Saltar al contenido

Agente Compuesto de Jitterbit

Descripción general

Jitterbit proporciona el Agente Compuesto a todos los clientes a través de Jitterbit Marketplace. Este agente está diseñado con fines de aprendizaje para ayudar a las organizaciones a adoptar fácilmente la IA.

Este agente ofrece una única interfaz para interactuar con múltiples agentes especializados dentro de su organización. Un agente especializado es un agente de IA diseñado para manejar tipos específicos de tareas o consultas en un dominio particular. Ejemplos incluyen el Agente de Ventas de Jitterbit y el Agente de RRHH.

El Agente Compuesto recibe las consultas de los usuarios, determina qué agente especializado puede manejar mejor cada consulta y dirige la solicitud a ese agente. Después de que el agente seleccionado responde, el Agente Compuesto devuelve la respuesta al usuario. Al utilizar un único punto de entrada, el Agente Compuesto elimina la necesidad de que los usuarios accedan a interfaces separadas para cada agente. Aunque este agente utiliza Azure OpenAI y Slack por defecto, se puede adaptar para trabajar con otros LLM y plataformas de chat como Claude, Microsoft Teams, microservicios, aplicaciones SaaS como Salesforce, o aplicaciones construidas con Jitterbit App Builder.

Este documento explica cómo configurar y operar este agente de IA. Cubre los siguientes temas: arquitectura y requisitos previos, ejemplos de solicitudes que muestran lo que el agente puede hacer, y pasos para instalar, configurar y operar el agente de IA.

Arquitectura del agente de IA

Este agente de IA dirige las consultas de los usuarios a agentes especializados. Un flujo de trabajo típico sigue estos pasos:

  1. Un usuario interactúa con el bot de Slack y envía una pregunta o solicitud.
  2. El Agente Compuesto analiza la consulta y la dirige al agente especializado apropiado.
  3. El agente especializado procesa la solicitud y devuelve los resultados.
  4. El Agente Compuesto entrega la respuesta al usuario.

Diagrama de flujo

El siguiente diagrama muestra cómo el Agente Compuesto procesa las consultas de los usuarios:

--- config: flowchart: padding: 20 nodeSpacing: 100 --- flowchart classDef default fill:white, stroke:black, stroke-width:3px, rx:15px, ry:15px JSP@{ shape: hex, label: "
Jitterbit Composite Agent" } SCI[fab:fa-slack
Slack bot chat interface] JCA@{ shape: hex, label: "
Jitterbit API Manager
custom API" } AZR[Azure OpenAI REST call] AZM@{ shape: hex, label: "Azure OpenAI model" } SAG@{ shape: hex, label: "Specialized Agent" } SCI -->|1. Sends question| JCA JCA -->|2. Triggers request handler| JSP JSP -->|3. Query| AZR AZR --> AZM AZM --> AZR AZR -->|4. Routing decision| JSP JSP -->|5. Routed query| SAG SAG -->|6. Agent response| JSP JSP -->|7. Answer| SCI classDef plain fill:white, stroke:black, stroke-width:3px, rx:15px, ry:15px

Requisitos previos

Necesitas los siguientes componentes para utilizar este agente de IA.

Componentes de Harmony

Debes tener una licencia de Jitterbit Harmony con acceso a los siguientes componentes:

Puntos finales soportados

El agente de IA incorpora los siguientes puntos finales. Puedes acomodar otros sistemas modificando las configuraciones de puntos finales y flujos de trabajo del proyecto.

Modelo de lenguaje grande (LLM)

El agente de IA utiliza Azure OpenAI como proveedor de LLM para el análisis de consultas y decisiones de enrutamiento. Para utilizar OpenAI, debes tener una suscripción a Microsoft Azure con permisos para crear un recurso de Azure OpenAI con un modelo gpt-4o o gpt-4.1 desplegado.

Consejo

Para información sobre precios, consulta la página de precios de Azure OpenAI.

Interfaz de chat

El agente de IA utiliza Slack como la interfaz de chat predeterminada para interactuar con el Agente Compuesto.

