Jitterbit Knowledge Agent

Übersicht

Jitterbit stellt den Knowledge Agent Kunden über den Jitterbit Marketplace zur Verfügung. Dieser Agent soll es dem internen Team deiner Organisation ermöglichen, intelligente Antworten aus den internen Daten deiner Organisation zu erhalten. Dieser Agent nutzt die Retrieval-Augmented Generation (RAG)-Technik, die LLM-Reasoning mit Zugang zu externen Tools und Datenquellen kombiniert. Er führt die folgenden Aufgaben aus:

• Verbindet sich mit den folgenden Quellen und ruft Informationen davon ab, indem Jitterbit Studio verwendet wird:

  • Atlassian Confluence-Seiten
  • Atlassian Jira-Issues
  • Google Drive-Dokumente
  • Salesforce-Support-Cases (aus dem Case-Objekt)

• Integriert sich mit einem LLM, um einen intelligenten KI-Chatbot mit Daten aus den oben genannten Quellen zu betreiben, auf die über eine mit Jitterbit API Manager erstellte benutzerdefinierte API zugegriffen wird.

Dieses Dokument erläutert, wie man diesen KI-Agent einrichtet und betreibt. Es behandelt die Architektur und die Voraussetzungen, Beispielprompts, die zeigen, was der Agent leisten kann, und Schritte zur Installation, Konfiguration und zum Betrieb des KI-Agenten.

KI-Agent-Architektur

Das folgende Diagramm zeigt die im Knowledge Agent implementierte Architektur:

Agenten-Datenfluss

Anfängliche Datenladung und Workflows zur Datenwartung

Voraussetzungen

Um den Knowledge Agent zu verwenden, sind die folgenden Komponenten erforderlich oder in der Designentwicklung des Agenten vorgesehen.

Harmony-Komponenten

Du musst eine Jitterbit Harmony-Lizenz mit Zugriff auf die folgenden Komponenten besitzen:

• Jitterbit Studio
• Jitterbit API Manager
• Jitterbit Knowledge Agent als Lizenz-Add-On erworben

Unterstützte Endpoints

Die folgenden Endpoints sind in das Design des Agenten integriert.

Large Language Model (LLM)

Der KI-Agent verwendet Azure OpenAI als LLM-Anbieter. Um Azure OpenAI zu verwenden, musst du ein Microsoft Azure-Abonnement mit Berechtigungen zur Erstellung und Verwaltung der folgenden Ressourcen haben:

• Azure OpenAI-Ressource mit einem bereitgestellten gpt-4o oder gpt-4.1-Modell.
• Azure Storage mit einem Blob-Container zum Speichern abgerufener Daten.
• Azure AI Search mit einem Suchdienst, der mit einem Index und einem Indexer konfiguriert werden kann.

Wissensdatenbank

Du kannst einen oder mehrere dieser Endpoints als Wissensdatenbank für diesen KI-Agent verwenden:

• Atlassian Confluence: Die Quelle für Confluence-Seiten.
• Atlassian Jira: Die Quelle für Jira-Issues.
• Google Drive: Die Quelle für Dateien, die auf einem gemeinsam genutzten Google Drive gespeichert sind.
• Salesforce: Die Quelle deiner Kundenunterstützungs-Cases aus dem Case-Objekt.

Chat-Schnittstelle

Das Design des Agenten integriert Slack als Chat-Schnittstelle für die Interaktion mit dem KI-Agent. Wenn du eine andere Anwendung als Chat-Schnittstelle verwenden möchtest, sind ein separater Workflow und Anweisungen für ein generisches API-Setup im KI-Agent enthalten.

Beispielprompts

Hier sind Beispielprompts, die der Knowledge Agent mit Zugriff auf die entsprechenden Daten verarbeiten kann. Der Agent kann Informationen über einen oder alle verbundenen Endpoints hinweg finden.

