Automation Tool

Asgard 提供了不同的 workflow 建立類型，本章介紹 Automation Tool 類型的workflow。

1 建立新的 Automation Tool

選擇 Project 進到該 Project 的 Collections 頁面，點擊右上方「Create New」選擇 Automation Tool 類型建立，輸入名稱與描述建立後，可以在 Automation Tool 看到剛剛新建的 MyTool，點擊進入 workflow sets 頁面，可以看到 Asgard 已經預設幫您建好了初始的 workflow，點擊該 workflow 進入 workflow 工作區。

2 編排 workflow

Automation Tool 與 Bot 的區別在於，Automation Tool 多了專屬的 processors: Validate Payload與Response，讓用戶可以快速拖拉建立 API。新增 Automation Tool 時，Asgard 預設會為您建好初始進入節點與 Validate Payload 節點，節省建立時間。Validate Payload 用於驗證 input，Response 則是用來放 output 的結果。

3 範例：使用 Automation Tool 存取 API

此範例將使用 DummyJSON 的 To Do API 來實際存取 API 並拿到 To Do 清單的項目。整個範例會建立 3 個 Processor 來完成存取 API 的流程，最後藉由預覽來驗證功能。

• 3-1 Validate Payload
• 3-2 Http Request
• 3-3 Response
• 3-4 預覽

3-1 Validate Payload

在 Schema 輸入需要驗證的 JSON Schema，此處依照 API 需要傳 To Do 的 id。

備註

詳細 JSON Schema 寫法，請參考JSON Schema

3-2 Http Request

URL 處選擇 Expression 並填入 URL，這個範例需要傳入 To Do 的 id，因此在 URL 最後加上剛剛在 Validate Payload 定義的 todoId:

prevPayload.todoId

(() => {
  // return the result of the expression
  return "https://dummyjson.com/todos/" + prevPayload.todoId;
})()

Method 請選 GET，Parse JSON 請啟用，才能將回傳的資料以JSON格式進行解析。

3-3 Response

利用 Payload 屬性輸出與訊息對應的結構化資料。選擇 Expression 並填入以下範例。

(() => {
  // return the result of the expression
  return {
    text: httpResponse.json.todo,
    completed: httpResponse.json.completed
  };
})()

3-4 預覽

預覽 Automation Tool 點擊 preview 來實際存取該 API 測試，類型請選 JSON，在 Body 的地方，可以看到剛剛規定需要輸入的 to do id，此處輸入「1」後點擊 Send。底下 Response Body 可以成功拿到該 to do 清單的第一項：

"Do something nice for someone I care about"

4 範例：使用Automation Tool上傳圖片並辨識影像

此範例會讓用戶上傳一張圖片，並讓 AI 依據用戶的問題加上圖片去回答。整個範例會建立 3 個 Processor 來完成辨識影像的流程，最後藉由預覽來驗證功能。

• 4-1 Validate Payload
• 4-2 LLM Completion
• 4-3 Response
• 4-4 預覽

前置作業：

• 可以支援辨識影像的 Completion Model
• 一張圖片

4-1 Validate Payload

在 Schema 輸入需要驗證的 JSON Schema，此處我們需要讓用戶輸入一個問題，因此先用 question。

{
  "type": "object",
  "properties": {
    "question": {
      "type": "string"
    }
  },
  "required": [
    "question"
  ]
}

備註

詳細 JSON Schema 寫法，請參考JSON Schema

• File Alias: 由於需要用戶上傳圖片辨識，此處需要新增一個 file，File Type 請選擇 image，Alias 可以自訂，範例使用 img 作為別名。

4-2 LLM Completion

在 Completion Model 選擇已經建好的 model 或點擊 Add 新增 model（注意模型需要支援image），提示語 Prompt 的部分選擇 Template(Advance)，並提示 LLM 觀察圖片並回答用戶輸入的問題。

你是影像辨識的助手，負責觀察使用者上傳的圖片，並且回答使用者的問題。

* 這是使用者的問題: '{{{prevPayload.question}}} '

Output Schema: 將 LLM 的回答存到 answer

{
  "type": "object",
  "properties": {
    "answer": {
      "type": "string",
      "description": "answer 是你要回答用戶的答案"
    }
  },
  "required": [
    "answer"
  ]
}

• MaxToken: 設定消耗 Token 上限為必填。
• ImageBlobId: 請選擇 Expression 並輸入以下範例。

(() => {
  // return the result of the expression
  return img.blobId;
})()

備註

可以到模型供應商查詢模型支援的功能，以 OpenAI 為例，gpt-4o 可以支援 input image。

OpenAI gpt-4o

4-3 Response

利用Payload屬性輸出與訊息對應的結構化資料。選擇Expression並填入以下範例。

(() => {
  // return the result of the expression
  return {answer: answer}
})()

4-4 預覽

預覽 Automation Tool，點擊 preview 來實際存取該 API 測試，類型請選 Form-data，在 Form data 的地方，可以看到剛剛規定需要輸入的 question，此處輸入問題後並點擊底下的 Add 上傳一張圖片，上傳後點擊 Send。底下 Response Body 可以成功讓 LLM 辨識圖片並描述該張圖片內容作為 answer:

"answer"："這是皮卡丘，一個來自《寶可夢》系列的虛構角色。"