Platforma AI Agent Platform od Oracle Cloud Infrastructure (OCI) představuje významný pokrok v oblasti podnikové umělé inteligence a nabízí spravovanou platformu pro pokročilé systémy umělé inteligence. Kombinuje LLM, Retrieval Augmented Generation (RAG) a orchestraci nástrojů, což umožňuje agentům umělé inteligence autonomně provádět složité úkoly. Služba se bezproblémově integruje napříč celým stackem Oracle, včetně databází a cloudové infrastruktury, což umožňuje efektivní načítání dat a interakce s API. Tato integrace umožňuje rychlejší a bezpečnější implementaci umělé inteligence v souladu s obchodními procesy. Společnost Oracle se zaměřuje na využití svého ekosystému a upřednostňování bezpečnosti, aby se mohla stát lídrem v oboru a v oblasti autonomních agentů umělé inteligence. Platforma AI Agent Platform od OCI umožňuje podnikům vytvářet inteligentní, bezpečné a kontextově orientované agenty, kteří se bezproblémově integrují napříč ekosystémem Oracle.
Úvod, historie a vývoj
Generativní umělá inteligence se rychle vyvíjela, přešla z experimentální na nezbytnou oblast v podnicích a způsobila revoluci v různých odvětvích. Její počáteční aplikace v oblasti tvorby obsahu a porozumění jazyku se rozšířily a významně ovlivnily vývoj softwaru a provozní efektivitu. Technologie automatizovala a zefektivnila řadu úkolů, od pomoci s kódováním až po syntézu reportů. Nyní se pozornost přesouvá k agentní umělé inteligenci s cílem integrovat agenty umělé inteligence do širších pracovních postupů a konfigurovat je tak, aby přijímali rozhodnutí a podnikali kroky na základě kontextu v reálném čase. Tento pokrok představuje významný krok ve vývoji umělé inteligence směrem k inteligentnějším a adaptivnějším systémům.
Co je to agentická umělá inteligence?
Agentická umělá inteligence (AI) je integrací schopností LLM s pokročilým uvažováním, pamětí a orchestrací nástrojů, která umožňuje inteligentní systémy navržené pro autonomní řízení složitých procesů. Na rozdíl od jednoduchých systémů založených na promptech mohou agenti procházet více kroky, načítat relevantní informace, volat externí API a přizpůsobovat se na základě historie interakcí. Agentické systémy jsou výsledkem neustálého vývoje strojového učení a hlubokého učení.
Vývoj generativní umělé inteligence je poznamenán významnými milníky. Hluboké učení a strojové učení vedly k LLM (Manual Law Modeling – metodám pro správu přirozeného jazyka). Konkrétně přijetí transformačních modelů ve zpracování přirozeného jazyka vydláždilo cestu pro modely velkých jazyků. LLM se zpočátku používaly pro jednokrokové úkoly, generující text bez kontextové paměti. Později se objevily jemně vyladěné LLM pro činnosti specifické pro danou oblast, což zlepšilo přesnost. RAG poté umožnil umělé inteligenci přístup k externím znalostem, čímž se zvýšila spolehlivost. Integrované nástroje využívají posílené modely k interakci s API a databázemi, čímž transformují pasivní asistenty na řešitele problémů. Agentická umělá inteligence (RAG) tyto pokroky kombinuje a vytváří inteligentní agenty pro komplexní, vícekrokové pracovní postupy a autonomní rozhodování. Tento pokrok zvýšil schopnosti generativní umělé inteligence a stal se z ní všestranný a výkonný podnikový nástroj.
Obrázek 1: Vývoj od generativní umělé inteligence k agentické umělé inteligenci.
Těchto pět fází dohromady ilustruje, jak se podniková umělá inteligence vyvinula z izolovaných, jednorázových úkolů na inteligentní systémy, které se dokáží zapojit do komplexních, dynamických a smysluplných procesů řešení problémů.
Agenti se skládají ze tří stavebních bloků:
- Plánování – Schopnost činit postupná rozhodnutí na základě pokynů, historie konverzace a vnějšího kontextu. To zahrnuje techniky jako reflexe, sebekritika, myšlenkový řetězec a rozklad dílčích cílů.
- Použití nástrojů – umožňuje integraci s externími nástroji, API a funkcemi pro provádění akcí. V každém kroku agent obvykle interaguje s nástrojem, jako je vyhledávač, úložiště vektorů, databáze, nebo provádí volání API.
