Einen reaktiven KI-Agenten in Jitterbit Harmony erstellen

Einführung

Diese Anleitung zeigt, wie man einen grundlegenden KI-Agenten in Jitterbit Harmony mit Studio erstellt. Dieser Agent beantwortet Benutzeranfragen mit einem großen Sprachmodell (LLM) ohne Speicher oder erweiterte Tools.

Tipp

Zu Lernzwecken können Sie den reaktiven Agenten nutzen, der über Jitterbit Marketplace für eine Implementierung dieser Anleitung bereitgestellt wird.

Einen reaktiven KI-Agenten erstellen

Erstellen Sie ein neues Studio-Projekt:
1. Melden Sie sich beim Harmony-Portal an und wählen Sie Studio > Projekte.
2. Klicken Sie auf Neues Projekt. Ein Dialog Neues Projekt erstellen wird geöffnet.
3. Geben Sie im Dialog einen Projektnamen wie KI-Agent – Grundlagen ein, wählen Sie eine vorhandene Umgebung aus und klicken Sie auf Mit dem Entwurf beginnen. Der Projekt-Designer wird geöffnet.
Erstellen Sie den Haupt-Eingabe-Workflow und eine benutzerdefinierte Jitterbit-API. Dieser Workflow soll Benutzeranfragen von Slack oder einer anderen Schnittstelle über die API empfangen. Zum Erstellen des Haupt-Eingabe-Workflows und der API:
1. Doppelklicken Sie im Projekt-Designer auf den Standard-Workflow-Namen und benennen Sie ihn in Main Entry - API Request Handler um.
2. Klicken Sie in der Registerkarte Projekt-Endpunkte und Konnektoren der Design-Komponentenpalette unter der Kategorie Verfügbare Endpunkte auf API, um die Aktivitätstypen anzuzeigen, die erstellt werden können. Klicken Sie dann auf den Aktivitätstyp Request und ziehen Sie ihn auf die Drop-Zone auf der Design-Canvas.
3. Doppelklicken Sie auf den Standard-Operationsnamen und benennen Sie ihn wie erforderlich um, z. B. in Slack Bot Request.
4. Bewegen Sie sich nach rechts von der Aktivität API Request, klicken Sie auf die Drop-Zone und wählen Sie Neue Transformation. Ein Konfigurationsbildschirm wird geöffnet.
5. Erstellen Sie Source- und Target-Schemas wie erforderlich und ordnen Sie Felder innerhalb der Transformation entsprechend Ihren Daten und Ihrem Anwendungsfall zu. Weitere Informationen finden Sie im reaktiven Agenten, der über Jitterbit Marketplace zur Verfügung gestellt wird, für Beispiele zur Datentransformation.
6. Klicken Sie auf das Menü der Operation und wählen Sie Bereitstellen > Bereitstellen.
7. Erstellen Sie eine benutzerdefinierte Jitterbit-API, um Nutzlastanfragen zu akzeptieren und zu analysieren:
  1. Klicken Sie auf das Menü der Operation und wählen Sie Als API veröffentlichen oder wählen Sie Mit KI als API veröffentlichen.
  2. Behalten Sie die Standardeinstellungen bei, außer für folgende:
    - Methode: POST
    - Antworttyp: Systemvariable
  3. Behalten Sie die Service-URL der veröffentlichten API bei.
8. Erstellen Sie zusätzliche Operationen für Aufgaben des Request-Handlers (UI-spezifische Vorverarbeitung).
  
  Bei UI-basierten Einstiegspunkten wie Slack ist der Request-Handler dafür verantwortlich, alle schnittstellenspezifischen Validierungen durchzuführen, bevor die Haupt-KI-Logik aufgerufen wird. Beispielsweise muss der Slack-Handler Slack-spezifische Ereignistypen erkennen und verarbeiten:
  - URL-Verifizierung: Wenn Slack eine challenge-Anfrage zur Verifizierung der Events-API-URL sendet, muss der Handler das Token validieren und die Challenge-Antwort zurückgeben. Diese Operation stellt keine Benutzeranfrage dar und darf daher den KI-Workflow nicht aufrufen.
  - Bot-Nachrichtenfiltration: Wenn das eingehende Ereignis vom Slack-Bot selbst stammt, muss der Handler die Anfrage ignorieren und die Verarbeitung beenden, um rekursive Schleifen zu verhindern.
  - Benutzeranfrage-Routing: Nur wenn die Anfrage eine gültige Benutzernachricht darstellt, sollte der Handler die Slack-Nutzlast in das interne standardisierte Anforderungsformat umwandeln und an die Haupt-KI-Logik weiterleiten.
Durch die Gewährleistung, dass alle plattformspezifischen Prüfungen im UI-Handler stattfinden, bleibt die Haupt-KI-Logik vollständig von Slack und anderen Schnittstellen entkoppelt, sodass alternative UIs (Microsoft Teams, REST-API, Web-App usw.) demselben standardisierten Vertrag folgen können, ohne Haupt-KI-Workflows zu ändern.
Erstellen Sie den Hauptablauf für die KI-Logik. Der Zweck dieses Ablaufs besteht darin, LLM-Aufrufe zu verarbeiten und Antworten zurückzugeben. So erstellen Sie den Hauptablauf für die KI-Logik:
1. Klicken Sie auf Add New Workflow oben auf der Designfläche, um einen neuen Ablauf zu erstellen.
2. Doppelklicken Sie auf den standardmäßigen Ablaufnamen und benennen Sie ihn in Main - AI Agent Tools Logic um.
3. Verwenden Sie einen nativen LLM-Connector, um einen Endpunkt zu erstellen, der sich mit dem verwendeten LLM-Dienst verbindet. Klicken Sie im Reiter Project endpoints and connectors der Designkomponentenpalette unter der Kategorie Available endpoints auf den Endpunkt, um seine Aktivitätstypen anzuzeigen, ziehen Sie dann eine Aktivität auf die Ablagezone auf der Designfläche und doppelklicken Sie darauf, um sie zu konfigurieren.
4. Erstellen Sie Request- und Response-Transformationen, indem Sie neben der neu erstellten Aktivität auf beiden Seiten den Mauszeiger bewegen, auf die Ablagezone klicken und New Transformation auswählen. Ordnen Sie im daraufhin geöffneten Konfigurationsbildschirm die Request-Eingaben für die Aktivität in der linken Transformation zu und ordnen Sie die LLM-Antwort in eine strukturierte Ausgabe in der rechten Transformation um. Ein Beispiel finden Sie im Reactive Agent.
5. Senden Sie die LLM-Antwort zurück an die Slack-API oder eine andere Schnittstelle, die den Aufruf an den Ablauf Main Entry - API Request Handler initiiert hat.
Verbinden Sie die beiden Abläufe, damit der Hauptablauf für die KI-Logik die Benutzerabfrage vom Haupteinstiegsablauf empfängt:
1. Kehren Sie zum Ablauf Main Entry - API Request Handler zurück.
2. Fügen Sie ein Script hinzu, um den Ablauf für die KI-Logik aufzurufen:
  1. Klicken Sie auf eine Operationsablagezone und wählen Sie New Script aus.
  2. Konfigurieren Sie das Script, um die Operation im Ablauf Main - AI Agent Tools Logic mit der Funktion RunOperation auszuführen. Ein Beispiel finden Sie im Script Call AI Workflow im Reactive Agent.
Klicken Sie auf das Menü Aktionen des Projekts und wählen Sie Deploy Project aus.

Nächste Schritte

Informationen zum Aufbau eines kontextbezogenen KI-Agenten finden Sie unter Einen kontextuellen KI-Agenten erstellen.