memoria a largo plazo registra las preferencias y los resultados anteriores, lo que respalda las interacciones de seguimiento y la supervisión de los revisores humanos.

  • Posibilidad de ampliación y seguridad:

    Ejecutar dentro de una base de datos de IA autónoma, heredar sus controles de seguridad, auditoría y rendimiento, reducir el movimiento de datos y estandarizar la gobernanza para implementaciones empresariales y entornos regulados a escala. Los agentes se benefician de las características de seguridad, auditoría y rendimiento de las bases de datos. Mantener el procesamiento cerca de los datos reduce el movimiento y se alinea con las prácticas de gobernanza.

  • Desarrollo más rápido:

    Defina agentes, tareas y herramientas con SQL y PL/SQL familiares, reutilice los procedimientos existentes y envíe funciones más rápido, al tiempo que mantiene la lógica cerca de los datos operativos y los equipos sin crear una infraestructura independiente.

Lógica ReAct

Select AI Agent utiliza la lógica ReAct (razonamiento y actuación) donde el agente causa la solicitud, selecciona herramientas, realiza acciones y evalúa los resultados para lograr un objetivo.

ReAct combina el razonamiento y la acción en un bucle. El agente piensa, elige una herramienta, observa los resultados y se repite hasta que puede presentar una respuesta segura. El LLM especificado en el perfil de IA del usuario alterna entre el razonamiento y las acciones mediante las herramientas. La base de datos procesa esas acciones y devuelve las observaciones.

A continuación se muestra el patrón de cada iteración:

  1. Consulta: el usuario hace una pregunta o indica una solicitud. El agente lo lee, extrae los detalles clave y se prepara para planificar los siguientes pasos.

  2. Pensamiento y acción: el agente causa las opciones, selecciona una herramienta y la ejecuta para recopilar datos o cambiar el estado según sea necesario para la tarea.

  3. Observación: las observaciones incluyen resultados de herramientas o consultas, mensajes de confirmación y errores. Estas se convierten en entradas para la siguiente ronda de razonamiento del agente. El agente registra las observaciones y comprueba si los resultados admiten el siguiente paso o la respuesta final.

  4. Respuesta final: Después de suficiente acción de pensamiento y observaciones exitosas, el agente compone una respuesta clara, explica decisiones importantes y comparte los próximos pasos o acciones de seguimiento.

Seleccionar arquitectura de agente de AI

Select AI Agent organiza el trabajo en cuatro capas: Planificación, Uso de herramientas, Reflexión y Gestión de memoria. Estas capas coordinan el razonamiento, las ejecuciones de herramientas, la evaluación y las interacciones de giro múltiple de contexto.

Planning: Planning interpreta la solicitud del usuario, la divide en acciones ordenadas, selecciona herramientas candidatas y borra un plan mediante el contexto de sesión, los resultados anteriores y los conocimientos relevantes. El agente analiza la solicitud, identifica los detalles que faltan y propone una secuencia ordenada de acciones. Selecciona herramientas que se ajusten a la política, el alcance de los datos y los resultados esperados.

Uso de herramientas: el uso de herramientas selecciona y ejecuta la herramienta para cada acción. Entre los tipos soportados se incluyen RAG, NL2SQL, procedimientos PL/SQL personalizados que se pueden agregar al crear una herramienta y servicios REST externos como la búsqueda web y el correo electrónico. Cada paso llama a una herramienta con parámetros. Las herramientas incorporadas gestionan la recuperación y la generación de SQL. PL/SQL personalizado encapsula la lógica de dominio. Las herramientas REST se conectan a servicios externos.

Reflexión: la reflexión evalúa los resultados de la herramienta en función de las expectativas y continúa con la respuesta final. El agente compara las observaciones con el objetivo. Si los resultados son incorrectos o si hay errores de llamada a la herramienta o resultados desaprobados por el usuario, el agente revisa el razonamiento, elige otra herramienta o actualiza el plan antes de volver a intentarlo. Cuando los resultados no se ajustan, ajusta el plan, selecciona diferentes herramientas o puede hacer preguntas aclaratorias antes de continuar. Las opiniones de AI Agent se pueden consultar mediante USER_CLOUD_AI_CONVERSATION_PROMPTS. Consulte DBMS_CLOUD_AI Vistas para obtener más información.

Gestión de memoria: la gestión de memoria almacena el contexto y los conocimientos de la sesión por equipo de agente. La memoria a corto plazo contiene mensajes recientes y resultados intermedios por equipo de agentes. La memoria a largo plazo registra las preferencias, el historial y las estrategias, mejorando la continuidad, la personalización y la planificación. La memoria a largo plazo persiste en el conocimiento útil entre sesiones, mejorando la orientación y la calidad de la respuesta a lo largo del tiempo entre los equipos de agentes.