• „Ich habe ein Problem mit der Komponente ‚ABC'. Kannst du mir damit helfen?"
• „Wie kann ich mich mit einer MySQL-Datenbank über JDBC verbinden?"
• „Kannst du mir Details zu Jira-Ticket Nummer 123 geben?"
• „Gibt es Jira-Tickets bezüglich des SQL-Connectors?"
• „Was ist die Sicherheitsrichtlinie für die Installation von Software auf meinem Arbeitscomputer?" (Es könnte ein Dokument auf Google Drive oder eine Confluence-Seite zu diesem Thema geben.)

Installation, Konfiguration und Betrieb

Folge diese Schritte, um diesen KI-Agent zu installieren, zu konfigurieren und zu betreiben:

1. Anpassungen herunterladen und das Studio-Projekt installieren.
2. Projekt-Workflows überprüfen.
3. Microsoft Azure-Ressourcen erstellen.
4. Slack-App erstellen.
5. Google-Dienstkonto und gemeinsames Laufwerk einrichten.
6. Projektvariablen konfigurieren.
7. Verbindungen testen.
8. Projekt bereitstellen.
9. Benutzerdefinierte Jitterbit-API erstellen.
10. Projekt-Workflows überprüfen.
11. Projekt-Workflows auslösen.
12. Fehlerbehebung.

Anpassungen herunterladen und das Projekt installieren

Folge diese Schritte, um Anpassungsdateien herunterzuladen und das Studio-Projekt zu installieren:

1. Melde dich beim Harmony-Portal unter https://login.jitterbit.com an und öffne Marketplace.

2. Suche den KI-Agent mit dem Namen Jitterbit Knowledge Agent. Du kannst die Suchleiste verwenden oder im -Bereich Filter unter Typ die Option KI-Agent auswählen, um die Anzeige auf die verfügbaren KI-Agenten zu beschränken.

3. Klicke auf den Link Dokumentation des KI-Agenten, um die Dokumentation in einem separaten Tab zu öffnen. Halte den Tab offen, um später darauf zu verweisen.

4. Klicke auf Projekt starten, um einen zweistufigen Konfigurationsdialog zu öffnen und so die Anpassungen herunterzuladen und den KI-Agent als Studio-Projekt zu importieren.

   Hinweis

   Wenn du den KI-Agent noch nicht erworben hast, wird stattdessen Agent abrufen angezeigt. Klicke darauf, um einen Informationsdialog zu öffnen, und klicke dann auf Senden, um einen Vertreter zu kontaktieren, der dich zum Kauf des KI-Agenten berät.

5. In Konfigurationsschritt 1, Anpassungen herunterladen, werden die folgenden Dateien bereitgestellt, um die Einrichtung des Index und des Indexers in Azure AI Search zu erleichtern und die Slack-App zu erstellen. Wähle die Dateien aus und klicke auf Dateien herunterladen:

   • Azure AI Search Index- und Indexer-JSON-Definitionsdateien

     • Azure_AI_Search_Datasource_Definition.json
     • Azure_AI_Search_Index_Definition.json
     • Azure_AI_Search_Indexer_Definition.json

   • Slack-App-Manifestdatei

     • slack_app_manifest.json

   Tipp

   Der Konfigurationsdialog enthält eine Warnung, die Vorlage nicht zu importieren, bevor Endpunktanpassungen angewendet werden. Diese Warnung gilt nicht für diesen KI-Agent und kann ignoriert werden. Befolge die empfohlene Reihenfolge der Schritte in dieser Dokumentation.

   Klicke auf Weiter.

6. In Konfigurationsschritt 2, Neues Projekt erstellen, wähle eine Umgebung, in der du das Studio-Projekt erstellen möchtest, und klicke auf Projekt erstellen.

7. Ein Fortschrittsdialog wird angezeigt. Nachdem angezeigt wird, dass das Projekt erstellt wurde, verwende den Dialog-Link Zu Studio gehen oder öffne das Projekt direkt über die Seite Projekte in Studio.

Microsoft Azure-Ressourcen erstellen

Erstelle die folgenden Microsoft Azure-Ressourcen und speichere die folgenden Informationen zur Konfiguration des KI-Agenten. Um diese Ressourcen zu erstellen und zu verwalten, benötigst du ein Microsoft Azure-Abonnement mit den entsprechenden Berechtigungen.