- Paměť – přináší kontextové povědomí v průběhu více interakcí – které mohou být krátkodobé (např. uchování nejnovějších uživatelských vstupů v rámci relace) nebo dlouhodobé (např. zapamatování si uživatelských preferencí nebo minulých úkolů napříč relacemi).
Obrázek 2: Základní komponenty agenta.
Agent umělé inteligence vs. automatizovaný pracovní postup
Z technického hlediska je agent kanálem s více voláními LLM, z nichž každé provádí jednotlivé kroky: analýzu záměru, výběr nástrojů, načítání dat, vyhodnocování výsledků a odpovídání. Architektonicky to dělá agenty výkonnými, ale zároveň modulárními – ideálními pro podnikové aplikace.
Na rozdíl od tradiční statické robotické automatizace procesů (RPA) a rigidní automatizace pracovních postupů jsou agenti navrženi tak, aby byli dynamickí a adaptivní, schopni reagovat na měnící se podmínky a různé vstupy v reálném čase. Tato flexibilita může učinit agentickou technologii široce použitelnou napříč doménami a zároveň snížit potřebu rozsáhlé počáteční konfigurace nebo integrace. V důsledku toho mohou organizace nasazovat inteligentní řešení rychleji a s větší odolností vůči provozní variabilitě.
Obrázek 3: Využití LLM v průběhu provádění agentů s využitím nástroje RAG.
Agentní AI kanály mohou obsahovat více agentů a jejich podprocesů, které jsou dynamicky vyvolávány za účelem dosažení požadovaných výsledků nebo stanovení cílů. To může zahrnovat agenty, kteří mohou být plně autonomní, a ty, kteří do smyčky zahrnují člověka.
Od definice agenta k nasazení: Komplexní rámec
Platforma OCI AI Agent Platform poskytuje bezproblémové a plně spravované prostředí pro tvorbu a nasazení agentů s umělou inteligencí. Tato platforma abstrahuje složitost infrastruktury a orchestrace a umožňuje vývojářům soustředit se na design a logiku.
Při zřizování nového agenta pomocí platformy OCI AI Agent Platform mají uživatelé k dispozici bohatý a modulární návrhový rámec, který jim pomáhá konfigurovat všechny aspekty schopností jejich agenta. Tento proces konfigurace obvykle začíná čtyřmi primárními dimenzemi, které formují chování, inteligenci a integrační potenciál agenta: (a) Definování znalostní báze, (b) konfigurace koncového bodu, (c) povolení používání nástrojů a (d) výběr modelu.
Obrázek 4: Klíčové schopnosti agenta v rámci platformy OCI AI Agent Platform.
Prvním krokem je definice znalostních bází (KB), ke kterým má agent přístup. Ty jsou základem pro to, jak agenti interagují s podnikovými znalostmi. Znalostní báze může sestávat z nestrukturovaných dat, jako je interní dokumentace, články v centru nápovědy nebo návody k zaškolení, nebo strukturovaných datových sad, jako jsou tabulkové finanční výkazy. Klíčovým příkladem je Oracle Database 23ai, která může sloužit jako sémantický zdroj znalostí kombinující tradiční struktury SQL s vektorově vylepšenými vyhledávacími možnostmi. Indexováním dokumentů a metadat do prohledávatelných vložených struktur vývojáři umožňují agentům lépe porozumět a reagovat relevantnějšími a podloženějšími odpověďmi z rozsáhlých informačních úložišť.
Druhým krokem je konfigurace SQL Endpointu, který umožňuje agentům přímo interagovat se strukturovanými daty v relačních databázích pomocí přirozeného jazyka. Toto nastavení podporuje řadu případů použití, jako je analytika, reporting, dotazy na shodu s předpisy a kontroly stavu v reálném čase. Vestavěný nástroj NL2SQL dokáže převést uživatelský záměr do spustitelných SQL dotazů s vestavěnými funkcemi, jako je vysvětlení dotazů, propojení schémat a autokorekce. To například umožňuje obchodnímu agentovi odpovědět na otázku „Jaké byly naše tři nejvýznamnější produkty generující příjmy v minulém čtvrtletí?“ a nechat si tuto odpověď přeložit do optimalizovaného SQL dotazu pro databázi Oracle.
