Construye agentes de IA de producción con AgentKit de OpenAI

En el entorno en rápida evolución de la Inteligencia Artificial, el paradigma está cambiando de las interfaces de chat pasivas a agentes autónomos capaces de ejecutar flujos de trabajo complejos. Para los directores de tecnología y ingenieros senior, el desafío no solo radica en la ingeniería de prompts, sino en la coordinación de estados, herramientas y entornos de ejecución para crear sistemas fiables.

Este artículo explora la arquitectura y la implementación de agentes listos para producción utilizando el ecosistema de OpenAI«...para aprovechar al máximo el ecosistema, específicamente utilizando la API de Asistentes y las capacidades de llamada a funciones, para ofrecer una solución robusta».agentes de IA personalizados.

La arquitectura Agente: Más allá del chatbot

Un agente listo para su uso difiere fundamentalmente de un chatbot. Mientras que un chatbot recupera e integra información, un agente percibe, razona, actúa e itera. Para construir sistemas de agentes escalables, debemos ir más allá de los ciclos simples de solicitud-respuesta e implementar una arquitectura cognitiva que apoye:

1. Interfaz de Herramientas: Una forma estructurada para que el modelo interactúe con entornos externos (bases de datos, APIs, sistemas de archivos).
2. Gestión del Estado: Hilos persistentes que mantienen el contexto en bucles de ejecución de múltiples pasos.
3. Bucle de Razonamiento: La capacidad de evaluar resultados intermedios y determinar la siguiente acción sin intervención del usuario.

La API de Asistentes de OpenAI encapsula estos requisitos en un "conjunto" manejable que incluye Threads, Runs y Herramientas.

Equipo de Ingeniería de Software Compartido Bajo Demanda, Por Suscripción.

Acceda a un equipo flexible y compartido de ingeniería de software bajo demanda a través de una suscripción mensual predecible. Desarrolladores, diseñadores, ingenieros de QA y un gestor de proyectos gratuito le ayudan a crear MVPs, escalar productos e innovar con tecnologías modernas como React, Node.js, y más.

Try 4Geeks Teams

Paso 1: Definir el esquema y las herramientas del Agente

El núcleo de cualquier agente es su capacidad para interactuar con sistemas externos. Definimos esta capacidad utilizando Llamada a funciones. A diferencia de las simples descripciones de prompts, las llamadas a funciones requieren definiciones estrictas de Esquema JSON, que garantizan que el Modelo de Lenguaje Grande (LLM) genere payloads estructurados y ejecutables.

Aquí hay una implementación en Python que utiliza el SDK de openai para definir un agente de análisis financiero equipado con herramientas específicas:

import os
from openai import OpenAI
from typing import Dict, Any

client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))

# Define the tool (function) schema
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_stock_fundamentals",
            "description": "Retrieves fundamental data for a given stock symbol.",
            "parameters": {
                "type": "object",
                "properties": {
                    "symbol": {
                        "type": "string",
                        "description": "The stock ticker symbol, e.g., AAPL for Apple Inc."
                    },
                    "metrics": {
                        "type": "array",
                        "items": {"type": "string", "enum": ["PE_Ratio", "EPS", "Market_Cap"]},
                        "description": "List of specific metrics to retrieve."
                    }
                },
                "required": ["symbol"]
            }
        }
    }
]

# Initialize the Agent (Assistant)
assistant = client.beta.assistants.create(
    name="Financial Analyst Agent",
    instructions="You are a financial analyst. Use the available tools to analyze stock data. Always cite the metric values explicitly.",
    model="gpt-4-turbo",
    tools=tools
)

print(f"Agent Initialized: {assistant.id}")

Paso 2: Orquestar el bucle de ejecución

En un entorno de producción, la latencia y la fiabilidad son fundamentales. El bucle de ejecución debe gestionar la decisión del modelo para llamar a una herramienta, la ejecución real de esa herramienta (que se realiza en el servidor en su infraestructura), y la entrega de los resultados de vuelta al modelo.

Este proceso implica la consulta o el streaming de eventos. A continuación, se muestra un patrón robusto para manejar el estado requiere acciónrequires_actionel desarrollo de agentes de IA personalizados donde la lógica de negocio debe permanecer segura dentro de su entorno.

Equipo de Ingeniería de Software Compartido Bajo Demanda, Por Suscripción.

Acceda a un equipo flexible y compartido de ingeniería de software bajo demanda a través de una suscripción mensual predecible. Desarrolladores, diseñadores, ingenieros de control de calidad y un gerente de proyecto gratuito le ayudan a construir MVPs, escalar productos e innovar con tecnologías modernas como React, Node.js y más.

