Todos os produtos
Search

Este produto

    Alibaba Cloud Model Studio:Aplicações de agente

    Central de documentação

    Alibaba Cloud Model Studio:Aplicações de agente

    Última atualização: Jul 06, 2026

    As aplicações de agente do Alibaba Cloud Model Studio permitem conectar um LLM a ferramentas externas e bases de conhecimento sem código, estendendo as capacidades do modelo além dos limites nativos.

    Importante

    Como funciona

    Um agente utiliza prompts para orquestrar ferramentas externas e concluir tarefas complexas. Ao receber uma solicitação, o LLM identifica a intenção do usuário, planeja as tarefas, chama as ferramentas externas necessárias e integra os resultados para gerar uma resposta final.

    Utilize um agente quando desejar que o modelo decida autonomamente quais ferramentas usar para uma tarefa, em vez de seguir um fluxo de trabalho projetado manualmente.

    Os agentes do Model Studio oferecem suporte às seguintes capacidades principais:

    1. Base de conhecimento (RAG): Conecta o agente a uma base de conhecimento externa para responder perguntas com base em seus dados privados. Este recurso é ideal para cenários de perguntas e respostas em domínios especializados não cobertos pelos dados de treinamento do modelo.

    2. Plugin: Chama ferramentas pré-construídas da plataforma para tarefas como execução de código, geração de imagens ou consultas meteorológicas. Indicado quando o agente precisa executar ações em vez de apenas conversar.

    Início rápido

    Crie um agente básico

    1. Acesse a página Application Management no console do Alibaba Cloud Model Studio. Clique em + Create Application. Na aba Agent Application, clique em **Create Now**.

    2. Na página de configuração da aplicação, selecione um modelo na lista suspensa, como Qwen-Plus. Mantenha as configurações padrão para os outros parâmetros, se preferir.

    3. Após criar a aplicação, insira Hello na caixa de conversa à esquerda para testá-la.

    Capacidades do agente

    Estenda as capacidades de um agente selecionando um modelo, otimizando o prompt do sistema, adicionando uma base de conhecimento (RAG) e chamando plugins.

    Modelo

    O modelo é o componente central que impulsiona o raciocínio e a tomada de decisão do agente. Os agentes do Model Studio suportam modelos da série Qwen e modelos implantados personalizados.

    1. Selecione um modelo

      Na lista suspensa, escolha um modelo como Qwen-Plus. Clique em More Models para escolher entre outros modelos disponíveis.

    2. Configure os parâmetros

      Clique no ícone de configurações image à direita da lista suspensa de modelos para configurar os seguintes parâmetros:

      1. Maximum response length: Comprimento máximo da resposta gerada pelo modelo, excluindo o prompt. O valor máximo varia conforme o modelo.

      2. Context turns: Número máximo de turnos históricos de conversa a incluir na entrada do modelo. Um número maior ajuda a manter um melhor contexto de conversação.

      3. temperature: Controla a aleatoriedade do conteúdo gerado. Um valor maior aumenta a diversidade, enquanto um valor menor aumenta a consistência. O valor deve estar no intervalo [0, 2).

      4. enable_thinking: Alterna o modo de pensamento do modelo. Este parâmetro está disponível apenas para modelos compatíveis.

        Quando o modo de pensamento está ativado, o modelo realiza um raciocínio mais profundo antes de gerar uma resposta, o que aumenta o consumo de tokens.

    Prompt do sistema

    Um prompt do sistema define a função, o comportamento e as restrições de um agente para garantir que suas respostas sejam consistentes e orientadas a tarefas. Para escrever um prompt eficaz, considere os seguintes pontos:

    • Defina uma persona: Especifique a função que o modelo deve adotar e a especialização que deve possuir.

    • Especifique um formato de saída: Descreva a estrutura, o comprimento ou o estilo desejado para a resposta.

    • Estabeleça restrições: Instrua o modelo sobre qual conteúdo evitar ou quais regras seguir.

