Стварэнне автонамных агентаў AI на базе ColdFusion і MCP (частка 5)
Агенты ColdFusion AI з вікорыстаннем інструменту Gemini для віклікаў, канцэнтры MCP-сервера і захішчаныя відображэнні AlloyDB для NL2SQL, паказаныя у дэманстрацыі керування півзаводам на Google Cloud.
Крыніцы: Building Autonomous ColdFusion AI Agents & Model Context Protocol (MCP)
Модэрнізацыя ColdFusion на Google Cloud – частка 5 з 5
У паказаных ранейша артыкулах гэтай серыі паказана, як прыложэнняя Adobe ColdFusion можна выкарыстоўваць натыўныя службы Google Cloud:
- Частка 1: пераход з кераванайя ВМ на Cloud Run, автаматызацыя стварэння з коду за дапамою Cloud Build і абеспека доступу за дапамою IAM Workload Identity.
- Частка 2: AlloyDB для PostgreSQL для высокая праўоцэнкаванасці ACID-задач, а таксама вектарныя эмбеддынгі для семантычнага пошуку.
- Частка 3: JDBC без пароляў да BigQuery і GQL для стварэння графаў дадзеных у стылі Customer360.
- Частка 4: прогнозы Vertex AI AutoML на жывых пакетных дадзеных (у дэманстрацыі практыкі падготовкі піва – ферментаванне піва).
У гэтай частцы практыка падготовкі піва атрымлеў "мозг": автонамныя агенты, якія робяць выважанні, запытваюць жывы статус, ацэнююць рызыкі пакетных задач і выдаюць інструменты як сервер MCP.
Агентны ColdFusion
У ранніх версіях ШЫ частаўка працы складалася з таго, што корыстнік вводзіў запіт, прылада надавала яго LLM, а адпаведзь прыходзіла выключна на адважанні параметраў навчання. Гэта дапамагае з тэкстам, але не можа даць адпаведзі на практычныя запытанні, такія як:
- Калькуюцься тэпература і тыску ў конкрэтным рэзервуарэ?
- Скількі светлага солода было выкарыстоўана за апошнія 30 хвілін?
- Чы можа склад падтрымаць колькасць хопа Citra, неабходную для варкі 50 барэлей IPA Citra Sunset?
У робочым працэсе з агентамі мышленне і запошук дадзэнняў аддзеляюцца. Мадэль выступае як оркестрацыя: яна разумее намер, выбірае інструменты або запытанні, пераглядае рэзультаты і стварае адпаведзь, базаваную на фактах.
CF-Brews эксперыментуе з двума взаімадопамагальнымі падходамі:
- Оркестрацыя інструментаў Native ColdFusion і MCP: выкладчыцтва CFC (
BrewMasterTools.cfc) для Gemini з мэтаю праблематычнага направлення інструментоў і запытанняў да AlloyDB.
Выклік вітаняговыго інструменту
Бізнесовыя правіла знаходзяцьсясе в CFC. У файлі api/v1/tools/BrewMasterTools.cfc основныя операціўы ёсь:
checkInventory(recipeName, volumeGallons): чакаецца, чыкія запяксаванія насквоках складзацьсясе забезпекіямыя потрэбы рэцепта.getRecipeDetails(recipeName): мяксьці целевы ABV, пяглівыя тэнзеты ісцыкавакаў ісцыкавакаў.checkBatchRisk(style): пераглядае актывацыяныя працавакі і падае апяваць проявы тэнзеты чыкія запяксаванія насквоках.
checkInventory з’едае рэцепты, ісцыкавакія і запяксаванія складзацьсясе забезпекіямыя потрэбы рэцепта.
component {
/**
* Determines if there are enough ingredients in stock to brew a specific volume.
