คู่มือการทำความเข้าใจ การสร้าง และการปรับให้เหมาะสมของตัวแทน API

บทบาทของปัญญาประดิษฐ์ (AI) ในบริษัทเทคโนโลยีกำลังพัฒนาอย่างรวดเร็ว โดยใช้กรณีการใช้งาน AI ที่พัฒนาจากการประมวลผลข้อมูลแบบพาสซีฟไปสู่ตัวแทน (agent) ที่สามารถดำเนินการได้ตามคำสั่ง ตามการสำรวจเกี่ยวกับการนำ AI ไปใช้ในระดับโลกที่จัดทำโดย Georgian และ NewtonX ในเดือนมีนาคม 2025 พบว่า 91% ของผู้บริหารด้านเทคนิคในบริษัทที่เติบโตและองค์กรใช้หรือวางแผนจะใช้ AI ตัวแทน

ตัวแทน API เป็นตัวอย่างหลักของการเปลี่ยนแปลงนี้ ตัวแทน API ใช้โมเดลภาษาขนาดใหญ่ (LLM) เพื่อโต้ตอบกับระบบซอฟต์แวร์ผ่าน Application Programming Interfaces (APIs)

ตัวอย่างเช่น โดยการแปลคำสั่งภาษาธรรมชาติเป็นคำสั่ง API ที่แม่นยำ ตัวแทนสามารถดึงข้อมูลแบบเรียลไทม์ อัตโนมัติรายการงาน หรือแม้แต่ควบคุมระบบซอฟต์แวร์อื่นได้ ความสามารถนี้เปลี่ยนตัวแทน AI ให้กลายเป็นตัวกลางที่มีประโยชน์ระหว่างความตั้งใจของมนุษย์และฟังก์ชันซอฟต์แวร์

บริษัทต่างๆ กำลังใช้ตัวแทน API ในหลายโดเมน รวมถึง:

• แอปพลิเคชันสำหรับผู้บริโภค: ผู้ช่วยอย่าง Apple’s Siri หรือ Amazon’s Alexa ได้รับการออกแบบมาเพื่อทำให้การทำงานประจำวันง่ายขึ้น เช่น การควบคุมอุปกรณ์สมาร์ทโฮมและการจอง
• เวิร์กโฟลว์ระดับองค์กร: องค์กรได้นำตัวแทน API ไปใช้เพื่อทำให้การทำงานซ้ำๆ อัตโนมัติ เช่น การดึงข้อมูลจาก CRM การสร้างรายงาน หรือการรวมข้อมูลจากระบบภายใน
• การดึงข้อมูลและการวิเคราะห์: องค์กรใช้ตัวแทน API เพื่อทำให้การเข้าถึงชุดข้อมูลที่เป็นกรรมสิทธิ์ ทรัพยากรแบบสมัครสมาชิก และ API สาธารณะง่ายขึ้น เพื่อสร้างข้อมูลเชิงลึก

ในบทความนี้ ฉันจะใช้แนวทางด้านวิศวกรรมในการทำความเข้าใจ การสร้าง และการปรับให้เหมาะสมของตัวแทน API สิ่งเหล่านี้อ้างอิงจากงานวิจัยและพัฒนาที่ทำโดยห้องปฏิบัติการ AI ของ Georgian

คำถามที่กระตุ้นให้เกิดการวิจัยของห้องปฏิบัติการ AI ในเรื่องตัวแทน API คือ “หากองค์กรมี API อะไรคือวิธีที่มีประสิทธิภาพที่สุดในการสร้างตัวแทนให้สามารถเชื่อมต่อกับ API โดยใช้ภาษาธรรมชาติ?”

ฉันจะอธิบายว่าตัวแทน API ทำงานอย่างไร และวิธีการออกแบบและพัฒนาตัวแทนเหล่านี้ให้สำเร็จสิ้น สุดท้าย ฉันจะให้กระบวนการทำงานที่เป็นระบบซึ่งทีมวิศวกรรมสามารถใช้เพื่อนำตัวแทน API ไปใช้

