Agents IA génératifs avec Amazon Bedrock | fr

La pression constante pour maintenir l’efficacité opérationnelle est un défi auquel sont confrontées les entreprises de toutes tailles. Ce défi est encore amplifié par les volumes de données toujours croissants, la complexité des systèmes et le nombre considérable d’interactions clients à gérer. Les processus manuels traditionnels et la nature souvent disparate des sources d’information peuvent entraîner des goulots d’étranglement importants. Ces obstructions ralentissent la prise de décision et empêchent les équipes de consacrer leur temps et leur énergie à des tâches à plus forte valeur ajoutée qui font réellement avancer les choses. Les agents d’IA générative représentent une solution transformatrice. Ces agents peuvent automatiquement s’interfacer avec les systèmes existants d’une entreprise, exécuter un large éventail de tâches et fournir des informations instantanées. Cela permet aux organisations de faire évoluer efficacement leurs opérations sans augmentation correspondante de la complexité.

Amazon Bedrock dans SageMaker Unified Studio répond directement à ces défis omniprésents. Il offre un service unifié conçu pour construire des solutions basées sur l’IA. Cette plateforme centralise les données clients et permet des interactions en langage naturel, ce qui la rend intuitive et conviviale. Un avantage clé est son intégration transparente avec les applications existantes. Il intègre également des fonctionnalités essentielles d’Amazon Bedrock, notamment une large sélection de modèles de fondation (FM), des capacités d’ingénierie de prompt, des bases de connaissances pour la compréhension contextuelle, des agents pour l’exécution de tâches, des flux pour l’orchestration des workflows, des outils d’évaluation pour la surveillance des performances et des garde-fous pour le développement responsable de l’IA. Les utilisateurs peuvent accéder facilement à cette suite complète de fonctionnalités d’IA via le système d’authentification unique (SSO) de leur organisation. Cela favorise la collaboration entre les membres de l’équipe et permet d’affiner les applications d’IA sans nécessiter d’accès direct à la console de gestion AWS.

Agents basés sur l’IA générative pour des workflows automatisés

Amazon Bedrock dans SageMaker Unified Studio vous permet de créer et de déployer des agents d’IA générative sophistiqués. Ces agents peuvent s’intégrer de manière transparente aux applications, bases de données et même aux systèmes tiers de votre organisation. Ce niveau d’intégration permet des interactions en langage naturel sur l’ensemble de votre pile technologique. L’agent de chat agit comme un pont crucial, reliant des systèmes d’information complexes à une communication conviviale. En tirant parti des fonctions Amazon Bedrock et des bases de connaissances Amazon Bedrock, l’agent acquiert la capacité de se connecter à diverses sources de données. Ces sources peuvent aller des API JIRA pour le suivi de l’état des projets en temps réel aux systèmes de gestion de la relation client (CRM) pour la récupération des informations client. L’agent peut également mettre à jour les tâches du projet, gérer les préférences des utilisateurs, et bien plus encore.

Cette fonctionnalité complète offre des avantages significatifs à diverses équipes au sein d’une organisation. Les équipes de vente et de marketing peuvent accéder rapidement aux informations client et à leurs horaires de réunion préférés. Les chefs de projet peuvent gérer efficacement les tâches et les échéances JIRA, optimisant ainsi les workflows des projets. Ce processus rationalisé, facilité par l’agent d’IA, conduit à une productivité accrue et à des interactions client améliorées dans toute l’organisation.

Présentation de la solution

Amazon Bedrock fournit un environnement gouverné et collaboratif, le tout au sein de SageMaker Unified Studio, pour construire et partager des applications d’IA générative. Examinons un exemple de solution pratique qui illustre la mise en œuvre d’un agent de gestion de la clientèle :

Chat agentique : Une application de chat agentique sophistiquée peut être construite en utilisant les fonctionnalités d’application de chat d’Amazon Bedrock. Cette application de chat peut être intégrée de manière transparente à des fonctions qui sont facilement construites à l’aide d’autres services AWS, tels qu’AWS Lambda pour le calcul sans serveur et Amazon API Gateway pour la création et la gestion d’API.
Gestion des données : SageMaker Unified Studio, en conjonction avec Amazon DataZone, offre une solution complète de gestion des données grâce à ses services intégrés. Les administrateurs de l’organisation ont un contrôle précis sur l’accès des membres aux modèles et fonctionnalités d’Amazon Bedrock. Cela garantit une gestion sécurisée des identités et un contrôle d’accès granulaire, maintenant la sécurité et la conformité des données.

Avant de nous plonger dans le déploiement de l’agent d’IA, il est utile de passer en revue les étapes clés de l’architecture.