    • Oriente o uso de ferramentas: Mencione explicitamente os nomes das ferramentas e explique quando devem ser usadas.

      1. Configure um prompt

        Defina o prompt do sistema como Please answer my questions in the style of 'One Hundred Years of Solitude'. Veja a seguir uma comparação dos resultados:

        • Sem o prompt do sistema: Quando o usuário pergunta "Who are you?", o modelo fornece sua introdução padrão: "I am Qwen, a large language model developed by the Tongyi Lab of Alibaba Group. I can help you answer questions, provide information, create content, write code, and perform logical reasoning."

        • Com o prompt do sistema: Na interface de text conversation, quando o usuário pergunta "Who are you?", a IA se apresenta no estilo literário de "Cem Anos de Solidão", referenciando elementos do romance, como Macondo e a família Buendía. Isso confirma que o prompt do sistema entrou em vigor. As estatísticas da interação mostram 234 palavras, 245 tokens de entrada e 177 tokens de saída.

    Base de conhecimento (RAG)

    A geração aumentada por recuperação (RAG) permite que um agente consulte uma base de conhecimento externa e use o conteúdo recuperado como fundamento para as respostas. Para perguntas e respostas privadas ou específicas de domínio, o RAG pode melhorar significativamente a precisão e reduzir alucinações. Para obter mais informações, consulte Criar e usar uma base de conhecimento.

    Nota : O texto recuperado de uma base de conhecimento consome a janela de contexto do modelo. Pode ser necessário ajustar sua estratégia de recuperação e o comprimento do texto recuperado para usar a janela de contexto de forma eficiente e evitar exceder seu limite.

    Plugins

    Os agentes chamam plugins para executar tarefas específicas, como execução de código, pesquisas na web e geração de texto para imagem. Os plugins são úteis quando um agente precisa realizar operações ou gerar conteúdo além de suas capacidades nativas. O Model Studio oferece uma variedade de plugins oficiais e também suporta plugins personalizados. Para obter mais informações, consulte Visão geral de plugins.

    Interação com o agente

    Conversa de texto

    A conversa de texto é o método principal para interagir com um agente e suporta conversas de múltiplos turnos.

    Este tipo de conversa aceita dois métodos de entrada:

    1. Entrada de texto: Insira texto para conversar com o agente.

    2. Upload de arquivo: Carregue arquivos, como documentos, imagens, vídeos ou clipes de áudio, como anexos.

    Publicar e chamar

    Após a publicação, você pode chamar os agentes via API/sdk, publicá-los em plataformas de terceiros, como DingTalk e WeChat Official Accounts, ou disponibilizá-los como componentes reutilizáveis para integração em seus sistemas empresariais.

    Publique uma aplicação

    Importante

    É obrigatório publicar uma aplicação antes de chamá-la ou integrá-la.

    No canto superior direito da página de gerenciamento da aplicação de agente, clique em Publish e, em seguida, clique em Confirm Publish.

    Ao republicar a aplicação, uma caixa de diálogo aparece exibindo as alterações feitas desde a última publicação.
    Nota

    Se um usuário RAM criou a aplicação, certifique-se de ter a permissão ram:CreateServiceLinkedRole antes de publicar. Para obter mais informações, consulte função vinculada a serviço.

    Chamada de API

    Na aba Publish Channel da sua aplicação de agente, clique em View API ao lado de API Call para visualizar os métodos da API.

    Substitua YOUR_API_KEY pela sua chave de API real do Model Studio antes de invocar a API.

    Gerenciamento de agentes

    Copiar e excluir

    Na página My Applications, localize o cartão da aplicação. No menu More, copie, exclua ou renomeie o agente.

    Cenários comuns para copiar uma aplicação incluem:

    • Criar versões de teste que usam prompts ou modelos diferentes.

    • Personalizar um agente para diferentes públicos ou casos de uso.

    • Criar um backup antes de fazer alterações importantes na configuração.

