AI Agent

client.aiAgent (TypeScript) / client.ai_agent (Python) cung cấp chat streaming, quản lý embedding, sinh parquet, và distributed tracing cho AI agents.

Để xem hướng dẫn chi tiết, tham khảo AI Agent trong SDK guide.

---

Schema

StreamChatBody

Tham số để khởi tạo một phiên chat streaming.

Field	Type	Required	Mô tả
assistant_id	string	✓	ID của AI agent để chat
messages	array	✓	Lịch sử hội thoại (cặp role + content)
id	string		ID phiên chat có sẵn để tiếp tục
model_id	string		Ghi đè mô hình LLM mặc định của agent
provider_id	string		Ghi đè nhà cung cấp LLM mặc định của agent
user_id	string		Định danh người dùng bên ngoài

StreamSubAgentChatBody

Field	Type	Required	Mô tả
assistant_id	string	✓	ID của AI agent
session_id	string	✓	ID phiên cha
chat_id	string	✓	ID chat trong phiên
messages	array	✓	Tin nhắn hội thoại

---

Methods

Method	TypeScript	Python	Mô tả
Stream chat	streamChat	stream_chat	Bắt đầu phiên chat streaming với AI agent
Stream sub-agent chat	streamSubAgentChat	stream_sub_agent_chat	Streaming chat trong phạm vi phiên sub-agent
Get sub-agent history	getSubAgentHistory	get_sub_agent_history	Lấy lịch sử tin nhắn của sub-agent chat
List chats	listChats	list_chats	Danh sách phiên chat của tổ chức
Get chat	getChat	get_chat	Lấy một phiên chat
Delete chat	deleteChat	delete_chat	Xóa một phiên chat
Prompt suggestions	getAgentPromptSuggestion	get_agent_prompt_suggestion	Lấy gợi ý prompt cho agent
Classify file	classifyFile	classify_file	Phân loại file vào danh mục
Suggest field types	suggestFieldTypes	suggest_field_types	Gợi ý JSON schema từ tài liệu mẫu
Process embedding	processEmbedding	process_embedding	Nhúng file vào kho tri thức
List embedding files	listEmbeddingFiles	list_embedding_files	Danh sách các file đã nhúng
Get embedding file	getEmbeddingFile	get_embedding_file	Lấy một file đã nhúng
Preview embedding file	previewEmbeddingFile	preview_embedding_file	Xem trước nội dung đã nhúng
Update embedding status	updateEmbeddingFileStatus	update_embedding_file_status	Cập nhật trạng thái nhúng file
Delete embedding file	deleteEmbeddingFile	delete_embedding_file	Xóa file khỏi kho tri thức
Generate parquet	generateParquet	generate_parquet	Chuyển đổi mảng dữ liệu thành file parquet
List parquet files	listParquetFiles	list_parquet_files	Danh sách file parquet đã sinh
Delete parquet file	deleteParquetFile	delete_parquet_file	Xóa file parquet theo tên
Get traces	getTraces	get_traces	Truy vấn distributed traces
Get trace	getTrace	get_trace	Lấy một trace theo ID
Get trace services	getTraceServices	get_trace_services	Danh sách dịch vụ phát ra traces

---

streamChat / stream_chat

Bắt đầu chat streaming với AI agent. Trả về HTTP response thô — lặp qua stream để đọc các SSE chunks.

TypeScript

const response = await client.aiAgent.streamChat({
  assistant_id: "agent_id",
  messages: [{ role: "user", content: "Hello" }],
  user_id: "user_123",
});

const reader = response.body?.getReader();
const decoder = new TextDecoder();
while (reader) {
  const { done, value } = await reader.read();
  if (done) break;
  console.log(decoder.decode(value));
}

Python

response = client.ai_agent.stream_chat({
    "assistant_id": "agent_id",
    "messages": [{"role": "user", "content": "Hello"}],
    "user_id": "user_123",
})
for chunk in response.iter_lines():
    print(chunk)

---

streamSubAgentChat / stream_sub_agent_chat

Stream chat trong phạm vi sub-agent trong một phiên cha.

