Caso de uso da IA agêntica: administrar o aprendizado interativo

Este documento descreve uma arquitetura de alto nível para um aplicativo que gera e administra um teste de aprendizado interativo com um fluxo de trabalho de IA agêntica. O agente avalia o conhecimento de um usuário sobre um tópico específico e usa um estado de sessão persistente e memória de longo prazo para criar uma experiência personalizada. O agente mantém um histórico das respostas do usuário, o que permite ajustar dinamicamente a dificuldade e o conteúdo das perguntas subsequentes.

O público-alvo deste documento inclui arquitetos, desenvolvedores e administradores que criam e gerenciam aplicativos de IA com agentes. Essa arquitetura é adaptável para criar aplicativos educacionais interativos e com estado em vários setores. O documento pressupõe um conhecimento básico dos sistemas de agentes de IA. Para saber como os agentes diferem dos sistemas não agentes, consulte Qual é a diferença entre agentes de IA, assistentes de IA e bots?

A seção Implantação deste documento fornece links para exemplos de código que ajudam você a testar a implantação de um aplicativo de IA com agente que executa um fluxo de trabalho de ciência de dados.

Arquitetura

O diagrama a seguir mostra uma arquitetura de alto nível para um agente de aprendizado interativo.

Arquitetura de um agente de aprendizado interativo.

A arquitetura mostra o seguinte fluxo de dados:

  1. Um usuário realiza uma ação, como iniciar um teste ou enviar uma resposta, no aplicativo de teste hospedado no Cloud Run.
  2. O aplicativo encaminha a entrada do usuário para o agente de IA.

  3. O agente de IA usa o modelo do Gemini na Vertex AI para interpretar a entrada do usuário. Com base na solicitação do usuário, o agente chama as ferramentas adequadas para realizar a ação de teste pedida.

    Por exemplo, o agente seleciona uma ferramenta para iniciar uma sessão de teste, avaliar uma resposta ou gerar a próxima pergunta.

  4. O agente envia a resposta ao aplicativo de teste.

  5. O aplicativo de teste encaminha a resposta para o usuário.

Para manter o estado do teste e personalizar a experiência, o agente realiza as seguintes tarefas em segundo plano:

  • O agente anexa o progresso e a pontuação mais recentes do teste ao histórico da sessão salva, que fica armazenada em Sessões do Agent Engine da Vertex AI.
  • O agente transforma os dados do teste em memórias e os armazena no Memory Bank para recordação de longo prazo. O agente usa os dados históricos armazenados na memória para gerar respostas com reconhecimento de contexto em sessões futuras.

Produtos usados

Esta arquitetura de exemplo usa os seguintes produtos Google Cloud :

  • Cloud Run: uma plataforma de computação sem servidor que permite executar contêineres diretamente na infraestrutura escalonável do Google.
  • Kit de desenvolvimento de agentes (ADK): um conjunto de ferramentas e bibliotecas para desenvolver, testar e implantar agentes de IA.
  • Vertex AI: uma plataforma de ML que permite treinar e implantar modelos de ML e aplicativos de IA, além de personalizar LLMs para uso em aplicativos com tecnologia de IA.
  • Sessões do Agent Engine da Vertex AI: um serviço de armazenamento persistente que salva e recupera o histórico de interações entre um usuário e agentes.
  • Banco de memória: um serviço de armazenamento persistente que gera, refina, gerencia e recupera memórias de longo prazo com base nas conversas de um usuário com um agente.

Implantação

Para implantar uma implementação de amostra dessa arquitetura que oferece testes relacionados à programação, use o exemplo de código do tutor de Python disponível no GitHub.

A seguir

Colaboradores

Autora: Samantha He | Redatora técnica

Outros colaboradores: