Coleção com mais de 50 tutoriais executáveis em notebooks Jupyter sobre técnicas para agentes de GenAI, de chatbots simples a sistemas multiagentes.
GoogleCloudPlatform/cymbal-air-toolbox-demo
Agente de atendimento ao cliente de uma companhia aérea fictícia, criado com LangGraph e RAG para consultar bancos de dados do Google Cloud pelo MCP Toolbox.
- Estrelas
- 350
- Forks
- 123
- Issues abertas
- 53
- Último commit
- há 3 meses
O que é?
Este projeto é uma implementação de referência de um aplicativo de atendimento ao cliente com agentes, criado sobre bancos de dados do Google Cloud. O cenário usa a companhia aérea fictícia Cymbal Air e seu hub no Aeroporto Internacional de São Francisco. O assistente pode ajudar viajantes a gerenciar voos e responder a perguntas sobre o aeroporto, como onde encontrar cafés, lojas nos terminais e voos para uma determinada cidade.
O agente é orquestrado com LangGraph, então o LLM escolhe quais ferramentas chamar e em que ordem, em vez de seguir uma sequência fixa de chamadas. Cada ferramenta corresponde a uma consulta predefinida ao banco de dados, como buscar voos ou listar serviços do aeroporto. A geração aumentada por recuperação (RAG) fundamenta as respostas nos dados armazenados no banco de dados.
O acesso ao banco de dados é feito pelo MCP Toolbox, um servidor de middleware que disponibiliza operações do banco como ferramentas e gerencia autenticação e autorização, para que o agente nunca se conecte diretamente ao banco de dados. A camada de banco de dados é descrita como intercambiável, e a demonstração inclui configurações para bancos de dados compatíveis com Cloud SQL e outros bancos do Google Cloud, por meio do arquivo tools.yaml.
Recursos principais
- 01Orquestração do agente com LangGraph, em que o LLM seleciona ferramentas dinamicamente.
- 02Acesso ao banco de dados pelo MCP Toolbox, que gerencia autenticação e autorização.
- 03Geração aumentada por recuperação (RAG) para fundamentar as respostas nos dados do banco de dados.
- 04Ferramentas predefinidas, como find_flights e list_amenities, associadas a consultas ao banco de dados.
- 05Ferramentas configuráveis por meio do arquivo tools.yaml, executáveis localmente ou no Cloud Run.
Casos de uso
- Aprender a criar um agente de atendimento ao cliente que consulta um banco de dados na nuvem.
- Usar como ponto de partida para um aplicativo com agentes personalizado que utiliza MCP Toolbox com seu próprio banco de dados.
- Explorar como restringir o acesso do agente ao banco de dados por meio de uma camada de middleware.
Início rápido
- 1
Clone o repositório
git clone https://github.com/GoogleCloudPlatform/cymbal-air-toolbox-demo.git - 2
Baixe o binário do MCP Toolbox (exemplo para Linux amd64 do README)
curl -O https://storage.googleapis.com/genai-toolbox/v$VERSION/linux/amd64/toolbox - 3
Conclua a configuração inicial do banco de dados e do tools.yaml seguindo o Database Setup Guide
- 4
Execute o servidor do Toolbox localmente
./toolbox --tools-file "tools.yaml"
Antes de usar
- O README informa que este é um projeto de demonstração e não um produto com suporte oficial do Google.
- Para executá-lo, primeiro é necessário configurar um banco de dados do Google Cloud e o servidor do MCP Toolbox.
- A configuração tem várias etapas e depende do Database Setup Guide e de instruções separadas para executar o app.
Em coleções
Tópicos
Perguntas frequentes
- O que é cymbal-air-toolbox-demo?
- Agente de atendimento ao cliente de uma companhia aérea fictícia, criado com LangGraph e RAG para consultar bancos de dados do Google Cloud pelo MCP Toolbox. Este projeto é uma implementação de referência de um aplicativo de atendimento ao cliente com agentes, criado sobre bancos de dados do Google Cloud. O cenário usa a companhia aérea fictícia Cymbal Air e seu hub no Aeroporto Internacional de São Francisco. O assistente pode ajudar viajantes a gerenciar voos e responder a perguntas sobre o aeroporto, como onde encontrar cafés, lojas nos terminais e voos para uma determinada cidade.
- cymbal-air-toolbox-demo é gratuito? Qual é a licença?
- cymbal-air-toolbox-demo é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- cymbal-air-toolbox-demo ainda é mantido?
- Atualizado nos últimos 6 meses. O último commit de cymbal-air-toolbox-demo foi em 14 de ago. de 2026.
- Para que posso usar cymbal-air-toolbox-demo?
- Aprender a criar um agente de atendimento ao cliente que consulta um banco de dados na nuvem. Usar como ponto de partida para um aplicativo com agentes personalizado que utiliza MCP Toolbox com seu próprio banco de dados. Explorar como restringir o acesso do agente ao banco de dados por meio de uma camada de middleware.
- Como instalar cymbal-air-toolbox-demo?
- Clone o repositório: git clone https://github.com/GoogleCloudPlatform/cymbal-air-toolbox-demo.git Baixe o binário do MCP Toolbox (exemplo para Linux amd64 do README): curl -O https://storage.googleapis.com/genai-toolbox/v$VERSION/linux/amd64/toolbox Conclua a configuração inicial do banco de dados e do tools.yaml seguindo o Database Setup Guide Execute o servidor do Toolbox localmente: ./toolbox --tools-file "tools.yaml"
- Onde consigo cymbal-air-toolbox-demo?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/GoogleCloudPlatform/cymbal-air-toolbox-demo
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Um harness de agentes para Python, com escolhas opinativas e tudo incluído, que executa tarefas longas e com várias etapas desde o início no LangGraph.
Coleção de 28 tutoriais code-first para levar agentes de GenAI do protótipo à produção, abordando memória, RAG, implantação, segurança e observabilidade.
Backend open source, auto-hospedável e nativo para IA, que oferece a apps gerados por IA banco de dados, autenticação, armazenamento, memória, funções e hospedagem em CDN em um único serviço.
Sistema de memória para agentes que armazena, recupera e reflete sobre memórias para que agentes de IA aprendam com o tempo, em vez de apenas reproduzir o histórico de conversas.
Repositório tutorial com cinco notebooks Jupyter que ensinam, passo a passo, a criar do zero um agente de pesquisa aprofundada baseado em LangGraph.