本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 建置 AI 代理程式
Amazon Nova 模型已針對使用 Amazon Nova Act 建置 AI 代理器進行最佳化。這些模型提供改善的工具使用、改善多步驟任務的推理、增強在複雜客服人員工作流程之間維護內容的能力，以及支援遠端 MCP 工具。
## 建立代理程式
使用 Nova 建置的 AI 代理器可以協調多個工具呼叫、維持延伸互動的內容，並在需要時更正課程。延伸思考透過透過複雜目標啟用系統推理來轉換代理程式工作流程。考慮使用規劃架構 SDK，例如 Strands Agents，讓您的代理系統的規劃和執行程序更強大。
### 代理程式設計模式
使用 Nova 設計代理程式時：
+ 針對需要規劃和驗證的複雜多步驟工作流程，在中等或高層級上啟用推理，以獲得最佳結果
+ 實作工具選擇`auto`，以允許跨客服人員互動的彈性工具選擇
+ 設計錯誤處理，允許代理程式使用修改過的方法來復原和重試
+ 維護對話歷史記錄，以保留客服人員互動的內容
+ 在代理程式系統使用的未受控制內容中，實作強大的內容篩選和管制機制。例如，Amazon 提供 Amazon Bedrock Guardrails，這項功能旨在跨多個基礎模型、知識庫和代理程式套用保護措施。這些護欄可以篩選有害內容、封鎖拒絕的主題，以及修訂敏感資訊，例如個人身分識別資訊。
### 多工具代理程式範例
```
tool_config = {
"tools": [
{
"toolSpec": {
"name": "calculator",
"description": "Perform mathematical calculations",
"inputSchema": {
"json": {
"type": "object",
"properties": {
"expression": {
"type": "string",
"description": "Mathematical expression to evaluate"
}
},
"required": ["expression"]
}
}
}
},
{
"toolSpec": {
"name": "database_query",
"description": "Query financial database for historical data",
"inputSchema": {
"json": {
"type": "object",
"properties": {
"query": {
"type": "string",
"description": "SQL query to execute"
}
},
"required": ["query"]
}
}
}
}
]
}
response = client.converse(
modelId=" us.amazon.nova-2-lite-v1:0",
messages=[{
"role": "user",
"content": [{
"text": "Analyze our Q3 financial performance across all business units, calculate year-over-year growth rates with statistical significance testing, and recommend budget allocation strategies for Q4."
}]
}],
toolConfig=tool_config,
inferenceConfig={"maxTokens": 10000, "temperature": 1, “topP”: 0.9},
additionalModelRequestFields={
"reasoningConfig": {
"type": "enabled",
"maxReasoningEffort": "low"
}
}
)
```
## 調用代理程式
客服人員調用涉及管理對話流程、處理工具呼叫，以及維護多個互動的狀態。
### 串流代理程式回應
串流回應以提供客服人員推理和動作的即時可見性：
```
import boto3
response = client.converse_stream(
modelId=" us.amazon.nova-2-lite-v1:0",
messages=[{
"role": "user",
"content": [{
"text": "Design a scalable microservices architecture for an e-commerce platform handling 1M+ daily transactions. Consider data consistency, fault tolerance, performance, security, and cost optimization."
}]
}],
inferenceConfig={"maxTokens": 10000, "temperature": 10},
additionalModelRequestFields={
"reasoningConfig": {
"type": "enabled",
"maxReasoningEffort": "low"
}
}
)
# Process the streaming response
reasoning_complete = False
for event in response["stream"]:
if "contentBlockDelta" in event:
delta = event["contentBlockDelta"]["delta"]
if "reasoningContent" in delta:
reasoning_text = delta["reasoningContent"]["reasoningText"]["text"]
print(f"{reasoning_text}", end="", flush=True)
elif "text" in delta:
if not reasoning_complete:
print(f"
Final Architecture Design:
")
reasoning_complete = True
print(f"{delta['text']}", end="", flush=True)
```
### 客服人員狀態管理
維護對話歷史記錄和工具結果以保留內容；以下範例示範一次，但開發人員可以根據工作流程需求判斷如何協調整體客服人員系統。此外，Strands 等 Amazon Web Services 工具會代表開發人員管理代理程式內容和工具狀態。
```
messages = []
messages = []
# Initial user query
messages.append({
"role": "user",
"content": [{"text": user_query}]
})
# Get agent response
response = client.converse(
modelId=" us.amazon.nova-2-lite-v1:0",
messages=messages,
toolConfig=tool_config,
inferenceConfig=inf_params
)
# Add assistant response to history
messages.append(response["output"]["message"])
# Process tool calls and add results
if response["stopReason"] == "tool_use":
tool = next(
block["toolUse"]
for block in response["output"]["message"]["content"]
if "toolUse" in block
)
# Execute tool
result = execute_tool(tool["name"], tool["input"])
# Add tool result to conversation
messages.append({
"role": "user",
"content": [{
"toolResult": {
"toolUseId": tool["toolUseId"],
"content": [{"json": result}],
"status": "success"
}
}]
})
# Continue conversation
response = client.converse(
modelId=" us.amazon.nova-2-lite-v1:0",
messages=messages,
toolConfig=tool_config,
inferenceConfig=inf_params
)
```
### 客服人員最佳實務
如需客服人員最佳實務的詳細資訊，請參閱 [一般最佳實務](prompting-best-practices.md)。
如需開發對話式 AI 代理器的指引，請參閱 [Speech-to-Speech(Amazon Nova 2 Sonic)](using-conversational-speech.md)。