Třetím krokem je definování vlastních nástrojů přizpůsobených jejich specifické doménové logice. Tyto nástroje mohou představovat interní mikroslužby, API pro pracovní postupy nebo dokonce externí koncové body SaaS. Vývojáři mohou zpřístupnit funkce prostřednictvím bezpečně definovaných rozhraní – obvykle s využitím specifikací Open API – takže agenti mohou spouštět akce, jako je vytvoření servisního tiketu, naplánování události v kalendáři nebo načtení dat z proprietárního systému CRM. Platforma Oracle podporuje zabezpečená, ověřená volání a umožňuje ovládací prvky volání nástrojů na základě uživatelských rolí nebo kontextů agentů.
Dalším zásadním krokem konfigurace je specifikace instrukcí – behaviorálních plánů, které řídí tón agenta, strategie odezvy a eskalační protokoly. Tvůrci agentů zároveň definují strategii výběru modelu, která odpovídá jejich konkrétnímu případu použití. Platforma agentů OCI AI podporuje řadu LLM, včetně LLaMA, Cohere a OpenAI, přičemž každá nabízí možnosti přesnosti, latence a nákladů. Tyto dimenze zřizování společně umožňují bohaté možnosti přizpůsobení a pomáhají zajistit, aby každý agent nasazený prostřednictvím OCI byl účelově navržen, s přísnou kontrolou nad zabezpečením dat a připraven pro podniky.
Jakmile je agent zřízen a nakonfigurován, lze jej nasadit jako plně spravovanou službu produkční úrovně přístupnou prostřednictvím vyhrazeného koncového bodu. Tento koncový bod funguje jako živé rozhraní, jehož prostřednictvím mohou koncoví uživatelé a klientské aplikace komunikovat s agentem prostřednictvím rozhraní chatu v prohlížeči, integrovaného widgetu v aplikaci nebo programově prostřednictvím RESTful API. Koncový bod je určen ke správě směrování zpráv, udržování konverzačního kontextu a umožňování vícenásobných interakcí.
Například chatbot podpory zřízený pro finanční aplikaci by mohl být zobrazen prostřednictvím portálu, kde se uživatelé mohou ptát na otázky typu: „Jaký je stav mé poslední úhrady?“ Agent zpracuje vstup, načte příslušná data a odpoví konverzační cestou – to vše prostřednictvím zabezpečeného koncového bodu poskytovaného společností OCI.
Obrázek 5: Proces zřizování agenta.
Zabezpečení a soukromí: Vestavěné, nikoli přišroubované
Ačkoli agentní umělá inteligence přináší podnikům výkonné a vzrušující funkce, bezpečnost je na prvním místě. Podniky si nemohou dovolit kompromisy v oblasti soukromí, dodržování předpisů nebo integrity dat. S ohledem na tuto skutečnost je služba OCI Generative AI Agents Service postavena od základů se zabezpečením na všech úrovních, nikoli jako dodatečnou myšlenkou. Každá vrstva platformy, od příjmu dat až po generování odpovědí, zahrnuje robustní ovládací prvky určené k ochraně citlivých informací, vynucování hranic politik a posilování důvěry. Tento design zaměřený na zabezpečení umožňuje organizacím s jistotou nasazovat inteligentní agenty i v těch nejvíce regulovaných prostředích.
Za běhu mohou být agenti nasazeni v izolovaných a zabezpečených prostředích. Platforma OCI AI Agent Platform podporuje vyhrazenou inferenční infrastrukturu a striktní oddělení dat klientů – což je zásadní pro regulovaná odvětví, jako je zdravotnictví a finance.
Agent Guardrails
Agenti mohou zahrnovat ochranné prvky, které omezují chování a vynucují organizační normy, se silným zaměřením na dva kritické aspekty bezpečnosti: porozumění požadavkům a ověření odpovědí.
Na vstupní straně mohou ochranné zábradlí pomoci agentům interpretovat požadavky přesněji a v rámci bezpečných hranic. Například mechanismy parsování požadavků pomáhají zajistit, aby byl záměr uživatele správně extrahován a porovnán s povolenými operacemi. V případě SQL agenta to může znamenat ověření, zda lze otázku v přirozeném jazyce bezpečně přeložit do dotazu SELECT bez nezamýšlených důsledků.
Na straně výstupu je ověřování odpovědí zásadní, aby se zajistilo, že to, co agent vrací, je nejen relevantní, ale také kompatibilní a kontextově vhodné. V kanálech Retrieval-Augmented Generation (RAG) to zahrnuje kontrolu, zda jsou citované zdroje správně atribuovány, zda jsou halucinace minimalizovány pomocí uzemněných datových odkazů a zda jsou generované odpovědi validovány podle očekávaných formátů nebo obchodní logiky.