Try 4Geeks Teams

import time
import json

def get_stock_fundamentals(symbol: str, metrics: list = None) -> str:
    # Mocking an external API call to a financial data provider
    # In production, this would connect to Bloomberg, AlphaVantage, or internal DBs
    mock_db = {
        "AAPL": {"PE_Ratio": "28.5", "EPS": "6.43", "Market_Cap": "2.8T"},
        "GOOGL": {"PE_Ratio": "24.1", "EPS": "5.80", "Market_Cap": "1.9T"}
    }
    data = mock_db.get(symbol, {})
    return json.dumps(data)

def execute_run_loop(thread_id: str, assistant_id: str):
    run = client.beta.threads.runs.create(
        thread_id=thread_id,
        assistant_id=assistant_id
    )

    while True:
        # Check run status
        run_status = client.beta.threads.runs.retrieve(
            thread_id=thread_id,
            run_id=run.id
        )
        print(f"Current Status: {run_status.status}")

        if run_status.status == 'completed':
            messages = client.beta.threads.messages.list(thread_id=thread_id)
            return messages.data[0].content[0].text.value
        
        elif run_status.status == 'requires_action':
            # The agent wants to execute a tool
            tool_calls = run_status.required_action.submit_tool_outputs.tool_calls
            tool_outputs = []
            
            for tool_call in tool_calls:
                func_name = tool_call.function.name
                args = json.loads(tool_call.function.arguments)
                
                print(f"Agent invoking: {func_name} with {args}")
                
                if func_name == "get_stock_fundamentals":
                    output = get_stock_fundamentals(
                        symbol=args.get("symbol"),
                        metrics=args.get("metrics")
                    )
                    tool_outputs.append({
                        "tool_call_id": tool_call.id,
                        "output": output
                    })
            
            # Submit results back to the thread to continue execution
            client.beta.threads.runs.submit_tool_outputs(
                thread_id=thread_id,
                run_id=run.id,
                tool_outputs=tool_outputs
            )
            
        elif run_status.status in ['failed', 'cancelled', 'expired']:
            raise Exception(f"Run failed with error: {run_status.last_error}")
            
        time.sleep(1) # Polling interval

# Example Usage
thread = client.beta.threads.create()
client.beta.threads.messages.create(
    thread_id=thread.id,
    role="user",
    content="Analyze the PE Ratio and Market Cap for Apple and Google."
)

response = execute_run_loop(thread.id, assistant.id)
print(f"Final Response: {response}")

Paso 3: Gestión del estado y la persistencia

Para aplicaciones empresariales, la gestión del estado se extiende más allá de una sola sesión. El objeto HiloThreaddesarrollo de agentes de IA personalizados sea viable, debe mapear estos hilos a sus identificadores de usuario internos o claves de sesión.

Mejor Práctica: Almacene el thread_id en su base de datos relacional (PostgreSQL o MySQL) junto al perfil del usuario. Esto permite que el agente recuerde interacciones anteriores, incluso días o semanas después, brindando una continuidad verdaderamente personalizada.

Paso 4: Manejo de Determinismo y Seguridad

Uno de los principales riesgos al implementar agentes de IA generativa es su comportamiento no determinista. Para mitigar esto en un entorno de producción:

1. Establecer la temperatura en 0: Para los agentes que ejecutan lógica o recuperación de datos, es esencial un bajo nivel de aleatoriedad.
2. Fortalecimiento del prompt del sistema: Definir explícitamente lo que el agente no puede
3. hacer. Utilice restricciones negativas en las instrucciones del sistema.Validación de la salida:

Conclusión

Crear agentes con las herramientas de OpenAI traslada la complejidad del entendimiento del lenguaje natural a la ingeniería de sistemas. El enfoque se centra en definir interfaces de API limpias, gestionar los bucles de ejecución asíncronos y garantizar un manejo robusto de los errores. Al utilizar la API de Assistants, los ingenieros pueden abstraer la gestión de la ventana de contexto y centrarse en la lógica de negocio que hace que el agente sea valioso.

Para organizaciones que buscan ampliar sus capacidades de IA, asociarse con una empresa de ingeniería especializada a menudo es el catalizador necesario para pasar de la fase de prueba a la producción.4Geeks, una empresa global especializada en productos, crecimiento e IA, se especializa enel desarrollo de agentes de IA personalizados, ayudando a las empresas a diseñar e implementar sistemas inteligentes seguros y de alto rendimiento.

Equipo de Ingeniería de Software Compartido Bajo Demanda, Por Suscripción.

Acceda a un equipo flexible y compartido de ingeniería de software bajo demanda a través de una suscripción mensual predecible. Desarrolladores, diseñadores, ingenieros de control de calidad y un gerente de proyectos gratuito le ayudan a construir MVPs, escalar productos e innovar con tecnologías modernas como React, Node.js y más.

Try 4Geeks Teams

Preguntas frecuentes