I. คำจำกัดความหลัก

• API หรือ Application Programming Interface: ชุดของกฎและโพรโทคอลที่ทำให้แอปพลิเคชันซอฟต์แวร์ต่างๆ สามารถสื่อสารและแลกเปลี่ยนข้อมูลกันได้
• ตัวแทน (Agent): ระบบ AI ที่ออกแบบมาเพื่อรับรู้สภาพแวดล้อม ตัดสินใจ และดำเนินการเพื่อบรรลุเป้าหมายที่เฉพาะเจาะจง
• ตัวแทน API (API-Calling Agent): ตัวแทน AI พิเศษที่แปลคำสั่งภาษาธรรมชาติเป็นคำสั่ง API ที่แม่นยำ
• ตัวแทนสร้างโค้ด (Code Generating Agent): ระบบ AI ที่ช่วยในการพัฒนาซอฟต์แวร์โดยการเขียน แก้ไข และแก้บั๊กโค้ด แม้ว่าจะเกี่ยวข้อง แต่ฉันเน้นไปที่ตัวแทน API ที่เรียกใช้ API เป็นหลัก
• MCP (Model Context Protocol): โพรโทคอลที่กำหนดวิธีการที่โมเดลภาษาขนาดใหญ่ (LLM) สามารถเชื่อมต่อกับเครื่องมือและแหล่งข้อมูลภายนอกได้

II. งานหลัก: แปลภาษาธรรมชาติเป็นคำสั่ง API

ฟังก์ชันหลักของตัวแทน API คือการแปลคำสั่งภาษาธรรมชาติของผู้ใช้และแปลงเป็นคำสั่ง API ที่แม่นยำ

กระบวนการนี้มักเกี่ยวข้องกับ:

1. การรับรู้ความตั้งใจ (Intent Recognition): ทำความเข้าใจเป้าหมายของผู้ใช้ แม้ว่าจะแสดงออกมาอย่างไม่ชัดเจนก็ตาม
2. การคัดเลือกเครื่องมือ (Tool Selection): ระบุจุดสิ้นสุด API ที่เหมาะสม (หรือ “เครื่องมือ”) จากชุดตัวเลือกที่มีอยู่ที่สามารถตอบสนองความตั้งใจได้
3. การดึงพารามิเตอร์ (Parameter Extraction): ระบุและดึงพารามิเตอร์ที่จำเป็นสำหรับการเรียก API ที่เลือกจากคำสั่งภาษาธรรมชาติของผู้ใช้
4. การดำเนินการและการสร้างคำตอบ (Execution and Response Generation): ดำเนินการเรียก API รับคำตอบ และสร้างคำตอบที่สอดคล้องกันหรือดำเนินการตามลำดับ

พิจารณาคำสั่งเช่น “เฮ้ Siri, สภาพอากาศวันนี้เป็นอย่างไร?” ตัวแทนจะต้องระบุความจำเป็นในการเรียก API สภาพอากาศ ระบุตำแหน่งปัจจุบันของผู้ใช้ (หรืออนุญาตให้ระบุตำแหน่ง) และสร้างคำสั่ง API เพื่อดึงข้อมูลสภาพอากาศ

ตัวอย่างการเรียก API อาจดูเหมือน:

GET /v1/weather?location=New%20York&units=metric

ความท้าทายในระดับสูงคือความคลุมเครือของภาษาธรรมชาติและความจำเป็นที่ตัวแทนจะต้องรักษาความต่อเนื่องในการโต้ตอบหลายขั้นตอน

ตัวอย่างเช่น ตัวแทนจะต้อง “จำ” ส่วนก่อนหน้าของการสนทนาหรือผลลัพธ์การเรียก API ก่อนหน้าเพื่อแจ้งการดำเนินการปัจจุบัน การสูญเสียบริบทเป็นโหมดการล้มเหลวที่พบบ่อยหากไม่ได้รับการจัดการอย่างชัดเจน

III. การออกแบบวิธีแก้ปัญหา: ส่วนประกอบและโพรโทคอลหลัก

การสร้างตัวแทน API ที่มีประสิทธิภาพต้องใช้แนวทางด้านสถาปัตยกรรมที่มีโครงสร้าง

1. การกำหนด “เครื่องมือ” สำหรับตัวแทน

เพื่อให้ LLM ใช้ API ได้ ความสามารถของ API ต้องอธิบายให้ LLM เข้าใจได้

การกำหนดเครื่องมือที่มีประสิทธิภาพประกอบด้วย:

• คำอธิบายภาษาธรรมชาติที่ชัดเจนเกี่ยวกับวัตถุประสงค์และฟังก์ชันของเครื่องมือ
• การกำหนดพารามิเตอร์输入ที่แม่นยำ (ชื่อ, ประเภท, ความจำเป็น, และคำอธิบาย)
• คำอธิบายเกี่ยวกับข้อมูลที่เครื่องมือคืนมา

2. บทบาทของ Model Context Protocol (MCP)

MCP เป็นตัวช่วยสำคัญในการใช้เครื่องมือที่เป็นมาตรฐานและแข็งแกร่งสำหรับ LLM

การทำให้ MCP มาตรฐานเป็นประโยชน์เพราะช่วยให้การรวมเครื่องมือที่หลากหลายง่ายขึ้น ส่งเสริมการนำคำจำกัดความเครื่องมือไปใช้ซ้ำในตัวแทนหรือโมเดลที่แตกต่างกัน

