OpenSearchおよびOCI生成AIを使用したAIアシスタントの作成

次の例に示すように、モデル・グループAPIの登録操作を使用してモデル・グループを登録します。

POST /_plugins/_ml/model_groups/_register
{
    "name": "demo_model_group",
    "description": "This is a model group"
}

レスポンスで返されたmodel_group_idを書き留めます。

{
  "model_group_id": "<model_group_id>",
  "status": "CREATED"
}

生成AIを使用してモデルを作成するには、コネクタが必要です。コネクタを作成するコマンドは、モデルに固有です。その他の例は、「コネクタの作成」を参照してください。

次の例に示すように、モデルを登録します。

POST /_plugins/_ml/models/_register
{
  "name": "demo_genai_model",
  "function_name": "remote",
  "model_group_id": "<model_group_ID>",
  "description": "demo genai model",
  "connector_id": "<connector_ID>"
}

レスポンスで返されたmodel_idを書き留めます。

{
  "task_id": "<task_ID>",
  "status": "CREATED",
  "model_id": "<genAI_model_ID>"
}

次の例に示すように、モデルをデプロイします。

POST /_plugins/_ml/models/<genAI_model_ID>/_deploy

次のようなレスポンスが返されます。

{
  "task_id": "-C1m4pQBpfOUfebnTqCc",
  "task_type": "DEPLOY_MODEL",
  "status": "COMPLETED"
}

次の例に示すように、必要に応じてモデルをテストできます。

POST /_plugins/_ml/models/<genAI_model_ID>/_predict
{
  "parameters": {
    "prompt": "\n\nHuman: how are you? \n\nAssistant:"
  }
}

次のようなレスポンスが返されます。

{
  "inference_results": [
    {
      "output": [
        {
          "name": "response",
          "dataAsMap": {
            "inferenceResponse": {
              "generatedTexts": [
                {
                  "text": "I'm an AI language model, so I don't have feelings or emotions as 
                  humans do. However, I'm functioning properly and ready to assist you with any questions 
                  or tasks you may have! How can I help you today?"
                }
              ]
            }
          }
        }
      ],
      "status_code": 200
    }
  ]
}

次の例に示すように、必要に応じて会話型エージェントをテストできます。

POST _plugins/_ml/agents/<conversational_agent_ID>/_execute
{
    "parameters": {
    "question": "Can you query with index opensearch_dashboards_sample_data_ecommerce to find out how many orders happened between 4 AM and 9 PM on 3/24/2025?",
    "verbose": false,
    "selected_tools": ["PPLTool", "CatIndexTool"]
    }
}

次のようなレスポンスが返されます。

{
  "inference_results": [
   {
     "output": [
     {
       "name": "memory_id",
       "result": "11lPppUBsqYDrOfXM-Uf"
     },
     {
       "name": "parent_interaction_id",  
       "result": "2FlPppUBsqYDrOfXM-Ur"
     },
     {
       "name": "response",
       "dataAsMap": 
       {
         "response": "The count of orders between 4 AM and 9 PM on 3/24/2025 is 102.",
         "additional_info": 
         {  
            "TransferQuestionToPPLAndExecuteTool.output": [
                "Failed to run the tool TransferQuestionToPPLAndExecuteTool with the error message execute ppl:source=opensearch_dashboards_sample_data_ecommerce | where type = 'order' AND order_date >= '2025-03-24T04:00:00+00:00' AND order_date < '2025-03-24T21:00:00+00:00' | stats COUNT() AS count, get error: timestamp:2025-03-24T04:00:00+00:00 in unsupported format, please use 'yyyy-MM-dd HH:mm:ss[.SSSSSSSSS]'.",
                """{"ppl":"source\u003dopensearch_dashboards_sample_data_ecommerce | where order_date \u003e\u003d \u00272025-03-24 04:00:00\u0027 AND order_date \u003c\u003d \u00272025-03-24 21:00:00\u0027 | stats COUNT() AS count","executionResult":"{\n  \"schema\": [\n    {\n      \"name\": \"count\",\n      \"type\": \"integer\"\n    }\n  ],\n  \"datarows\": [\n    [\n      102\n    ]\n  ],\n  \"total\": 1,\n  \"size\": 1\n}"}"""]
          }
        }
      }]
    }]
}

日付書式が不適切なため、PPLToolは当初問合せを拒否しましたが、エージェントはそのレスポンスを受信して問合せを再フォーマットできるため、PPLツールの2回目の起動に成功します。

次の例に示すように、チャットボット・エージェントを作成します。

POST /_plugins/_ml/agents/_register
{
  "name": "Chatbot agent",
  "type": "flow",
  "description": "this is a test chatbot agent",
  "tools": [
    {
      "type": "AgentTool",
      "name": "LLMResponseGenerator",
      "parameters": {
        "agent_id": "<conversational_agent_ID>" 
      },
      "include_output_in_agent_response": true
    }
  ],
  "memory": {
    "type": "conversation_index"
  }
}

次のようなレスポンスが返されます。返されたagent_idを書き留めます。

{
  "agent_id": "-i2m4pQBpfOUfebnxKAf"
}

チャットボット・エージェントを作成した後、次の例に示すように、OpenSearchダッシュボードでエージェントをルート・エージェントとして構成できます。

PUT .plugins-ml-config/_doc/os_chat
{
    "type":"os_chat_root_agent",
    "configuration":{
        "agent_id": "<root_conversational_agent_ID>"
    }
}

次のようなレスポンスが返されます。

{
  "_index": ".plugins-ml-config",
  "_id": "os_chat",
  "_version": 1,
  "result": "created",
  "_shards": {
    "total": 2,
    "successful": 2,
    "failed": 0
  },
  "_seq_no": 1,
  "_primary_term": 1
}

ルート・エージェントをテストするには、OpenSearchクラスタのOpenSearchダッシュボードでOpenSearchアシスタントの質問を行います。