Si deseas utilizar una aplicación diferente como interfaz de chat, puedes modificar los flujos de trabajo del proyecto para integrarte con tu plataforma preferida.

Ejemplos de consultas

La siguiente tabla ilustra cómo el Agente Compuesto decide si responder a una consulta directamente o delegarla a un agente especializado, según la naturaleza de la consulta y los agentes especializados disponibles.

Tipo de consulta Consulta de ejemplo Acción del Agente Compuesto
Conocimiento general "¿Cuál es la capital de los EE. UU.?" Respondido directamente, ya que es una pregunta de conocimiento general que no requiere enrutamiento a un agente especializado.
Conocimiento especializado (Ventas) "Dame las órdenes de venta para el cliente ABC Inc." Enrutado a un Agente de Ventas especializado porque la solicitud requiere acceso a datos relacionados con ventas.

Instalación, configuración y operación

Sigue estos pasos para instalar, configurar y operar este agente de IA:

  1. Descargar personalizaciones e instalar el proyecto de Studio.
  2. Crear recursos de Microsoft Azure.
  3. Crear la aplicación de Slack.
  4. Preparar Jitterbit Cloud Datastore.
  5. Configurar variables del proyecto.
  6. Probar conexiones.
  7. Desplegar el proyecto.
  8. Crear la API personalizada de Jitterbit.
  9. Revisar flujos de trabajo del proyecto.
  10. Activar los flujos de trabajo del proyecto.
  11. Solución de problemas.

Descargar personalizaciones e instalar el proyecto

Sigue estos pasos para descargar archivos de personalización e instalar el proyecto de Studio:

  1. Inicia sesión en el portal Harmony en https://login.jitterbit.com y abre Marketplace.

  2. Localiza el agente de IA llamado Jitterbit Composite Agent. Para localizar el agente, puedes usar la barra de búsqueda o, en el panel de Filtros bajo Tipo, seleccionar Agente de IA para filtrar la visualización.

  3. Haz clic en el enlace de Documentación del agente de IA para abrir su documentación en una pestaña separada. Mantén la pestaña abierta para consultarla después de iniciar el proyecto.

  4. Haz clic en Iniciar Proyecto para abrir un diálogo de configuración de dos pasos para descargar personalizaciones e importar el agente de IA como un proyecto de Studio.

    Nota

    Si aún no has comprado el agente de IA, se mostrará Obtener este agente en su lugar. Haz clic en él para abrir un diálogo informativo, luego haz clic en Enviar para que un representante se comunique contigo sobre la compra del agente de IA.

  5. En el paso de configuración 1, Descargar Personalizaciones, puedes usar el siguiente archivo para crear la aplicación de Slack. Selecciona el archivo y haz clic en Descargar Archivos:

    • Archivo de manifiesto de la aplicación Slack: slack_app_manifest.json

    Consejo

    El diálogo de configuración incluye una advertencia de no importar la plantilla antes de aplicar las personalizaciones del endpoint. Esa advertencia no se aplica a este agente de IA y puedes ignorarla. Sigue el orden de pasos recomendado en esta documentación.

  6. Haz clic en Siguiente.

  7. En el paso de configuración 2, Crear un Nuevo Proyecto, selecciona un entorno donde deseas crear el proyecto de Studio, luego haz clic en Crear Proyecto.

  8. Se muestra un diálogo de progreso. Después de que indique que el proyecto ha sido creado, utiliza el enlace del diálogo Ir a Studio o abre el proyecto directamente desde la página de Proyectos de Studio.

Crear recursos de Microsoft Azure

Crea los siguientes recursos de Microsoft Azure y conserva la información para configurar el agente de IA. Para crear y gestionar estos recursos, debes tener una suscripción de Microsoft Azure con los permisos apropiados.

Recurso de Azure OpenAI

Debes crear un recurso de Azure OpenAI y desplegar un modelo gpt-4o o gpt-4.1 a través del portal de Azure AI Foundry.

Necesitas el nombre del despliegue, la URL del endpoint de Azure OpenAI y la clave API para configurar las variables del proyecto de Azure OpenAI. Para encontrar estos valores, sigue estos pasos:

  1. En el portal de Azure AI Foundry, abre el recurso específico de OpenAI.

  2. En la página de inicio del recurso, encuentra los valores para la URL del endpoint (azure_openai_base_url) y la clave API (azure_openai_api_key).