Azure Blob-Container

Du musst einen Azure Blob-Container erstellen, um Kundendetails zu speichern. Daten aus dem Blob-Container werden mittels eines Index und eines Indexers in Azure AI Search indiziert.

Du benötigst die SAS-URL des Containers für die Bestimmung der Werte der Azure Blob Storage-Projektvariablen. Um die SAS-URL zu generieren:

1. Im Azure-Portal navigierst du zu Speicherkonten und öffnest das spezifische Speicherkonto.
2. Wähle im Ressourcenmenü unter Datenspeicherung die Option Container aus und öffne den spezifischen Container.
3. Wähle im Ressourcenmenü unter Einstellungen die Option Shared Access Tokens aus.
4. Verwende das Menü Berechtigungen, um sicherzustellen, dass die SAS-URL (Shared Access Signature) für diesen Container mindestens die Berechtigungen Lesen und Schreiben hat:

1. Klicken Sie auf SAS-Token und URL generieren.
2. Kopieren Sie die unten angezeigte Blob-SAS-URL.
3. Bestimmen Sie die Werte der Azure Blob Storage-Projektvariablen aus der SAS-URL. Die SAS-URL hat das Format {{ azure_blob_base_url }}/{{ Azure_Blob_Container_Name }}?{{ azure_blob_sas_token }}.

Falls Sie die JSON-Definitionsdateien aus den Anpassungsdateien des KI-Agenten verwenden, um den Index und den Indexer zu generieren, benötigen Sie auch den Azure Blob Storage-Kontoschlüssel. Zum Anzeigen von Kontozugriffsschlüsseln:

1. Navigieren Sie im Azure-Portal zu Speicherkonten und öffnen Sie das entsprechende Speicherkonto.
2. Wählen Sie im Ressourcenmenü unter Sicherheit + Netzwerk die Option Zugriffsschlüssel aus.

3. Klicken Sie auf Schlüssel anzeigen, um den während der Konfiguration von Azure AI Search zu verwendenden Zugriffsschlüssel anzuzeigen.

   

Azure AI Search-Dienst

Sie müssen einen Azure AI Search-Dienst erstellen und dessen Index sowie Indexer konfigurieren, um die Daten aus dem Blob-Container zu verarbeiten.

Sie benötigen die URL und den API-Schlüssel des Azure AI Search-Diensts, um die Werte der Azure AI Search-Projektvariablen zu bestimmen:

• URL: Um den Wert für azure_ai_search_url zu erhalten, siehe Azure-Dokumentation Dienstinformationen abrufen.
• API-Schlüssel: Um den Wert für azure_ai_search_api_key zu erhalten, siehe Azure-Dokumentation Rollenbasierte Zugriffskontrolle konfigurieren.

Sie können die JSON-Definitionsdateien aus den Anpassungsdateien des KI-Agenten verwenden, um den Index und den Indexer zu generieren, oder diese selbst erstellen.

Falls Sie die bereitgestellten Definitionsdateien verwenden, müssen Sie die folgenden Platzhalter durch Ihre eigenen Konfigurationswerte ersetzen:

Azure_AI_Search_Indexer_Definition.json

Azure_AI_Search_Datasource_Definition.json

Azure OpenAI-Ressource

Sie müssen eine Azure OpenAI-Ressource erstellen und ein gpt-4o- oder gpt-4.1-Modell über das Azure AI Foundry-Portal bereitstellen.

Sie benötigen den Bereitstellungsnamen, die Azure OpenAI-Endpunkt-URL und den API-Schlüssel, um die Werte der Azure OpenAI-Projektvariablen zu bestimmen. Um diese Werte zu finden:

1. Öffnen Sie im Azure AI Foundry-Portal die spezifische OpenAI-Ressource.

2. Die Werte für die Endpunkt-URL (azure_openai_base_url) und den API-Schlüssel (azure_openai_api_key) werden auf der Landingpage der Ressource angezeigt:

   

3. Wählen Sie im Navigationsmenü unter Freigegebene Ressourcen die Option Bereitstellungen. Der Bereitstellungsname (Azure_OpenAI_Deployment_Name) wird angezeigt.

