Interact-Agent

Beschreibung

Diese Aktivität ermöglicht die Verwendung von Snowflake Cortex -Agents als Teilnehmer eines automatisierten Prozesses, der von Maestro orchestriert wird.

Erstellen des Snowflake-Agents

Snowflake bietet eine Umgebung ohne Code zum Erstellen eines Corex-Agents. Sobald sie gespeichert wurde, wird sie für die Verwendung in Maestro verfügbar. Dank der No-Code-Erfahrung können Sie Prompts testen und die Ausgabe des Agents auswerten. Der CORTX-Agent antwortet Maestro auf die gleiche Weise wie auf die Benutzerprompts im Snowflake-Dashboard. In den meisten Maestro-Szenarien werden Sie den Agenten auffordern, eine Ausgabe in Form einer JSON-Struktur zu generieren. z. B {"sku1": "9735A45", "sku2": "1735A50"}.

Wie die Aktivität verwendet wird

Um diese Aktivität in einem Maestro-Prozess zu verwenden, führen Sie folgende Schritte aus:

1. Fügen Sie ein Dienstaufgabenelement zur Arbeitsfläche hinzu und öffnen Sie den Eigenschaftenbereich der Aufgabe.
2. Nennen Sie die Dienstaufgabe Snowflake Hello World.
3. Wählen Sie im Abschnitt Implementierung in der Dropdownliste Aktion die Option Starten und auf einen externen Agent warten.
4. Wählen Sie den Snowflake Cortex Connector aus.
5. Wählen Sie eine vorhandene Verbindung aus oder erstellen Sie eine neue. Weitere Informationen finden Sie unter Snowflake Cortex Authentifizierung.

6. Wählen Sie unter Aktivität die Option Interact Agent aus.

7. Wählen Sie unter Datenbank eine Datenbank aus, z. B. SNOWFLAKE_INTELLIGENCE.
8. Wählen Sie unter Schema ein Schema aus, z. B. AGENTS.
9. Wählen Sie unter Agentname einen Agent aus, der zuvor in Snowflake erstellt wurde.
10. Geben Sie in Eingabeaufforderung „Was können Sie tun?“ ein. Stellen Sie sicher, dass Sie die Anführungszeichen in den Prompt aufnehmen.

    

11. Verbinden Sie das Startereignis mit der Dienstaufgabe und die Dienstaufgabe mit einem Endereignisknoten in der Canvas.

12. Wählen Sie Debuggen , um diesen Prozess auszuführen. Überprüfen Sie nach einer erfolgreichen Ausführung die globalen Variablen und suchen Sie nach der Antwort {:} aus der Quelle: Snowflake Hello World. Beachten Sie die Struktur der Antwort.

    Das ist zum Beispiel die Antwort des Agents auf den Prompt „Was können Sie tun?“:

    {
      "type": "text",
      "text": "\nI can help you analyze and optimize your manufacturing, inventory, order fulfillment, and sales forecasting processes. Here’s what I can do:\n\n- Query and analyze your inventory, orders, production forecasts, and sales forecasts using advanced SQL queries.\n- Answer questions about current inventory levels, order statuses, and customer orders.\n- Help you determine if current or future orders can be fulfilled based on available or forecasted inventory.\n- Provide insights into upcoming production and expected sales for specific products or SKUs.\n- Generate tables and visualizations (bar, line, and pie charts) to help you understand trends and patterns in your data.\n- Assist with business analytics, SaaS metrics, and research methodology for data-driven decision-making.\n\nYou don’t need to know SQL—just ask your business questions, and I’ll use the appropriate tools to get you answers!\n"
    }

Die Ausgabe des Agents muss einer Prozessvariablen zugeordnet werden, damit sie den Fortschritt des Maestro-Prozesses beeinflussen kann, um beispielsweise eine Entscheidung auf der Grundlage einer booleschen Bewertung zu treffen oder die Antwort aus einer Klassifizierungsaufgabe zu verwenden.

1. Wählen Sie im Designmodus den Agent auf der Designfläche aus.

2. Wählen Sie Eigenschaften aus.

3. Wählen Sie unter Ausgabe die Option Neue hinzufügen und fügen Sie eine Variable vom Typ String mit dem Namen agent_reponse hinzu.

4. Wählen Sie für Wert Snowflake Hello World > Antwort > Agent Aktionstext (Zeichenfolge) aus. Dies stellt die Textkomponente der Antwort dar.

Tipp: Geben Sie in der Praxis die strukturierte Ausgabe Ihrer Wahl aus dem Agenten an und werten Sie dann die Ausgabe in Maestro mithilfe des Ausdrucks-Editors aus, um den spezifischen Teil der Ausgabe in dem für Ihren Prozessablauf erforderlichen Typ zu extrahieren.

Fehlerbehebung und Optimierung

Neben der Verbindung zur Verbindung sollten Sie auch Eingabeaufforderungen sowohl im Snowflake-Arbeitsbereich als auch in Maestro testen. Dadurch wird sichergestellt, dass Sie die gewünschte Ausgabe erhalten, die am besten von Maestro verarbeitet, Variablen zugewiesen und an andere Beteiligten im Prozess weitergegeben werden kann.

Es wird empfohlen, dass detaillierte Prompts innerhalb der Systemprompts des Agents in Snowflake bleiben. Der Benutzerprompt , den Maestro dem Agenten zur Runtime gibt, sollte kurz und prägnant sein. Ihre Rolle besteht in erster Linie darin, die relevanten Variablen anzugeben, die der Agent benötigt, um eine bestimmte Aufgabe auszuführen und eine erwartete konsistente Ausgabe zu generieren.

Ausgaben, die sich an Menschen wenden, z. B. die Gründe für eine Eskalation, können einfach als natürlicher Text für den Menschen übergeben werden. Eine Ausgabe, die für eine API-/Roboteraktion erwartet wird, muss streng zusammengesetzt sein. Hier sehen Sie ein Beispiel für einen Benutzerprompt, der eine bestimmte Ausgabe eines Agents ergibt. Verwenden Sie den C#-Ausdrucks-Editor in Studio, um nach Bedarf Variablen hinzuzufügen.

"What is the quantity on inventory of Order ID " + vars.orderId_1 + "respond only with a JSON object with the quantity in the key Order_Quantity. No explanations, only JSON"

Der Agent antwortet wie folgt:

{"Order_Quantity":"100"}

Anschließend können Sie die Antwort des Agents, die vom Typ string ist, mithilfe der Funktion js:JSON.parse(variable of type string) in JSON umwandeln. Achten Sie besonders auf die Typen in Ihrer Anfrage an den Agenten und in der tatsächlichen Antwort. Auch wenn die Antwort wie vom Typ JSON aussieht, kann sie tatsächlich vom Typ string sein.