  3. En el menú de navegación bajo Recursos compartidos, selecciona Despliegues. El nombre del despliegue (Azure_OpenAI_Deployment_Name) aparece en la lista.

Crear la aplicación Slack

Para crear la interfaz de chat en Slack, sigue estos pasos:

  1. Crea una aplicación Slack utilizando el archivo de manifiesto de la aplicación Slack (slack_app_manifest.json) proporcionado con los archivos de personalización de este agente de IA. Alternativamente, crea la aplicación desde cero. ```

  2. Si utilizas el archivo de manifiesto proporcionado, reemplaza los siguientes marcadores de posición con tus propios valores de configuración:

    Marcador de posición Descripción
    {{Reemplazar con el nombre del bot de Slack}} El nombre que deseas que tenga tu bot de Slack, tal como se muestra a los usuarios. Reemplaza este valor en dos lugares en el manifiesto.
    {{Reemplazar con la URL de la API de Jitterbit}} La URL del servicio de la API personalizada de Jitterbit que creaste en Crear la API personalizada de Jitterbit.

  3. Instala la aplicación en tu espacio de trabajo de Slack.

  4. Obtén el token del bot (para el campo Token OAuth de Usuario del Bot de la conexión de Slack) e ingresa su valor para la variable de proyecto slack_bot_oauth_user_token.

  5. Configura la variable de proyecto slack_channel_name con el canal donde se deben enviar las notificaciones.

  6. Ingresa el valor del token del bot para la variable de proyecto slack_bot_oauth_user_token y el nombre del canal para la variable de proyecto slack_channel_name. Configurarás estos en el siguiente paso.

Preparar el Almacenamiento en la Nube de Jitterbit

Crear dos almacenes de claves en el Almacenamiento en la Nube de Jitterbit llamados askjb_user_session y askjb_q_and_a. Configura los campos con los nombres y tipos que se enumeran en las siguientes tablas.

A medida que agregues campos personalizados, utiliza las tablas para determinar si debes activar cada campo como Requerido en la interfaz de usuario del Almacenamiento en la Nube. Los campos AlternativeKey y Value son campos predeterminados que no puedes eliminar ni activar.

Puedes dejar en blanco los valores de los campos que el sistema completa automáticamente o que no utiliza.

Almacenamiento de sesión de usuario (askjb_user_session)

Este almacenamiento de claves mantiene la información de sesión para los usuarios.

Nombre Tipo Requerido Definición del valor Descripción
Key Texto Sí Autocompletado La dirección de correo electrónico del usuario. El sistema genera automáticamente este valor durante la ejecución. No se requiere entrada manual.
AlternativeKey Texto No Autocompletado La sesión del usuario. El sistema genera automáticamente este valor durante la ejecución. No se requiere entrada manual.
Value Texto No No utilizado No utilizado.

Historial de chat (askjb_q_and_a)

Este almacenamiento de claves retiene el historial de chat del bot para proporcionar contexto de conversación para el LLM. Almacena el historial de preguntas y respuestas. El sistema ingresa automáticamente todos los datos durante la ejecución del flujo de trabajo.

Nombre Tipo Requerido Definición del valor Descripción
Key Texto Sí Autocompletado El identificador único que el sistema asigna a un mensaje.
AlternativeKey Texto No Autocompletado El identificador único que el sistema asigna a una sesión de chat.
Value Texto No No utilizado No utilizado.
slackChannel Texto Sí Autocompletado El ID del canal de Slack desde el cual el usuario envía el mensaje.
User Texto Sí Autocompletado El nombre de usuario de Slack del usuario que envía el mensaje.
FirstName Texto No Autocompletado El primer nombre del usuario que envía el mensaje.
LastName Texto No Autocompletado El apellido del usuario que envía el mensaje.
Email Texto Sí Autocompletado La dirección de correo electrónico del usuario que envía el mensaje.
MessageTimestampText Texto Sí Autocompletado El texto de la marca de tiempo del mensaje.
UserQuestion Big Text Sí Autocompletado La pregunta o mensaje que el usuario envía al agente de IA.
AIAnswer Big Text Sí Autocompletado La respuesta que el agente de IA genera para la pregunta del usuario.
ai_reformulate_question Big Text No Autocompletado La pregunta del usuario después de que la IA la reformula o parafrasea para mejorar la comprensión.