Le workflow se déroule comme suit :

Authentification et interaction de l’utilisateur : L’utilisateur lance le processus en se connectant à SageMaker Unified Studio à l’aide des identifiants SSO de son organisation à partir d’AWS IAM Identity Center. Une fois authentifié, l’utilisateur interagit avec l’application de chat en utilisant le langage naturel, en posant des questions ou en faisant des demandes.
Invocation de fonction : L’application de chat Amazon Bedrock utilise intelligemment une fonction prédéfinie pour récupérer les informations pertinentes. Cette fonction peut être conçue pour récupérer les mises à jour de statut JIRA ou les informations client de la base de données. La récupération est effectuée via un point de terminaison sécurisé utilisant API Gateway.
Accès sécurisé et déclenchement Lambda : L’application de chat s’authentifie auprès d’API Gateway pour accéder en toute sécurité au point de terminaison désigné. Cette authentification est réalisée à l’aide d’une clé API générée aléatoirement et stockée en toute sécurité dans AWS Secrets Manager. En fonction de la demande de l’utilisateur, la fonction Lambda appropriée est déclenchée.
Exécution de l’action : La fonction Lambda, maintenant activée, exécute les actions spécifiques demandées par l’utilisateur. Cela implique d’appeler l’API JIRA ou d’interroger la base de données avec les paramètres nécessaires fournis par l’agent. L’agent est conçu pour gérer une variété de tâches, notamment :
1. Fournir un aperçu concis d’un client spécifique.
2. Lister les interactions récentes avec un client particulier.
3. Récupérer les préférences de réunion pour un client désigné.
4. Récupérer une liste des tickets JIRA ouverts associés à un projet spécifique.
5. Mettre à jour la date d’échéance d’un ticket JIRA particulier.

Prérequis

Pour suivre cette implémentation de solution et construire votre propre agent de gestion de la clientèle, vous aurez besoin des prérequis suivants :

Compte AWS : Un compte AWS actif est essentiel pour accéder aux services nécessaires.
Accès à SageMaker Unified Studio : L’accès utilisateur à Amazon Bedrock dans SageMaker Unified Studio est requis.
Accès au modèle : Vous aurez besoin d’un accès au modèle Amazon Nova Pro sur Amazon Bedrock. Assurez-vous que ce modèle est disponible dans une région AWS prise en charge.
Configuration de JIRA : Une application JIRA, son URL JIRA correspondante et un jeton d’API JIRA associé à votre compte sont nécessaires pour l’intégration avec JIRA.

Il est supposé que vous avez une compréhension de base des concepts fondamentaux du serverless sur AWS, y compris API Gateway, les fonctions Lambda et IAM Identity Center. Bien que cet article ne fournisse pas de définitions approfondies de ces services, nous allons démontrer leurs cas d’utilisation dans le contexte des nouvelles fonctionnalités d’Amazon Bedrock disponibles dans SageMaker Unified Studio.

Déploiement de la solution

Pour déployer la solution d’agent de gestion de la clientèle, suivez ces étapes :

Télécharger le code : Commencez par télécharger le code nécessaire à partir du référentiel GitHub fourni.
Récupérer les informations d’identification JIRA : Obtenez les valeurs pour JIRA_API_KEY_ARN, JIRA_URL et JIRA_USER_NAME pour la fonction Lambda. Ces informations d’identification seront utilisées pour s’authentifier auprès de votre instance JIRA.
Lancer la pile CloudFormation : Utilisez le modèle AWS CloudFormation fourni. Reportez-vous à la documentation sur “Créer une pile à partir de la console CloudFormation” pour obtenir des instructions détaillées sur le lancement de la pile dans votre région AWS préférée.
URL d’API Gateway : Une fois la pile CloudFormation déployée avec succès, accédez à l’onglet Outputs. Localisez et notez la valeur ApiInvokeURL. Cette URL représente le point de terminaison de votre API Gateway.
Configuration de Secrets Manager : Accédez à la console Secrets Manager. Trouvez les secrets correspondant à JIRA_API_KEY_ARN, JIRA_URL et JIRA_USER_NAME.
Mettre à jour les valeurs des secrets : Choisissez l’option Retrieve secret pour chaque secret. Copiez les variables correspondantes obtenues à l’étape 2 dans la chaîne de texte en clair du secret. Cela permettra de stocker en toute sécurité vos informations d’identification JIRA.
Se connecter à SageMaker Unified Studio : Connectez-vous à SageMaker Unified Studio en utilisant les identifiants SSO de votre organisation.

Création d’un nouveau projet

L’infrastructure étant en place, créons un nouveau projet dans SageMaker Unified Studio :

Création du projet : Sur la page d’accueil de SageMaker Unified Studio, lancez la création d’un nouveau projet.
Nommage du projet : Attribuez un nom descriptif à votre projet (par exemple, crm-agent).
Sélection du profil : Choisissez le profil de développement d’applications d’IA générative et continuez.
Paramètres par défaut : Acceptez les paramètres par défaut et continuez.
Confirmation : Vérifiez la configuration du projet et choisissez Create project pour confirmer.

