Os dois aplicativos usam o SDK Python da MKA1. Cada diretório de aplicativo é independente, então você pode copiá-lo para o seu próprio repositório.
Antes de começar
Você precisa de:- Python 3.12 ou posterior e uv.
- Uma chave de API da MKA1 e um modelo habilitado na sua organização.
- Para o analista de CSV, capacidade de sandbox no seu cluster.
X-On-Behalf-Of, e cada solicitação de Responses define store como false.
Triagem de tickets
Código-fonte:apps/ticket-triage
Cole um ticket de suporte de telecomunicações ou escolha um exemplo fictício. O aplicativo sugere uma equipe (cobrança, suporte técnico ou serviços de conta), uma prioridade de P1 a P3, um resumo, uma justificativa e uma próxima ação para revisão humana. Ele não envia tickets, não altera contas nem envia mensagens.
O aplicativo demonstra:
- Uma solicitação de Responses com instruções de roteamento e um esquema JSON estrito em
text.format, para que o modelo retorne uma decisão estruturada. - A validação dessa decisão antes de exibi-la. O aplicativo rejeita respostas incompletas, recusas do modelo, JSON inválido, valores desconhecidos de equipe ou prioridade e campos extras.
openai:gpt-4.1-mini; a disponibilidade depende da sua organização.
Para executá-lo, instale as dependências e crie o arquivo de configuração:
.env. Defina MKA1_API_KEY com a sua chave de API, MKA1_SERVER_URL com a URL do gateway do seu cluster e MKA1_MODEL com um modelo habilitado que suporte saída estruturada. Depois, inicie o aplicativo:
http://127.0.0.1:8001, escolha Business connectivity outage e envie o ticket. O resultado esperado é technical_support e P1. O texto pode variar entre execuções do modelo.
Analista de CSV
Código-fonte:apps/csv-analyst
Envie um CSV, faça uma pergunta e baixe um relatório HTML com resultados calculados, tabelas, métodos e limitações. Cada análise é executada no próprio sandbox.
O aplicativo demonstra:
- O ciclo de vida de uma sessão de sandbox: cria uma sessão com o recurso Python e duração de dez minutos, envia o CSV, baixa o relatório e encerra a sessão quando a análise termina, inclusive após uma falha.
- Uma solicitação de Responses com uma ferramenta
shellvinculada a essa sessão. O modelo usa Python no sandbox para analisar o arquivo e escrever o relatório. - A validação e a sanitização do relatório gerado antes que o navegador o receba.
openai:gpt-4.1; a disponibilidade depende da sua organização.
Para executá-lo, instale as dependências e crie o arquivo de configuração:
.env com a sua chave de API, a URL do gateway e o modelo, usando as mesmas variáveis da triagem de tickets. Depois, inicie o aplicativo:
http://127.0.0.1:8002, clique em Use example data, mantenha a pergunta padrão e clique em Generate report. Baixe o relatório quando ele terminar. Nos dados de exemplo, a receita mensal total é de $61,000 em julho, $64,950 em agosto e $69,000 em setembro; use esses valores para verificar o relatório.
O aplicativo aceita um CSV de até 1 MB, 20.000 linhas de dados e 50 colunas, e executa uma análise por vez em cada processo do servidor. Revise cada relatório antes de confiar nele: uma resposta concluída não prova que todos os cálculos estão corretos.
Antes de hospedar um aplicativo para outros usuários
Os dois aplicativos foram feitos para execução local: eles se vinculam a localhost e rejeitam envios do navegador de outras origens. Antes de hospedar um deles para outros usuários:- Adicione autenticação ao aplicativo e associe os usuários autenticados a identidades de usuário final autorizadas.
- Aplique cotas por usuário.
- Configure o seu proxy reverso e os hosts permitidos.
- Mantenha as chaves de API no servidor.
- No analista de CSV, aplique as restrições de rede e de sistema de arquivos necessárias por meio da sua infraestrutura de sandbox. Instruções do modelo não são um limite de isolamento.