Configurar variables del proyecto

En el proyecto de Studio, debes establecer valores para las siguientes variables del proyecto.

Para configurar las variables del proyecto, utiliza el menú de acciones del proyecto para seleccionar Variables del Proyecto. Esto abre un panel en la parte inferior de la página donde puedes revisar y establecer los valores.

Cloud Datastore

Nombre de la variable Descripción
Cloud_Datastore_Access_Token Token de acceso de Cloud Datastore access token para autenticación.

Configuración de agentes especializados

Las siguientes variables configuran el primer agente especializado (Agent1):

Nombre de la variable Descripción
Agent1_URL El endpoint de URL base para comunicarse con el primer agente especializado. El Agente Compuesto utiliza esta URL para enviar consultas enrutadas y recibir respuestas.
Agent1_API_Key_Header El nombre del encabezado HTTP que el Agente Compuesto utiliza para enviar la clave API al hacer solicitudes al primer agente especializado.
Agent1_API_Key La clave API para que el Agente Compuesto acceda al primer agente especializado, si se requiere autenticación.
Agent1_Function_Description Una descripción del rol y propósito del primer agente especializado. El LLM utiliza esta descripción para determinar si debe enrutar una consulta de usuario a este agente.

Las siguientes variables configuran el segundo agente especializado (Agent2):

Nombre de la variable Descripción
Agent2_URL El punto final de la URL base para comunicarse con el segundo agente especializado. El Agente Compuesto utiliza esta URL para enviar consultas enrutadas y recibir respuestas.
Agent2_API_Key_Header El nombre del encabezado HTTP que el Agente Compuesto utiliza para enviar la clave API al realizar solicitudes al segundo agente especializado.
Agent2_API_Key La clave API para que el Agente Compuesto acceda al segundo agente especializado, si se requiere autenticación.
Agent2_Function_Description Una descripción del papel y propósito del segundo agente especializado. El LLM utiliza esta descripción para determinar si debe enrutar una consulta de usuario a este agente.

La siguiente variable configura el modo de prueba:

Nombre de la variable Descripción
Testing Un indicador booleano que indica si el Agente Compuesto opera en modo de prueba. Cuando se establece en true, el Agente Compuesto devuelve una respuesta simulada en lugar de realizar una llamada API al agente real.

Azure OpenAI

Nombre de la variable Descripción
Azure_OpenAI_Deployment_Name El nombre del despliegue de Azure OpenAI que se utiliza para acceder al modelo.
azure_openai_base_url La URL base para acceder al servicio de Azure OpenAI. Ejemplo: https://<tu-nombre-de-recurso>.openai.azure.com.
azure_openai_api_key La clave API que se utiliza para autenticar las solicitudes al servicio de Azure OpenAI.
ai_prompt El aviso del sistema para el LLM que define el comportamiento de enrutamiento. Este aviso instruye al modelo para seleccionar una función (agente especializado) basada en la consulta del usuario de una lista de funciones disponibles. Las funciones especiales incluyen NeedClarificationFunction para consultas poco claras y AnswerGeneralQuestion para preguntas de conocimiento general.

Slack

Nombre de variable Descripción
bot_oauth_user_token El token del bot de Slack que obtienes después de crear la aplicación de Slack. Usas este token para el Token de acceso OAuth del usuario Bot en la conexión de Slack.

Nota

Creas la aplicación de Slack en un paso posterior. Puedes dejar esta variable en blanco por ahora.

Probar conexiones

Prueba las configuraciones de los endpoints para verificar la conectividad utilizando los valores de las variables del proyecto definidas.

Para probar conexiones, ve a la pestaña Endpoints y conectores del proyecto en la paleta de componentes de diseño, pasa el cursor sobre cada endpoint y haz clic en Probar.

