Los vectores ayudan a recuperar información por significado; los agentes coordinan herramientas para una meta. Oracle AI Database permite acercar ambas capacidades a los datos de negocio.
Objetivos: seguir el workflow vectorial; distinguir búsqueda exacta y aproximada; seleccionar Private Agent Factory o Select AI Agent según el caso; y explicar qué aporta MCP sin atribuirle permisos automáticos.
Conceptos clave
Un embedding es una representación numérica producida por un modelo. AI Vector Search permite guardarla junto con el texto y atributos del negocio en una columna VECTOR. Una consulta puede combinar similitud y condiciones como sede, categoría o disponibilidad. No exige que copies toda la información a un motor vectorial separado.
Select AI ayuda a consultar con lenguaje natural. Select AI Agent coordina agentes, tareas y herramientas. Private Agent Factory ofrece un entorno visual para construir agentes. Un servidor MCP expone herramientas a clientes compatibles. Estas capacidades se complementan, pero no son nombres intercambiables.
Workflow de AI Vector Search
- Extrae texto o prepara la modalidad compatible con tu modelo.
- Divide documentos largos en fragmentos coherentes; conserva origen y contexto suficiente.
- Genera embeddings con un modelo compatible, local mediante ONNX o externo según la configuración.
- Almacena vectores, texto y metadatos. Evalúa índices cuando la escala lo requiera.
- Genera la representación de consulta, aplica filtros y ordena por distancia.
- Si necesitas una respuesta RAG, pasa los fragmentos pertinentes al LLM y comprueba las citas.
VECTOR_EMBEDDING genera representaciones con un modelo configurado; VECTOR_DISTANCE permite comparar vectores. DBMS_VECTOR_CHAIN incluye utilidades como UTL_TO_TEXT, UTL_TO_CHUNKS y UTL_TO_EMBEDDINGS. El tamaño de fragmento depende del modelo y de la tarea, no de un límite universal de 512 tokens.
HNSW significa Hierarchical Navigable Small World y usa una estructura de grafo; IVF organiza vectores en particiones. La búsqueda aproximada intercambia velocidad y recuperación de vecinos; una búsqueda exacta sirve como referencia. La precisión objetivo no promete un número fijo de aciertos en cada resultado. Usa la métrica recomendada para el modelo y el índice.
Agent Factory, Select AI Agent y MCP
Knowledge Agent está orientado a preguntas sobre contenido documental; Data Analysis Agent, a datos estructurados y análisis. Private Agent Factory ofrece un constructor de flujos con modelos y herramientas, pruebas en Playground y publicación de un endpoint. Las fuentes, credenciales y permisos siguen requiriendo configuración. El conjunto de agentes preparados evoluciona con la versión.
Select AI Agent relaciona tools, tasks, agents y teams mediante interfaces como DBMS_CLOUD_AI_AGENT. Puede combinar recuperación, NL2SQL y funciones PL/SQL registradas. Una tarea expresa trabajo; una herramienta expone una operación; un equipo coordina agentes. Estar cerca de los datos reduce algunos movimientos, pero llamar a un LLM o API externa sigue siendo un flujo de datos que debes revisar.
El servidor MCP gestionado de Autonomous AI Database permite acceder a herramientas registradas desde un cliente compatible mediante HTTPS y Streamable HTTP. Autenticación, privilegios, políticas de filas, red y auditoría delimitan acceso. Revisa qué herramientas se exponen y con qué identidad; descubrir una herramienta no autoriza cualquier uso.
Ejemplo paso a paso
Un empleado pide «Encuentra el manual para este fallo y dime las órdenes abiertas del equipo».
- Recupera fragmentos del manual mediante búsqueda semántica, restringida a documentos autorizados.
- Consulta órdenes por el identificador exacto del equipo. No uses similitud para decidir de qué equipo son.
- Entrega fragmentos y filas pertinentes al agente, conservando procedencia.
- El agente explica la recomendación y el estado de órdenes con referencias.
- Si se solicita cerrar una orden, usa una herramienta distinta con validación de la operación y confirmación conforme a la política.
Una búsqueda semántica puede recuperar un manual equivocado de un modelo parecido. Comprueba metadatos y compatibilidad del equipo antes de convertir el resultado en una instrucción operativa.
Errores frecuentes
- Confundir Vector Search con generación de texto o con un agente completo.
- Cambiar el modelo de embedding de las consultas sin actualizar los documentos.
- Asumir que un índice aproximado garantiza siempre los vecinos exactos.
- Tratar MCP como una concesión de acceso de administrador.
- Suponer que la proximidad a la base evita cualquier salida de datos hacia modelos externos.
Ejercicio de arquitectura
Tu organización ya tiene una función PL/SQL autorizada para consultar inventario y quiere ofrecerla a una aplicación MCP. ¿Debe conceder acceso libre a todas sus tablas?
Solución
No. Puede registrar una herramienta acotada para esa función y exponerla según la configuración del servidor. El cliente debe autenticarse y la ejecución respetar privilegios, alcance y validación de parámetros. El contrato de la herramienta permite ofrecer una operación concreta sin convertir al agente en administrador de la base.
Fuentes y repaso
Consulta el workflow de AI Vector Search, Private Agent Factory, Select AI Agent y la arquitectura MCP de Autonomous. Revisa compatibilidad con tu despliegue antes de aplicar las demostraciones.