Slack-App erstellen

Um die Knowledge Agent-Chatschnittstelle in Slack zu erstellen, führen Sie diese Schritte aus:

1. Erstellen Sie eine Slack-App mithilfe der Slack-App-Manifestdatei (slack_app_manifest.json), die in den Anpassungsdateien dieses KI-Agenten enthalten ist. Alternativ können Sie die App von Grund auf neu erstellen.

2. Wenn Sie die bereitgestellte Manifestdatei verwenden, ersetzen Sie die folgenden Platzhalter durch Ihre eigenen Konfigurationswerte:

   Platzhalter	Beschreibung
   {{Replace with Slack bot name}}	Der Name, den Ihr Slack-Bot haben soll, wie er Benutzern angezeigt wird. Ersetzen Sie diesen Wert an zwei Stellen im Manifest.
   {{Replace with Jitterbit API URL}}	Die Service-URL der benutzerdefinierten Jitterbit-API, die Sie unter Benutzerdefinierte Jitterbit-API erstellen erstellt haben.

3. Installieren Sie die App in Ihrem Slack-Arbeitsbereich.

4. Besorgen Sie sich das Bot-Token (für das Feld Bot User OAuth Token der Slack-Verbindung) und geben Sie seinen Wert für die Projektvariable slack_bot_oauth_user_token ein.

5. Konfigurieren Sie die Projektvariable slack_channel_name mit dem Kanal, in dem Benachrichtigungen gesendet werden sollen.

6. Geben Sie den Bot-Token-Wert für die Projektvariable slack_bot_oauth_user_token und den Kanalnamen für die Projektvariable slack_channel_name ein. Diese konfigurieren Sie im nächsten Schritt.

Google-Dienstkonto und freigegebenes Laufwerk einrichten

Diese Einrichtung ist nur erforderlich, wenn Sie den Workflow Data upload Utility - Google Drive to Azure Blob verwenden. Sie müssen ein aktives Google Cloud-Projekt haben, um fortfahren zu können. Falls Sie noch kein Projekt haben, können Sie eines erstellen, indem Sie Googles Anleitung befolgen.

Google-Dienstkonto erstellen

Führen Sie die folgenden Schritte aus, um einen Schlüssel für das Google-Dienstkonto zu erstellen, damit das Hilfsprogramm sicher auf Ihre Google Drive-Dateien zugreifen kann:

1. Verwenden Sie in der Google Cloud-Konsole die Suchleiste, um die Seite Dienstkonten zu finden und zu navigieren.

2. Falls Sie bereits über ein Dienstkonto verfügen, das Sie verwenden möchten, fahren Sie mit Schritt 3 fort. Klicken Sie andernfalls auf Dienstkonto erstellen, geben Sie einen Namen ein und klicken Sie auf Fertig. Es sind keine zusätzlichen Berechtigungen oder Zugriffsrechte erforderlich.

   

3. Wählen Sie das Dienstkonto aus, um seine Dienstkonto-Details zu öffnen:

   

4. Navigieren Sie zur Registerkarte Schlüssel und verwenden Sie das Menü Schlüssel hinzufügen, um Neuen Schlüssel erstellen auszuwählen.

   

5. Wählen Sie JSON als Schlüsseltyp und klicken Sie auf Erstellen. Eine JSON-Datei mit den Anmeldedaten wird auf Ihren Computer heruntergeladen.

6. Öffnen Sie die heruntergeladene JSON-Datei, um die folgenden Werte zu finden, die zum Konfigurieren der Google Drive-Projektvariablen erforderlich sind:

   • client_email: Dies ist der Wert für die Projektvariable Google_Client_Email und wird benötigt, um das freigegebene Google-Laufwerk im nächsten Abschnitt zu konfigurieren.
   • private_key: Dies ist der Wert für die Projektvariable Google_Private_Key.