    Gerenciamento de versões

    O gerenciamento de versões permite editar descrições de versões históricas ou reverter para uma versão publicada anteriormente.

    1. Na aba Configure da aplicação de agente, clique em Version Management no canto superior direito da barra de navegação superior.

    2. Na lista de versões históricas, selecione uma versão alvo. O painel Version History será aberto, exibindo uma linha do tempo que inclui o current draft, a online version (marcada com uma tag Latest) e outras entradas de versões históricas. Cada entrada lista o id da versão, horário de publicação, publicador e informações da versão.

      • Para editar as informações da versão, passe o mouse sobre o ícone de edição image e clique nele. Na caixa de diálogo Edit Version Description, faça as alterações e clique em OK.

      • Para usar esta versão histórica, clique em Overwrite Current Draft e, em seguida, clique em Confirm na caixa de diálogo de confirmação.

        Esta ação substitui o rascunho atual pelo conteúdo da versão histórica selecionada.

    Faturamento

    O faturamento de agentes inclui os seguintes itens:

    1. Chamadas de modelo

      Os agentes incorrem em taxas de chamada de modelo, que dependem do tipo de modelo e do uso de tokens.

      Para detalhes de faturamento, consulte o console do Model Studio.

    2. Base de conhecimento

      • O recurso de base de conhecimento é gratuito por tempo limitado.

      • Os trechos de texto recuperados da base de conhecimento aumentam o número de tokens de entrada, o que pode elevar as taxas de chamada do modelo.

    3. MCPs

      • Algumas Model Customization Platforms (MCPs) oficiais são faturadas com base em chamadas de modelo, como MCPs para texto para imagem, texto para vídeo e síntese de fala.

      • Alguns serviços MCP envolvem chamadas de API de terceiros, que podem incorrer em taxas cobradas pelo provedor de serviços terceirizado. O Model Studio não cobra taxas adicionais por essas chamadas.

    4. Memória de longo prazo

      • O armazenamento de dados para memória de longo prazo é gratuito.

      • Durante uma sessão de perguntas e respostas, o sistema mescla o conteúdo da memória no prompt e o passa para o modelo de linguagem grande, o que aumenta o consumo de tokens. Tokens consumidos pelo conteúdo da memória atualmente não são cobrados.

    Modelos suportados

    Nota

    Esta lista pode não estar atualizada. Para obter a lista mais recente de modelos suportados, consulte a interface da aplicação de agente.

    • Qwen-Plus

    • Qwen-Max

    • QwenVL-Max

    • QwenVL-Plus

    • Qwen-Turbo

    Perguntas frequentes

    Como as aplicações do Model Studio são faturadas?

    A criação de uma aplicação é gratuita. Ao chamar uma aplicação para uma sessão de perguntas e respostas, você é cobrado pelas chamadas de modelo com base no tipo de modelo utilizado.

    Configurei uma base de conhecimento, mas as respostas do agente não têm relação com o conteúdo dela. Como corrigir isso?

    Primeiro, execute um teste de acerto da base de conhecimento para verificar a pontuação de similaridade entre a consulta e o conteúdo da base. Se a pontuação for baixa, ajuste a configuração de recuperação para garantir que o modelo priorize os resultados da base de conhecimento.

    No prompt do sistema, instrua explicitamente o modelo a responder perguntas com base apenas no conteúdo da base de conhecimento e a não usar seu próprio conhecimento interno. Se o problema persistir, tente usar um modelo diferente para obter resultados mais estáveis.

    Existe um limite de tempo para plugins personalizados?

    Sim, o limite de tempo é de 5 segundos.

    Posso criar aplicações de agente usando uma API?

    Use a Assistant API para criar aplicações de modelo de linguagem grande semelhantes a aplicações de agente. No entanto, as aplicações criadas com a Assistant API não podem ser gerenciadas no console. Para obter mais informações, consulte a documentação da Assistant API.