นอกจากนี้ยังเป็นแนวทางปฏิบัติที่ดีสำหรับทีมวิศวกรรมในการเริ่มต้นด้วยการกำหนด API ที่ชัดเจน เช่น OpenAPI

เครื่องมืออย่าง Stainless.ai ได้รับการออกแบบมาเพื่อช่วยแปลง OpenAPI สเปคให้เป็น MCP

3. แฟรมเวิร์กตัวแทนและการเลือกการนำไปใช้

มีแฟรมเวิร์กหลายตัวที่สามารถช่วยในการสร้างตัวแทนได้

รวมถึง:

• Pydantic: แม้ว่าไม่ใช่แฟรมเวิร์กตัวแทนโดยเฉพาะ แต่ Pydantic มีประโยชน์ในการกำหนดโครงสร้างข้อมูลและรับประกันความปลอดภัยของประเภทสำหรับอินพุตและเอาต์พุตเครื่องมือ ซึ่งสำคัญสำหรับความน่าเชื่อถือ
• LastMile’s mcp_agent: แฟรมเวิร์กนี้ได้รับการออกแบบมาเพื่อทำงานกับ MCP โดยเฉพาะ โดยให้โครงสร้างที่มีความคิดเห็นมากกว่าซึ่งสอดคล้องกับแนวทางปฏิบัติที่ดีในการสร้างตัวแทน
• แฟรมเวิร์กภายใน: ยังเป็นเรื่องธรรมดาที่จะใช้ตัวแทน AI ที่สร้างโค้ด (โดยใช้เครื่องมืออย่าง Cursor หรือ Cline) เพื่อช่วยเขียนโค้ดสำหรับตัวแทน โครงสร้างเครื่องมือ และตรรกะโดยรอบ

IV. วิศวกรรมสำหรับความน่าเชื่อถือและประสิทธิภาพ

การรับประกันว่าตัวแทนจะเรียก API ได้อย่างน่าเชื่อถือและทำงานได้ดี ต้องการความพยายามด้านวิศวกรรมที่มุ่งเน้น

สองวิธีในการทำเช่นนี้คือ (1) การสร้างและตรวจสอบชุดข้อมูล และ (2) การปรับให้เหมาะสมคำสั่งและตรรกะ

1. การสร้างและตรวจสอบชุดข้อมูล

การฝึกอบรม (หากใช้), ทดสอบ และปรับให้เหมาะสมตัวแทนจำเป็นต้องมีชุดข้อมูลที่มีคุณภาพสูง

ชุดข้อมูลนี้ควรประกอบด้วยคำสั่งภาษาธรรมชาติที่เป็นตัวแทนและลำดับหรือผลลัพธ์การเรียก API ที่ต้องการ

• การสร้างด้วยตนเอง: การสร้างชุดข้อมูลด้วยตนเองรับประกันความแม่นยำและความเกี่ยวข้องสูง แต่อาจใช้เวลานาน
• การสร้างสังเคราะห์: การสร้างข้อมูลโดยโปรแกรมหรือโดยใช้ LLM สามารถปรับขนาดการสร้างชุดข้อมูล แต่มีความท้าทายที่สำคัญ

สำหรับการประเมินอย่างมีนัยสำคัญ ชุดข้อมูลขนาดเล็กที่มีคุณภาพสูงและตรวจสอบด้วยตนเองมักให้ข้อมูลเชิงลึกที่น่าเชื่อถือมากกว่าชุดข้อมูลสังเคราะห์ที่ใหญ่แต่เสียง

2. การปรับให้เหมาะสมคำสั่งและตรรกะ

ประสิทธิภาพของตัวแทน LLM ขึ้นอยู่กับคำสั่งที่ใช้ในการชี้นำการให้เหตุผลและการเลือกเครื่องมือ

การปรับให้เหมาะสมที่มีประสิทธิภาพเกี่ยวข้องกับการกำหนดงานของตัวแทนอย่างชัดเจน การให้คำอธิบายเครื่องมือที่มีอยู่ และการสร้างคำสั่งเพื่อส่งเสริมการดึงพารามิเตอร์ที่แม่นยำ

V. เส้นทางที่แนะนำสำหรับตัวแทน API ที่มีประสิทธิภาพ

การสร้างตัวแทน API ที่มีประสิทธิภาพเป็นวิศวกรรมที่ต้องทำซ้ำ

ตามผลการวิจัยของห้องปฏิบัติการ AI ของ Georgian สามารถปรับปรุงผลลัพธ์ได้โดยใช้กระบวนการทำงานที่เป็นระบบ เช่น:

