Connect with us

Unite.AI

Rodrigo Ceballos Lentini, AI Tech Lead, Georgian AI Lab

Rodrigo Ceballos Lentini ist ein AI Tech Lead in Georgian’s AI Lab, wo er Portfoliounternehmen hilft, greifbare Ergebnisse aus generativen und agierenden KI-Projekten zu erzielen. Rodrigo hält einen Master-Abschluss in Neuralen Systemen und Rechnung mit dem Schwerpunkt Computer Vision von ETH Zürich.

Vordenker June 10, 2025

Leitfaden zum Verständnis, Aufbau und Optimieren von API-aufrufenden Agenten To-Do-Liste-API version: 1.0.0 paths: /aufgaben: post: zusammenfassung: Eine neue Aufgabe hinzufügen anforderungskörper: erforderlich: wahr inhalt: anwendung/json: schema: typ: objekt eigenschaften: beschreibung: typ: zeichenfolge antworten: ‘201’: beschreibung: Aufgabe erfolgreich erstellt Schritt 2: Standardisieren Sie den Tool-Zugriff Konvertieren Sie die OpenAPI-Spezifikation in Model Context Protocol (MCP)-Konfigurationen. Mit einem Tool wie Stainless.ai könnte dies Folgendes ergeben: Tool-Name Beschreibung Eingabeparameter Ausgabebeschreibung Aufgabe hinzufügen Fügt eine neue Aufgabe zur To-Do-Liste hinzu. `beschreibung` (Zeichenfolge, erforderlich): Die Beschreibung der Aufgabe. Bestätigung der Aufgabeerstellung. Aufgaben abrufen Ruft alle Aufgaben aus der To-Do-Liste ab. Keine Eine Liste von Aufgaben mit ihren Beschreibungen. Schritt 3: Implementieren Sie den Agenten Verwenden Sie Pydantic für die Datenmodellierung und erstellen Sie Funktionen, die den MCP-Tools entsprechen. Verwenden Sie dann ein LLM, um natürliche Sprachabfragen zu interpretieren und das geeignete Tool und die Parameter auszuwählen. Schritt 4: Kuratieren Sie einen qualitativ hochwertigen Evaluierungsdatensatz Erstellen Sie einen Datensatz: Abfrage Erwarteter API-Aufruf Erwartetes Ergebnis “Fügen Sie ‘Einkaufen’ meiner Liste hinzu.” `Aufgabe hinzufügen` mit `beschreibung` = “Einkaufen” Bestätigung der Aufgabeerstellung “Was ist auf meiner Liste?” `Aufgaben abrufen` Liste von Aufgaben, einschließlich “Einkaufen” Schritt 5: Optimieren Sie Agenten-Prompts und -Logik Verwenden Sie DSPy, um die Prompts zu verfeinern, wobei Sie klare Anweisungen, Tool-Auswahl und Parameter-Extraktion mithilfe des kuratierten Datensatzes für die Bewertung und Verbesserung konzentrieren. Durch die Integration dieser Bausteine – von strukturierten API-Definitionen und standardisierten Tool-Protokollen bis hin zu strengen Datenpraktiken und systematischer Optimierung – können Ingenieursteams leistungsfähigere, zuverlässigere und wartbare API-aufrufende künstliche Intelligenz-Agenten bauen.