*/
public struct function checkInventory(required string recipeName, numeric volumeGallons = 1) {
var response = { "can_brew": false, "recipe_found": false, "missing_ingredients": [] };
var sql = "
SELECT
r.recipe_name,
i.name AS item_name,
(ri.amount_per_gallon * :volume) AS required_amount,
i.quantity_on_hand AS current_stock,
i.unit
FROM Recipes r
INNER JOIN RecipeIngredients ri ON r.recipe_id = ri.recipe_id
INNER JOIN Inventory i ON ri.inventory_item_id = i.item_id
WHERE LOWER(r.recipe_name) = LOWER(:recipe)
";
var ingredients = queryExecute(sql, {
recipe = { value = arguments.recipeName, cfsqltype = "cf_sql_varchar" },
volume = { value = arguments.volumeGallons, cfsqltype = "cf_sql_numeric" }
});
if (ingredients.recordCount == 0) {
response.message = "Recipe '#arguments.recipeName#' not found.";
return response;
}
response.recipe_found = true;
var canBrew = true;
var missingList = [];
for (var row in ingredients) {
if (row.current_stock < row.required_amount) {
canBrew = false;
arrayAppend(missingList, {
"item": row.item_name,
"required": row.required_amount,
"in_stock": row.current_stock,
"missing_amount": row.required_amount - row.current_stock,
"unit": row.unit
});
}
}
response.can_brew = canBrew;
response.missing_ingredients = missingList;
response.message = canBrew ? "Sufficient inventory available." : "Insufficient stock.";
return response;
}
}
Дэтэрміністычная оркестрацыя інструментаў
Функцыя ChatModel() у ColdFusion керуе трывяхэткім цыклам з Gemini:
- Распаўненне намеру: запіт адправляецца разам з інструкцыямі сістэмы, якія перыяднуюць інструменты. Калі трэба выконаць які-небудзь захад, Gemini вярта структураваны JSON.
- Выконанне: ColdFusion парсуе JSON і вызывае метод CFC для работы з AlloyDB.
- Сінтэз: рэзультаты работы інструментаў вяртаюцца ў
ChatModel(), каб была створана адпаведная адпаведзь на адпаведны запыт на натуральнай мове.
<cfscript>
// api/v1/agent/mcp-chat.cfm
userPrompt = trim(deserializeJson(toString(getHttpRequestData().content)).prompt);
// 1. Initialize native ChatModel with zero temperature for deterministic routing
chatModel = ChatModel({
"provider": "gemini",
"modelName": "gemini-2.5-flash",
"apiKey": trim(application.AI_STUDIO_API_KEY),
"temperature": 0.0
});
// 2. Instruct model on available tools
systemInstruction = 'You are the Brewmaster AI Assistant. Available tools:
1. checkInventory(recipeName, volumeGallons)
2. getRecipeDetails(recipeName)
3. checkBatchRisk(style)
If you need a tool, respond ONLY with JSON: {"tool": "toolName", "arguments": {...}}
Otherwise, answer in plain text.
User question: ' & userPrompt;
aiReply = chatModel.chat(systemInstruction).message;
// 3. Detect and execute tool call
if (left(trim(aiReply), 1) == "{" && right(trim(aiReply), 1) == "}") {
toolCall = deserializeJson(aiReply);
tools = new api.v1.tools.BrewMasterTools();
if (toolCall.tool == "checkInventory") {
toolResult = tools.checkInventory(toolCall.arguments.recipeName, val(toolCall.arguments.volumeGallons ?: 1));
} else if (toolCall.tool == "getRecipeDetails") {
toolResult = tools.getRecipeDetails(toolCall.arguments.recipeName);
} else if (toolCall.tool == "checkBatchRisk") {
toolResult = tools.checkBatchRisk(toolCall.arguments.style ?: "");
}
// 4. Grounded synthesis
synthesis = chatModel.chat("Tool '#toolCall.tool#' returned: #serializeJson(toolResult)#. Answer user: #userPrompt#");
finalText = synthesis.message;
} else {
finalText = aiReply;
}
writeOutput(serializeJson({ "success": true, "text": finalText }));
</cfscript>
Нормы для JSON
Мадэлі, такія як Gemini, можу обмежыць працэс выбору прыкладоў па схеме JSON, тады яны не зможу выдаць сімвалы, якія пашкодзяюць структуру. У продакшн-кодаў все равно трэба ставіцца да выходных даных як да можлівага з бягамі:
- Абгорнуць
deserializeJson()у блок try/catch. - Установіць значэнне temperature на 0.0 для болей адначыткавага выбору інструменту.
- У разе нявезення дэзерыялізацыі чы розбіжнасцей у тыпах паследзіць абяканне і альбо папросіць мадэль перазмацаваць, альбо вернуць корыстніку чыстаю заменную альтэрнатыву.
ColdFusion як сервер MCP
Model Context Protocol, адкрытыя па коду з боку Anthropic, — гэта стандартны спосаб выклікання дадзэнняў і інструментаў для званых AI-кліентаў. Кліент MCP унутрь AI-прыстранства ведае двухканальную свярзку з серверам MCP. У апдэйце ColdFusion 2025 Update 8 быў даданы MCPServer().