Construction de l’application d’agent de chat

Maintenant, construisons le cœur de notre solution : l’application d’agent de chat :

Initiation de l’agent de chat : Dans la page d’accueil du projet crm-agent, localisez la section New sur le côté droit. Choisissez Chat agent pour commencer à construire votre application.
Cela présentera une liste de configurations pour votre application d’agent.
Sélection du modèle : Dans la section du modèle, sélectionnez un modèle de fondation (FM) souhaité pris en charge par Amazon Bedrock. Pour ce crm-agent, nous choisirons Amazon Nova Pro.
Définition du prompt système : Dans la section du prompt système, fournissez le prompt suivant. Ce prompt guidera le comportement et les réponses de l’agent. Vous pouvez éventuellement inclure des exemples d’entrée utilisateur et de réponses du modèle pour affiner davantage ses performances.

Vous êtes un agent de gestion de la relation client chargé d'aider un commercial à planifier son travail avec les clients. Vous disposez d'un point de terminaison d'API. Ce point de terminaison peut fournir des informations telles que l'aperçu de l'entreprise, l'historique des interactions de l'entreprise (heures et notes des réunions), les préférences de réunion de l'entreprise (type de réunion, jour de la semaine et heure de la journée). Vous pouvez également interroger les tâches Jira et mettre à jour leur chronologie. Après avoir reçu une réponse, nettoyez-la dans un format lisible. Si la sortie est une liste numérotée, formatez-la comme telle avec des caractères de nouvelle ligne et des numéros.
Création de la fonction : Dans la section Functions, choisissez Create a new function. Cette fonction définira les actions que l’agent peut effectuer.
Nommage de la fonction : Donnez à votre fonction un nom descriptif, tel que crm_agent_calling.
Schéma de la fonction : Pour le Function schema, utilisez la définition OpenAPI fournie dans le référentiel GitHub. Ce schéma définit les paramètres d’entrée et de sortie de votre fonction.
Configuration de l’authentification : Pour Authentication method, choisissez API Keys (Max. 2 Keys) et entrez les détails suivants :
1. Pour Key sent in, choisissez Header.
2. Pour Key name, entrez x-api-key.
3. Pour Key value, entrez la clé API de Secrets Manager.
Point de terminaison du serveur API : Dans la section API servers, entrez l’URL du point de terminaison que vous avez obtenue à partir des sorties CloudFormation (la ApiInvokeURL).
Finalisation de la fonction : Choisissez Create pour finaliser la création de la fonction.
Enregistrement de l’application : Dans la section Functions de l’application d’agent de chat, sélectionnez la fonction que vous venez de créer et choisissez Save pour terminer la création de l’application.

Exemples d’interactions

Explorons quelques exemples pratiques de la façon dont cet agent de chat peut être utilisé :

Cas d’utilisation 1 : Analyste CRM récupérant les détails du client

Un analyste CRM peut utiliser le langage naturel pour récupérer les détails du client stockés dans la base de données. Voici quelques exemples de questions qu’il pourrait poser :

“Donnez-moi un bref aperçu du client C-jkl101112.”
“Listez les 2 dernières interactions récentes pour le client C-def456.”
“Quelle méthode de communication le client C-mno131415 préfère-t-il ?”
“Recommandez l’heure et le canal de contact optimaux pour contacter C-ghi789 en fonction de ses préférences et de notre dernière interaction.”

L’agent, après avoir reçu ces demandes, interrogera intelligemment la base de données et fournira les réponses correspondantes dans un format clair et concis.

Cas d’utilisation 2 : Chef de projet gérant les tickets JIRA

Un chef de projet peut utiliser l’agent pour lister et mettre à jour les tickets JIRA. Voici quelques exemples d’interactions :

“Quelles sont les tâches JIRA ouvertes pour le projet id CRM ?”
“Veuillez mettre à jour la tâche JIRA CRM-3 à 1 semaine.”

L’agent accédera au tableau JIRA, récupérera les informations pertinentes sur le projet et fournira une liste des tâches JIRA ouvertes. Il mettra également à jour la chronologie d’une tâche spécifique comme demandé par l’utilisateur.

Nettoyage

Pour éviter d’encourir des coûts inutiles, effectuez les étapes de nettoyage suivantes :

Supprimer la pile CloudFormation : Supprimez la pile CloudFormation que vous avez déployée précédemment.
Supprimer le composant de fonction : Supprimez le composant de fonction que vous avez créé dans Amazon Bedrock.
Supprimer l’application d’agent de chat : Supprimez l’application d’agent de chat dans Amazon Bedrock.
Supprimer les domaines : Supprimez les domaines dans SageMaker Unified Studio.

Coût

L’utilisation d’Amazon Bedrock dans SageMaker Unified Studio n’entraîne pas de frais distincts. Cependant, vous serez facturé pour les services et ressources AWS individuels utilisés dans le service. Amazon Bedrock fonctionne sur un modèle de paiement à l’utilisation, ce qui signifie que vous ne payez que pour les ressources que vous consommez, sans frais minimum ni engagement initial.

Si vous avez besoin d’aide supplémentaire pour les calculs de prix ou si vous avez des questions sur l’optimisation des coûts pour votre cas d’utilisation spécifique, il est recommandé de contacter le support AWS ou de consulter votre gestionnaire de compte. Ils peuvent fournir des conseils personnalisés en fonction de vos besoins.

mis à jour le 2025-03-21

# Agent # Amazon # Nova