7. Aktivieren Sie die Google Drive API in Ihrem Google Cloud-Konto:

   1. Verwenden Sie in der Google Cloud-Konsole die Suchleiste, um die Seite APIs & Services zu finden und aufzurufen.

   2. Öffnen Sie die API Library und wählen Sie die Google Drive API aus:

      

   3. Klicken Sie auf die Schaltfläche Enable:

      

Konfigurieren Sie das gemeinsame Google Drive

Das gemeinsame Google Drive sollte wie folgt konfiguriert werden, um dem Dienstprogramm Zugriff auf alle Dateien zu gewähren, die Sie darin hochladen:

1. Erstellen Sie ein gemeinsames Google Drive, falls Sie noch keins haben.

2. Öffnen Sie das gemeinsame Drive und kopieren Sie seine ID aus der Browser-URL. Die ID ist die lange Zeichenkette am Ende. Wenn die URL beispielsweise https://drive.google.com/drive/folders/dftg-LbGrP7hdfd lautet, ist die ID dftg-LbGrP7hdfd. Diese ID ist der Wert für die Projektvariable Google_Drive_ID beim Konfigurieren von Google Drive-Projektvariablen.

3. Klicken Sie oben auf der Seite auf den Namen des gemeinsamen Drives und wählen Sie Manage members aus. Ein Dialogfeld wird angezeigt.

4. Fügen Sie im Feld Add people and groups den Wert von client_email aus der JSON-Datei ein, die Sie zuvor heruntergeladen haben.

5. Weisen Sie dem Dienstkonto die Rolle Content manager zu und bestätigen Sie die Aktion.

Konfigurieren Sie Projektvariablen

Im Studio-Projekt, das Sie zuvor über den Marketplace installiert haben, müssen Sie Werte für die folgenden Projektvariablen festlegen.

Dies kann über das Aktionsmenü des Projekts erfolgen, um Project Variables auszuwählen und eine Schublade am unteren Rand der Seite zu öffnen, in der Sie die Werte überprüfen und festlegen können.

Salesforce

Jira

Confluence

Google Drive

Azure Blob Storage

Azure AI Search

Azure OpenAI

Slack

Common

Verbindungen testen

Teste die Endpunktkonfigurationen, um die Konnektivität anhand der definierten Projektvariablenwerte zu überprüfen.

Um Verbindungen zu testen, öffne die Registerkarte Projektendpunkte und Connectors in der Designkomponentenpalette, fahre mit der Maus über die einzelnen Endpunkte und klicke auf Testen.

Projekt bereitstellen

Stelle das Studio-Projekt bereit.

Um das Projekt bereitzustellen, nutze das Menü des Projekts und wähle Bereitstellen.

Projekt bereitstellen

Stelle das Studio-Projekt bereit. Das kannst du über das Menü des Projekts durchführen und Bereitstellen auswählen.

Erstellen Sie die benutzerdefinierte Jitterbit-API

Erstellen Sie eine benutzerdefinierte API mit dem API Manager für eines der folgenden:

• Slack-Bot-API-Request-Handler: Erforderlich, wenn die im Design dieses KI-Agenten enthaltene Slack-Benachrichtigung verwendet wird.
• Allgemeiner API-Request-Handler: Optional. Verwendung für die Verarbeitung von API-Anfragen aus einer beliebigen Anwendung.

Erstellen Sie den Slack-Bot-API-Request-Handler

Diese benutzerdefinierte Jitterbit-API triggert den Betrieb Slack Bot API Request Handler. Konfigurieren Sie die benutzerdefinierte API mit folgenden Einstellungen und veröffentlichen Sie sie:

• API Service: Slack Bot API Request Handler
• Path: /
• Projekt: Wählen Sie das Studio-Projekt aus, das vom Jitterbit Knowledge Agent im Marketplace erstellt wurde
• Operation zum Triggern: Slack Bot API Request Handler
• Method: POST
• Response Type: System Variable

Speichern Sie die Service-URL der veröffentlichten API für die Erstellung der Slack-App. Die Service-URL finden Sie in der API-Detailleiste auf der Registerkarte Services, indem Sie den Mauszeiger über die Spalte Actions des Service bewegen und API-Service-URL kopieren klicken.

