О чём урок
В операциях цепочки поставок агент может отвечать на вопросы, которые напрямую влияют на уровень обслуживания и выручку: Есть ли у нас запасы и мощности для удовлетворения текущего спроса? Где возникнут задержки в производстве и как эти задержки распространятся по всей цепочке? Какие корректировки рабочего процесса минимизируют сбои?
В этом руководстве описывается процесс создания копилота для цепочки поставок с использованием OpenAI Agent SDK и Databricks Managed MCP. MCP позволяет агенту запрашивать структурированные и неструктурированные корпоративные данные, такие как данные о запасах, продажах, поставщиках, локальных событиях и многое другое, для обеспечения видимости в реальном времени, раннего выявления дефицита материалов и проактивных рекомендаций. Система основана на уровне оркестрации, объединяющем:
- Запросы к структурированным данным о запасах, спросе и поставщиках
- Прогнозирование временных рядов для каждого оптового продавца
- Требования к сырью на основе графов и оптимизация транспортировки
- Векторно-индексированные архивы электронной почты, обеспечивающие семантический поиск по неструктурированным сообщениям
- Расчет рисков для выручки
К концу этого руководства вы развернете шаблон, который запрашивает распределенные источники данных, предиктивные модели, выявляет возникающие узкие места и рекомендует проактивные действия. Он может отвечать на такие вопросы, как:
- Какие продукты зависят от материала L6HUK?
- Какой объем выручки находится под угрозой, если мы не сможем произвести прогнозируемое количество продукта autoclave_1?
- Какие продукты сейчас имеют задержки?
- Есть ли задержки с syringe_1?
- Какие сырьевые материалы требуются для syringe_1?
- Есть ли дефицит одного из следующих сырьевых материалов: O4GRQ, Q5U3A, OAIFB или 58RJD?
- Какие задержки связаны с оптовым продавцом 9?
Заинтересованные стороны могут отправлять prompt'ы на естественном языке и мгновенно получать ответы. Это руководство проведет вас через каждый шаг по внедрению этого решения в вашей собственной среде.
Архитектура, представленная в этом руководстве, накладывает OpenAI Agent поверх ваших существующих аналитических рабочих нагрузок в Databricks. Вы можете предоставлять компоненты Databricks в виде вызываемых функций Unity Catalog.
В результате получается единый, почти в реальном времени, разговорный интерфейс, который предоставляет…
План урока
- Обзор решения
- Архитектура
- Настройка аутентификации Databricks
- (Необязательно) Настройка цепочки поставок Databricks
- Подключение к серверам Databricks MCP
- Интеграция серверов Databricks MCP в OpenAI Agent
- Развертывание агента с помощью FastAPI
- Взаимодействие с пользователями через чат-UI на React
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.