1. เริ่มต้นด้วยการกำหนด API ที่ชัดเจน: เริ่มต้นด้วยการกำหนด OpenAPI ที่มีโครงสร้างสำหรับ API ที่ตัวแทนจะโต้ตอบ
2. การทำให้การเข้าถึงเครื่องมือเป็นมาตรฐาน: แปลงสเปค OpenAPI ให้เป็น MCP เครื่องมืออย่าง Stainless.ai สามารถช่วยในการแปลงนี้ได้
3. การนำตัวแทนไปใช้: เลือกแฟรมเวิร์กหรือแนวทางที่เหมาะสม
4. การสร้างชุดข้อมูลสำหรับการประเมินคุณภาพ: สร้างหรือตรวจสอบชุดข้อมูลของคำสั่งและปฏิกิริยา API ที่คาดหวังอย่างรอบคอบ
5. การปรับให้เหมาะสมคำสั่งและตรรกะของตัวแทน: ใช้แฟรมเวิร์กอย่าง DSPy เพื่อปรับปรุงคำสั่งและตรรกะภายในของตัวแทนโดยใช้ชุดข้อมูลเพื่อขับเคลื่อนการปรับปรุงความแม่นยำและความน่าเชื่อถือ

VI. ตัวอย่างการทำงานที่เป็นภาพ

ต่อไปนี้คือตัวอย่างที่ทำให้กระบวนการทำงานที่แนะนำสำหรับการสร้างตัวแทน API ง่ายขึ้น:

ขั้นตอนที่ 1: เริ่มต้นด้วยการกำหนด API ที่ชัดเจน

สมมติว่า API สำหรับการจัดการรายการงานที่เรียบง่ายที่กำหนดไว้ใน OpenAPI:

openapi: 3.0.0

info:

title: รายการงาน API

version: 1.0.0

paths:

/tasks:

post:

summary: เพิ่มงานใหม่

requestBody:

required: true

content:

application/json:

schema:

type: object

properties:

description:

type: string

responses:

‘201’:

description: งานสร้างเสร็จสิ้น

ขั้นตอนที่ 2: การทำให้การเข้าถึงเครื่องมือเป็นมาตรฐาน

แปลงสเปค OpenAPI ให้เป็น MCP โดยใช้เครื่องมืออย่าง Stainless.ai:

ตาราง:

เครื่องมือ | คำอธิบาย | พารามิเตอร์ข้อมูลเข้า | คำอธิบายผลลัพธ์

เพิ่มงาน | เพิ่มงานใหม่ในรายการงาน | `description` (สตริง, จำเป็น): คำอธิบายของงาน | ยืนยันการสร้างงาน

รับงาน | รับงานทั้งหมดจากรายการงาน | ไม่มี | รายการงานพร้อมคำอธิบาย

ขั้นตอนที่ 3: การนำตัวแทนไปใช้

โดยใช้ Pydantic สำหรับการสร้างแบบจำลองข้อมูล สร้างฟังก์ชันสอดคล้องกับเครื่องมือ MCP จากนั้นใช้ LLM เพื่อแปลคำสั่งภาษาธรรมชาติและเลือกเครื่องมือและพารามิเตอร์ที่เหมาะสม

ขั้นตอนที่ 4: การสร้างชุดข้อมูลสำหรับการประเมินคุณภาพ

สร้างชุดข้อมูล:

คำสั่ง | การเรียก API ที่คาดหวัง | ผลลัพธ์ที่คาดหวัง

“เพิ่ม ‘ซื้อของชำ’ ในรายการของฉัน” | `เพิ่มงาน` โดยมี `description` = “ซื้อของชำ” | ยืนยันการสร้างงาน

“อะไรอยู่ในรายการของฉัน?” | `รับงาน` | รายการงาน รวม “ซื้อของชำ”

ขั้นตอนที่ 5: การปรับให้เหมาะสมคำสั่งและตรรกะของตัวแทน

ใช้ DSPy เพื่อปรับปรุงคำสั่ง โดยเน้นไปที่คำสั่งที่ชัดเจน การเลือกเครื่องมือ และการดึงพารามิเตอร์โดยใช้ชุดข้อมูลที่สร้างขึ้นสำหรับการประเมินและปรับปรุง

โดยการรวมบล็อกการสร้างเหล่านี้ – จากการกำหนด API ที่มีโครงสร้างและโพรโทคอลเครื่องมือมาตรฐานไปจนถึงการปฏิบัติด้านข้อมูลอย่างเข้มงวดและการปรับให้เหมาะสมอย่างเป็นระบบ – ทีมวิศวกรรมสามารถสร้างตัวแทน API ที่เรียกใช้ได้ มีความน่าเชื่อถือ และสามารถบำรุงรักษาได้