Spuštění na straně klienta
Vyvolání funkcí na straně klienta je výkonná funkce, která umožňuje agentům propojovat se s API spravovanými zákazníkem a zároveň zachovat citlivé odpovědnosti – jako je ověřování, autorizace a síťování – v rámci klientského prostředí. Tento přístup je obzvláště cenný pro podniky, které potřebují mít přísnou kontrolu nad tím, jak a kdy se k jejich interním systémům přistupuje.
S tímto nastavením probíhá uvažování a rozhodování agenta – vše od analýzy uživatelského záměru až po určení, který nástroj spustit – výhradně na backendu Oracle. Jakmile je specifická funkce vybrána logickým enginem agenta, je volání bezpečně delegováno do klientského prostředí k provedení.
Klienti mohou přistupovat k nástroji nebo funkci vybrané externím agentem pomocí vlastních přihlašovacích údajů, koncových bodů nebo pravidel firewallu, aniž by agentovi tyto prostředky zpřístupnili. Klient si udržuje odpovědnost za to, jak je API voláno, která identita se používá a jaká omezení se vynucují. Toto oddělení odpovědností pomáhá řešit hranice zabezpečení a dodržování předpisů a zároveň umožňuje bezproblémovou orchestraci externích akcí.
Prevence halucinací
V platformě OCI AI Agent Platform je prevence halucinací primárně zaměřena na zajištění toho, aby odpovědi agentů byly nejen relevantní, ale také ověřitelné a založené na přesných datech. Společnost Oracle k této výzvě přistupuje vícevrstvě a začleňuje ochranná opatření do celého řetězce nástrojů a celého životního cyklu provádění, aby pomohla omezit spekulace a vynutit integritu odpovědí.
V kontextu interakcí založených na SQL jsou halucinace zmírněny zakotvením chování agenta v striktních definicích schémat, což pomáhá halucinace zmírnit. Propojení generování SQL s dobře definovaným schématem – specifikací názvů tabulek, typů sloupců a povolených operací – pomáhá zabránit agentům v generování neplatných nebo spekulativních dotazů. Dále je navržen mechanismus autokorekce, který umožňuje agentovi detekovat chyby v provádění SQL (např. syntaktické problémy nebo chybějící odkazy) a odpovídajícím způsobem upravit svůj dotaz bez zásahu uživatele. To může přidat kritickou vrstvu odolnosti a spolehlivosti při interakci agentů se strukturovanými daty.
V situacích zahrnujících RAG lze prevence halucinací lépe dosáhnout kombinací následného ověření a kontroly citací. Jakmile je s využitím načtených dokumentů vygenerován koncept odpovědi, systém ověří, zda se prezentované informace shodují s informacemi ve zdrojovém materiálu. Každý fakt nebo tvrzení uvedené agentem lze vysledovat zpět ke konkrétnímu odstavci nebo větě, přičemž pro podporu transparentnosti jsou zahrnuty vložené citace. To nejen pomáhá ověřit obsah, ale také pomáhá budovat důvěru s koncovými uživateli.
U vlastních nástrojů a API lze agenta omezit na definované funkce a očekávané výstupy, čímž se snižuje možnost generování spekulativních nebo nepřesných informací. Vzhledem k tomu, že tyto nástroje vracejí strukturované odpovědi (např. datové části JSON), lze generativní vrstvě agenta dát pokyn, aby zůstala v mezích známých parametrů a ověřených výstupů.
Tyto techniky – generování s omezeními schématu, autokorekce s ohledem na provedení, ověřování založené na citacích a deterministické odezvy nástrojů – společně pomáhají vytvořit komplexní rámec pro snížení halucinací a poskytování vysoce kvalitního výstupu agentů.
Integrace ekosystému Oracle
Platforma OCI AI Agent Platform slouží jako most i základ v ekosystému Oracle. Hluboce se integruje s nativními technologiemi Oracle – využívá pokročilé funkce databáze Oracle, jako je vektorové vyhledávání pro sémantické vyhledávání a nativní SQL enginy pro strukturované dotazy. Funguje také jako základní vrstva, na které jsou postaveny širší aplikace a služby Oracle. Aplikace jako Oracle Fusion, NetSuite a Database 23ai nativně začleňují inteligentní agenty do svých pracovních postupů, což umožňuje personalizované, kontextově orientované a proaktivní uživatelské prostředí.