TypeScript

const response = await client.aiAgent.streamSubAgentChat({
  assistant_id: "agent_id",
  session_id: "session_id",
  chat_id: "chat_id",
  messages: [{ role: "user", content: "Follow-up question" }],
});

Python

response = client.ai_agent.stream_sub_agent_chat({
    "assistant_id": "agent_id",
    "session_id": "session_id",
    "chat_id": "chat_id",
    "messages": [{"role": "user", "content": "Follow-up question"}],
})

---

listChats / list_chats

TypeScript

const { data: chats } = await client.aiAgent.listChats({
  organization_id: "org_id",
  user_id: "user_123",
  limit: 20,
});

Python

result = client.ai_agent.list_chats(
    organization_id="org_id",
    user_id="user_123",
    limit=20,
)
chats = result.get("data", [])

---

getSubAgentHistory / get_sub_agent_history

TypeScript

const history = await client.aiAgent.getSubAgentHistory({
  session_id: "session_id",
  chat_id: "chat_id",
});

Python

history = client.ai_agent.get_sub_agent_history(
    session_id="session_id",
    chat_id="chat_id",
)

---

processEmbedding / process_embedding

Nhúng file vào kho tri thức của agent.

TypeScript

const result = await client.aiAgent.processEmbedding({
  fileId: "file_id",
  options: { chunk_size: 512 },
});

Python

result = client.ai_agent.process_embedding(
    file_id="file_id",
    options={"chunk_size": 512},
)

---

classifyFile / classify_file

Phân loại file vào danh mục định sẵn dựa trên nội dung.

TypeScript

const result = await client.aiAgent.classifyFile({ fileId: "file_id" });
console.log(result.category);

Python

result = client.ai_agent.classify_file(file_id="file_id")
print(result.get("category"))

---

suggestFieldTypes / suggest_field_types

Phân tích tài liệu mẫu và gợi ý JSON schema với kiểu dữ liệu cho trích xuất tài liệu.

TypeScript

const schema = await client.aiAgent.suggestFieldTypes({
  fileUrls: ["https://example.com/invoice.pdf"],
});
console.log(schema);

Python

schema = client.ai_agent.suggest_field_types(
    file_urls=["https://example.com/invoice.pdf"],
)
print(schema)

---

previewEmbeddingFile / preview_embedding_file

Xem trước nội dung của file đã nhúng trước khi xử lý.

TypeScript

const preview = await client.aiAgent.previewEmbeddingFile({ fileId: "file_id" });
console.log(preview);

Python

preview = client.ai_agent.preview_embedding_file(file_id="file_id")
print(preview)

---

updateEmbeddingFileStatus / update_embedding_file_status

Cập nhật trạng thái xử lý của một file nhúng.

TypeScript

const result = await client.aiAgent.updateEmbeddingFileStatus("file_id", "completed");
console.log(result);

Python

result = client.ai_agent.update_embedding_file_status("file_id", "completed")
print(result)

---

generateParquet / generate_parquet

Chuyển đổi mảng bản ghi thành file parquet để nhập dữ liệu có cấu trúc.

TypeScript

const result = await client.aiAgent.generateParquet({
  data: [{ name: "Alice", score: 95 }, { name: "Bob", score: 87 }],
  fileName: "scores",
  folderName: "results",
});

Python

result = client.ai_agent.generate_parquet(
    data=[{"name": "Alice", "score": 95}, {"name": "Bob", "score": 87}],
    file_name="scores",
    folder_name="results",
)

---

getTraces / get_traces

Truy vấn distributed traces để debug và quan sát.

TypeScript

const traces = await client.aiAgent.getTraces({
  service: "ai-agent",
  limit: 50,
  timeRange: 3600,
  orgId: "org_id",
});

Python

traces = client.ai_agent.get_traces(
    service="ai-agent",
    limit=50,
    time_range=3600,
    org_id="org_id",
)