Allgemeiner API-Request-Handler

Diese benutzerdefinierte Jitterbit-API triggert den Betrieb Generic API request Handler. Dies ist nicht erforderlich. Erstellen Sie diese API, wenn Sie andere Anwendungen zur Verarbeitung von HTTP-API-Anfragen verwenden. Konfigurieren Sie die benutzerdefinierte API mit folgenden Einstellungen und veröffentlichen Sie sie:

• Service Name: Generic API request Handler
• Projekt: Wählen Sie das Studio-Projekt aus, das vom Jitterbit Knowledge Agent im Marketplace erstellt wurde
• Operation: Generic API request Handler
• Method: POST
• Response type: System Variable

{
    "username": "johnr",
    "prompt": "How to connect to mysql using a connector?"
}

{
    "message": "To connect to a MySQL database using the Database connector, follow these steps:   - Use the MySQL JDBC driver that ships with the agent for additional features like manual queries.",
    "references": [],
    "status_code": 200
}

Überprüfen Sie die Projekt-Workflows

Überprüfen Sie im offenen Studio-Projekt die Workflows zusammen mit den folgenden Beschreibungen, um zu verstehen, was sie tun.

1. Data upload Utility - JIRA Ticket to Azure Index

   Dieser Workflow ruft Probleme aus Jira ab und führt dann den Workflow Utility - Azure Data Upload and Index aus, um Probleme in Azure Blob Storage hochzuladen und in den Azure AI Search Index zu indizieren.

   Der erste Betrieb ist Main - JIRA tickets upload. Die folgenden Felder werden abgerufen:

   "fields": [
       "summary",
       "status",
       "assignee",
       "description",
       "reporter",
       "created",
       "updated",
       "priority",
       "issuetype",
       "components",
       "comment"
    ]
   

   Dieser Workflow kann so konfiguriert werden, dass alle Probleme oder nur neue und aktualisierte Probleme mithilfe der Jira-Projektvariablen abgerufen werden.

2. Data upload Utility - SF Cases to Azure Index

   Dieser Workflow ruft Supportfälle von Salesforce ab und führt dann den Workflow Utility - Azure Data Upload and Index aus, um Fälle in Azure Blob Storage hochzuladen und in den Azure AI Search Index zu indizieren.

   Der erste Betrieb ist Main - SF Cases Upload.

   In der Konfiguration der Salesforce Query Aktivität ruft die folgende Abfrage Supportfall-Informationen nach Agent ab. Wenn Ihre Salesforce-Organisation diese Objekte und Felder nicht verwendet oder wenn Supportfall-Informationen in verschiedenen Objekten und Feldern gespeichert sind, funktioniert dieser Workflow nicht ordnungsgemäß. Passen Sie die Abfrage in diesem Workflow an Ihre Salesforce-Organisationsdatenstruktur an:

SELECT Account.Name,
           Owner.Email,
           Owner.Name,
           (SELECT CreatedBy.Email,
                   CreatedBy.Name,
                   Id,
                   CommentBody,
                   CreatedDate,
                   LastModifiedDate,
                   LastModifiedBy.Email,
                   LastModifiedBy.Name
            FROM   CaseComments),
           Id,
           CaseNumber,
           CreatedDate,
           Description,
           LastModifiedDate,
           Origin,
           Priority,
           Reason,
           Status,
           Subject,
           Type,
           CreatedBy.Email,
           CreatedBy.Name,
           LastModifiedBy.Email,
           LastModifiedBy.Name
    FROM Case

Dieser Workflow kann konfiguriert werden, um alle Fälle oder nur neue und aktualisierte Fälle abzurufen, indem man die Salesforce-Projektvariablen verwendet.

1. Data upload Utility - Confluence Pages to Azure Index

   Dieser Workflow ruft Seiten aus Confluence ab und führt dann den Workflow Utility - Azure Data Upload and Index aus, um Dokumente in Azure Blob Storage hochzuladen und in den Azure AI Search-Index einzuordnen.

   Der anfängliche Vorgang ist Main - Load Confluence Pages.

   Dieser Workflow ruft bei jeder Ausführung alle Confluence-Seiten ab.