Desplegar el proyecto

Desplegar el proyecto de Studio.

Para desplegar el proyecto, utiliza el menú de acciones del proyecto para seleccionar Desplegar.

Crear la API personalizada de Jitterbit

Crear una API personalizada para la operación Solicitud del Bot de Slack en el flujo de trabajo Principal - Manejador de Solicitudes de API de Slack.

Para crear la API, utiliza el menú de acciones de la operación para seleccionar Publicar como una API o Publicar como una API utilizando IA. Configura los siguientes ajustes:

Configuración Valor
Método POST
Tipo de respuesta Variable del sistema

Guarda la URL del servicio API de la API publicada para usarla al crear la aplicación de Slack. Para encontrar la URL del servicio, ve al panel de detalles de la API en la pestaña Servicios, pasa el cursor sobre la columna Acciones del servicio y haz clic en Copiar URL del servicio API.

Revisar flujos de trabajo del proyecto

En el proyecto de Studio abierto, revisa los flujos de trabajo y las descripciones en la siguiente tabla para entender qué hace cada flujo de trabajo.

Nombre del flujo de trabajo Tipo de activador Descripción
Principal - Manejador de Solicitudes de API de Slack API Maneja las solicitudes entrantes del bot de Slack.
Principal - Lógica de Herramientas de Agente de IA Llamado por otros flujos Analiza consultas y las dirige a agentes especializados.
Llamada a API de Agente Especializado Llamado por otros flujos Ejecuta llamadas a API a agentes especializados.
Utilidad - Almacenamiento en la Nube del Chat del Bot Llamado por otros flujos Almacena el historial de chat del bot para el contexto de la conversación.

Principal - Manejador de Solicitudes de API de Slack

Este flujo de trabajo gestiona las solicitudes entrantes del bot de Slack. Una API personalizada de Jitterbit activa el flujo de trabajo cada vez que un usuario interactúa con la interfaz de chat del bot de Slack. Para aprender a configurar la API personalizada de Jitterbit, consulta Crear la API personalizada de Jitterbit.

Principal - Lógica de Herramientas de Agente de IA

Este flujo de trabajo maneja las consultas de los usuarios recibidas del flujo de trabajo Principal - Manejador de Solicitudes de API de Slack. Gestiona la interacción con el LLM, captura la respuesta y dirige la solicitud al agente especializado apropiado.

Para agregar o eliminar agentes especializados para el enrutamiento, realiza las siguientes modificaciones a este flujo de trabajo:

  1. Modificar llamadas a funciones: Edita el script Build Routing Tools Request dentro de la operación Add Tools Call para agregar o eliminar llamadas a funciones.
  2. Actualizar manejo de herramientas: Ajusta la operación Tools Decision para gestionar y manejar la adición o eliminación de herramientas, según las funciones definidas en el script Build Routing Tools Request dentro de la operación Add Tools Call.

Llamada a la API del Agente Especializado

Este flujo de trabajo ejecuta una llamada a la API a un agente especializado. El flujo de trabajo Main - AI Agent Tools Logic determina la URL específica para el agente especializado. Puedes modificar la operación Agent Call en este flujo de trabajo para que coincida con los requisitos de la API de tu agente objetivo.

Utilidad - Almacenamiento en la Nube del Chat del Bot

Este flujo de trabajo almacena el historial de chat del bot, lo que proporciona contexto de conversación al LLM. El flujo de trabajo utiliza Jitterbit Cloud Datastore para este propósito.

Activar los flujos de trabajo del proyecto

Para usar el Agente Compuesto, envía un mensaje directo a la aplicación de Slack. Esto activa el flujo de trabajo Main - Slack API Request Handler a través de la API personalizada de Jitterbit.

Todos los demás flujos de trabajo se ejecutan automáticamente como parte del flujo de trabajo principal y no están destinados a ejecutarse de forma independiente.

Solución de problemas

Si encuentras problemas, revisa los siguientes registros para obtener información detallada sobre la solución de problemas:

Para asistencia adicional, contacta a soporte de Jitterbit.