Vezměme si příklad: Zde je to, co se děje v zákulisí, když se zaměstnanec dotáže na zbývající spoluúčast za aktuální rok:
Obrázek 6: Agent Fusion HCM Benefits Advisor s technologií OCI AI Agent Platform.
Tento postup demonstruje bezproblémovou integraci a jasné oddělení odpovědností mezi platformou OCI AI Agent a uživatelskou aplikací. Zdůrazňuje, jak lze dodržovat bezpečnostní opatření při interakci s citlivými systémovými daty.
Proces se odvíjí následovně:
- Zaměstnanec zahájí interakci odesláním požadavku.
- Agentská služba analyzuje požadavek a rozděluje ho na řadu dílčích úkolů, které se mají postupně provádět.
- První dílčí úkol zahrnuje identifikaci vhodné funkce potřebné k načtení relevantních detailů.
- a. Provedení odpovídajícího volání API je delegováno na orchestrátor v prostředí Fusion. To umožňuje řádnou autorizaci všech volání a pomáhá eliminovat potřebu zpřístupňovat rozhraní HCM API přímo službě Agents.
- Agent poté načte podrobnosti o zaměstnaneckém plánu z příslušné znalostní báze.
- Nakonec se spustí kalkulačka, která vypočítá výsledek, který je předán kanálem generování odpovědí a doručen zpět uživateli.
Celá tato interakce je abstrahována od koncového uživatele a architektura podporuje širokou škálu kombinací nástrojů a znalostní báze v celém aplikačním prostředí Fusion.
Platforma OCI AI Agent Platform pohání širokou škálu aplikací Oracle tím, že integruje inteligentní agenty přímo do pracovních postupů, což umožňuje interakce v přirozeném jazyce a proaktivní pomoc. Fusion AI Studio umožňuje vývojářům vizuálně konfigurovat agenty v aplikacích Fusion; Database Select AI překládá prostou angličtinu do dotazů SQL; NetSuite a Ask Oracle nabízejí konverzační finanční a provozní poznatky; OCI Support využívá Retrieval-Augmented Generation (RAG) a API k automatizaci řešení problémů; Smart Contact Center vylepšuje živou podporu o pokyny umělé inteligence v reálném čase; a Oracle Code Assist může pomoci zefektivnit produktivitu vývojářů prostřednictvím inteligentních návrhů kódu. Tyto funkce lze společně využít k zavedení bezpečné, škálovatelné a kontextově orientované inteligence do všech vrstev ekosystému Oracle.
Tyto funkce lze společně využít k vytvoření komplexního základu pro implementaci agentní inteligence v celém aplikačním prostředí Oracle. Ať už pomáháte HR manažerovi ve Fusion, vedete finančního analytika v NetSuite, pomáháte technikovi podpory s Smart Contact Center nebo urychlujete doručování kódu ve vývojářském IDE, platforma OCI AI Agent Platform dokáže zajistit konzistentní, spolehlivou a bezpečnou integraci inteligentních toků agentů do kritických obchodních prostředí.
Oblast agentní umělé inteligence se rychle vyvíjí a téměř každý měsíc se objevují nová paradigmata, metody nástrojů a strategie orchestrace. V budoucnu má odvětví agentní umělé inteligence potenciál podporovat zakázkový hardware a proprietární modely LLM, začleňovat nově vznikající agentní vzory, jako je Deep Research, a integrovat multiagentní topologie.
Klíčové poznatky
- Platforma OCI AI Agent Platform umožňuje podnikům využívat umělou inteligenci generace Gen AI k vytváření inteligentních, bezpečných a kontextově orientovaných agentů.
- Agenti jsou zřizováni pomocí deklarativních konfigurací pro znalostní báze, koncové body SQL, vlastní nástroje a behaviorální instrukce.
- Bezpečnostní opatření jsou integrována v celém frameworku. Ochranné rámy pro agenty a prevence halucinací jsou základními principy návrhu, které jsou vynucovány prostřednictvím omezení schématu, následného ověřování a validace na základě citací.
- Platforma OCI AI Agent Platform nabízí nativní integraci s technologiemi Oracle, jako je Database 23ai, a může tvořit základní stavební kámen pro aplikace Oracle, jako jsou Fusion a NetSuite, navržené pro bezproblémovou automatizaci v kontextu.
Zdroj: Oracle