У функцыі onApplicationStart у файле Application.cfc неабяжна зарэгістраваць даўнёвы кэшэўнік наваколі CFC з інструментамі:
// Application.cfc
public boolean function onApplicationStart() {
application.cfbrews_dsn = this.datasource;
// Initialize Native ColdFusion MCP Server
try {
var mcpConfig = {
"serverInfo": { "name": "BrewMaster-Tools", "version": "1.0.0" },
"capabilities": { "tools": true },
"tools": [ { "cfc": "api.v1.tools.NativeBrewMasterTools" } ]
};
application.mcpServer = MCPServer(mcpConfig);
} catch (any e) {
writeLog(file="cfbrews_error", text="MCP Init Error: " & e.message);
}
return true;
}
Тэрмін адказу api/v1/agent/mcp-server.cfm перадае запыткі сістэме выканання:
<cfscript>
if (structKeyExists(application, "mcpServer")) {
application.mcpServer.handleRequest();
} else {
cfheader(statusCode=503);
writeOutput(serializeJson({ "error": "MCP Server not initialized" }));
}
</cfscript>
NL2SQL з PSVs
Другій асістэнт, Асістэнт па працы з базамі дадзеных у /api/v1/ops/natural-query.cfm, направляе створаны SQL-запыт праз параметрызаваныя безпечныя відношэння. PSVs запобегаюць втрымканню коду ў SQL-запытах; SQL Gemini стварае і застосоўвае прынцып нулевага дазволу, таму вярнутыя рэкорды ёсць толькі тымі, якія можа бачыць падключаны корыстнік. У глыбіні працы natural-query.cfm вызывае функцію ai.generate() з AlloyDB, якая перакладае англійскі тэкст у запыт SELECT з правамі толькі на чытанне протыяўно тым відношэнням:
-- Enforcing tenant/scope boundaries at the database layer
CREATE OR REPLACE VIEW brews.secure_vatsensorreadings AS
SELECT r.*
FROM brews.vatsensorreadings r
JOIN brews.vats v ON r.vat_id = v.vat_id
WHERE CURRENT_USER = 'postgres'
OR v.name IN ('Vat A', 'Vat B');
ColdFusion адыяе запыт даўедзеным вію, пасля чаго выкарыстоўвае Gemini праз ChatModel(), каб падсумаваць рэкі JSON у чытальны тэкст.
Чаму ў гэтым случае лепшая выкарыстоўваць інструменты, якія вызываюць модэлі, чым статычныя чат-боты
Дашборд можа паказваць тэмпературу вата. Статычны чат-бот можа поясніць, што значыць ABV. Ні адны з іх не можа, на адпаведзь на вопыт у свабоднай форме, вырашыць, што перад запускам партыі трэба пераканаліць застойкі, адрыхтуваць гэты пераканал для AlloyDB і даць адпаведзь пра кілаграмы хопу, якія не ўсталяны. Выкарыстоўванне інструментаў дае модэлю короткі спіс дазволеных дзеянняў і заставляе SQL-запыты ўсоўвацца ў компаненты ColdFusion, якія вы вядома пераглядаеце і тэстуеце, а таксама дазволяе заставіць бізнес-правілы там жа.
MCP распространяе гэты жа інтэрфейс на іншых кліентоў. Калі BrewMasterTools зарэгіструецца як сервер MCP, зовнішній агент можа выкарыстоўваць тыя ж інструменты для кантролю запасоў, рэцэптаў і рызыкаў без неабходнасці стварання індывідуальных інтэграцый для кожнага кліента. У гэтым і заключаецца сенс протаколу: адны інтэрфейс інструментоў, многа корыстувачаў.
Падсумак серыі
У пяці стацыях былі рассмотраны следуючыя тэмы:
- Апрацоўка дадзеных і час адпаведзення: Cloud Run для максімальнага зменшэння навантажэння і шыранняя запуску.
- Операцыйны база дадзеных: кэшаванне у колоннах і векторны пошук у AlloyDB.
- Аналітычныя механізмы: BigQuery GQL з Simba JDBC і сістэмай IAM без пароляў.
- Машынны навучэнне: прыкладкі праўдападобных прагнозаў аб бядах у рэальны час праз Vertex AI.
- Рабочыя практыкі з агентамі: хоставанне праз MCP, безпечны пераклад NL2SQL з PSVs і автонамная експанацыя інструментоў.
Іншыя матэрыялы
- Рэпазітарый бэкенду
- Рэпазітарый фронтэнду