2. Data upload Utility - Google Drive to Azure Blob

   Dieser Workflow ruft Dateien aus Google Drive ab und führt dann den Workflow Utility - Azure Data Upload and Index aus, um sie im Azure AI Search-Index einzuordnen.

   Der anfängliche Vorgang ist Main - Google Drive Upload.

   Zu den unterstützten Dateitypen gehören Google Docs, Google Spreadsheets und von Azure Storage Blob Indexing unterstützte Dateitypen.

   Die maximal unterstützten Dateigrößen sind als maximale Blob-Größe in den Azure AI Search Indexer-Limits für die Dienstebene des AI-Suchdiensts aufgeführt. Beispielsweise beträgt das Limit für die Basic-Ebene 16 MB; für S1 beträgt das Limit 128 MB.

   Dieser Workflow kann konfiguriert werden, um alle Dateien oder nur neue und aktualisierte Dateien abzurufen, indem man die Google Drive-Projektvariablen verwendet.

3. Utility - Azure Data Upload and Index

   Dies ist ein gemeinsamer Utility-Workflow, der von den Data upload Utility-Workflows verwendet wird, um Daten in Azure Blob Storage hochzuladen und in Azure AI Search einzuordnen.

4. Main Entry - Slack API Request Handler

   Dieser Workflow verwaltet eingehende Slack-Bot-Anfragen. Er wird über eine benutzerdefinierte Jitterbit-API ausgelöst, jedes Mal wenn dein Team mit der Slack-Bot-Chat-Benutzeroberfläche interagiert (d. h. eine Slack-Nachricht daran sendet). Die Konfiguration der benutzerdefinierten Jitterbit-API wird später auf dieser Seite unter Create the Jitterbit custom API beschrieben.

   Wenn du Slack nicht verwendest, kann dieser Workflow ignoriert werden und wird nicht ausgelöst. Um eine andere Chat-Benutzeroberfläche für die Interaktion deines Teams zu verwenden, nutze den Workflow Generic API Request Handler, der ebenfalls über eine benutzerdefinierte Jitterbit-API ausgelöst wird.

5. Generic API Request Handler

   Dieser Workflow verarbeitet HTTP-API-Anfragen von jeder Anwendung. Um mit deinen Anwendungen zu integrieren, erstelle eine benutzerdefinierte Jitterbit-API, die den Vorgang Generic API request Handler auslöst. Die URL dieser API kann dann von jeder Anwendung verwendet werden, um Anfragen zu senden und zu empfangen.

   Die Konfiguration der benutzerdefinierten Jitterbit-API wird später auf dieser Seite unter Create the Jitterbit custom API beschrieben.

Die Projekt-Workflows auslösen

Für das initiale Laden der Daten führe einen oder mehrere der Data upload Utility-Workflows je nach deinen Datenquellen aus. Dies kann mithilfe der Option Run des anfänglichen Vorgangs erfolgen, die durch Hovern über den Vorgang angezeigt wird. Wenn deine Daten aktualisiert werden, musst du den Vorgang in Zukunft erneut ausführen.

Die zwei anderen Haupt-Workflows werden durch die benutzerdefinierten Jitterbit-APIs ausgelöst:

• Main Entry - Slack API Request Handler: Dieser Workflow wird von Slack über die benutzerdefinierte API Slack Bot API Request Handler ausgelöst. Das Senden einer direkten Nachricht an die Slack-App löst den benutzerdefinierten API-Trigger aus.

• Generic API Request Handler: Dieser Workflow wird von einer anderen Anwendung über die benutzerdefinierte API Generic API request Handler ausgelöst. Das Senden einer Anfrage an die konfigurierte API löst den benutzerdefinierten API-Trigger aus.

Alle anderen Workflows werden durch andere Operationen ausgelöst und sind nachgelagert gegenüber den oben aufgeführten. Sie sind nicht dafür vorgesehen, eigenständig ausgeführt zu werden.

Fehlerbehebung

Bei Problemen überprüfen Sie die folgenden Logs auf detaillierte Informationen zur Fehlerbehebung:

• API-Logs
• Operationslogs

Für weitere Unterstützung kontaktieren Sie den Jitterbit-Support.