ai-agents-for-beginners
(Clique na imagem acima para assistir ao vídeo desta aula)
Introdução aos Agentes de IA e Casos de Uso de Agentes
Bem-vindo ao curso “Agentes de IA para Iniciantes”! Este curso oferece conhecimentos fundamentais e exemplos práticos para construir Agentes de IA.
Participe da Comunidade Azure AI no Discord para conhecer outros aprendizes e criadores de Agentes de IA e tirar suas dúvidas sobre este curso.
Para começar este curso, vamos entender melhor o que são Agentes de IA e como podemos utilizá-los em aplicações e fluxos de trabalho que criamos.
Introdução
Esta aula aborda:
- O que são Agentes de IA e quais são os diferentes tipos de agentes?
- Quais casos de uso são mais adequados para Agentes de IA e como eles podem nos ajudar?
- Quais são alguns dos blocos básicos ao projetar Soluções Agentes?
Objetivos de Aprendizado
Após concluir esta aula, você deverá ser capaz de:
- Compreender os conceitos de Agentes de IA e como eles diferem de outras soluções de IA.
- Aplicar Agentes de IA de forma mais eficiente.
- Projetar soluções agentes de forma produtiva para usuários e clientes.
Definindo Agentes de IA e Tipos de Agentes de IA
O que são Agentes de IA?
Agentes de IA são sistemas que permitem que Modelos de Linguagem de Grande Escala (LLMs) executem ações, ampliando suas capacidades ao fornecer acesso a ferramentas e conhecimento.
Vamos dividir essa definição em partes menores:
- Sistema - É importante pensar nos agentes não apenas como um único componente, mas como um sistema de vários componentes. No nível básico, os componentes de um Agente de IA são:
- Ambiente - O espaço definido onde o Agente de IA está operando. Por exemplo, se tivermos um agente de reserva de viagens, o ambiente pode ser o sistema de reservas de viagens que o agente utiliza para realizar tarefas.
- Sensores - Ambientes possuem informações e fornecem feedback. Agentes de IA utilizam sensores para coletar e interpretar essas informações sobre o estado atual do ambiente. No exemplo do Agente de Reserva de Viagens, o sistema de reservas pode fornecer informações como disponibilidade de hotéis ou preços de voos.
- Atuadores - Após o Agente de IA receber o estado atual do ambiente, para a tarefa em questão, o agente determina qual ação realizar para alterar o ambiente. No exemplo do agente de reserva de viagens, pode ser reservar um quarto disponível para o usuário.
Modelos de Linguagem de Grande Escala - O conceito de agentes existia antes da criação dos LLMs. A vantagem de construir Agentes de IA com LLMs é sua capacidade de interpretar linguagem humana e dados. Essa habilidade permite que os LLMs interpretem informações do ambiente e definam um plano para alterá-lo.
Executar Ações - Fora dos sistemas de Agentes de IA, os LLMs são limitados a situações em que a ação é gerar conteúdo ou informações com base no comando do usuário. Dentro dos sistemas de Agentes de IA, os LLMs podem realizar tarefas interpretando o pedido do usuário e utilizando ferramentas disponíveis em seu ambiente.
Acesso a Ferramentas - Quais ferramentas o LLM tem acesso é definido por 1) o ambiente em que está operando e 2) o desenvolvedor do Agente de IA. No exemplo do agente de viagens, as ferramentas do agente são limitadas pelas operações disponíveis no sistema de reservas e/ou o desenvolvedor pode limitar o acesso do agente às ferramentas de voos.
Memória+Conhecimento - A memória pode ser de curto prazo no contexto da conversa entre o usuário e o agente. A longo prazo, fora das informações fornecidas pelo ambiente, os Agentes de IA também podem recuperar conhecimento de outros sistemas, serviços, ferramentas e até outros agentes. No exemplo do agente de viagens, esse conhecimento pode ser as preferências de viagem do usuário localizadas em um banco de dados de clientes.
Os diferentes tipos de agentes
Agora que temos uma definição geral de Agentes de IA, vamos analisar alguns tipos específicos de agentes e como eles seriam aplicados a um agente de reserva de viagens.
| Tipo de Agente | Descrição | Exemplo |
|---|---|---|
| Agentes de Reflexo Simples | Executam ações imediatas com base em regras predefinidas. | O agente de viagens interpreta o contexto do e-mail e encaminha reclamações de viagem para o atendimento ao cliente. |
| Agentes de Reflexo Baseados em Modelo | Executam ações com base em um modelo do mundo e mudanças nesse modelo. | O agente de viagens prioriza rotas com mudanças significativas de preço com base no acesso a dados históricos de preços. |
| Agentes Baseados em Objetivos | Criam planos para alcançar objetivos específicos interpretando o objetivo e determinando ações para alcançá-lo. | O agente de viagens reserva uma jornada determinando os arranjos necessários (carro, transporte público, voos) do local atual até o destino. |
| Agentes Baseados em Utilidade | Consideram preferências e avaliam compensações numericamente para determinar como alcançar objetivos. | O agente de viagens maximiza a utilidade ao avaliar conveniência versus custo ao reservar viagens. |
| Agentes de Aprendizado | Melhoram ao longo do tempo respondendo ao feedback e ajustando ações de acordo. | O agente de viagens melhora usando o feedback dos clientes de pesquisas pós-viagem para fazer ajustes em reservas futuras. |
| Agentes Hierárquicos | Apresentam múltiplos agentes em um sistema hierárquico, com agentes de nível superior dividindo tarefas em subtarefas para agentes de nível inferior completarem. | O agente de viagens cancela uma viagem dividindo a tarefa em subtarefas (por exemplo, cancelar reservas específicas) e fazendo com que agentes de nível inferior as completem, reportando ao agente de nível superior. |
| Sistemas Multiagentes (MAS) | Agentes completam tarefas de forma independente, seja cooperativa ou competitiva. | Cooperativo: Múltiplos agentes reservam serviços específicos de viagem, como hotéis, voos e entretenimento. Competitivo: Múltiplos agentes gerenciam e competem por um calendário compartilhado de reservas de hotel para acomodar clientes no hotel. |
Quando Usar Agentes de IA
Na seção anterior, usamos o caso de uso do Agente de Viagens para explicar como os diferentes tipos de agentes podem ser usados em diferentes cenários de reserva de viagens. Continuaremos a usar essa aplicação ao longo do curso.
Vamos analisar os tipos de casos de uso para os quais os Agentes de IA são mais adequados:
- Problemas Abertos - permitindo que o LLM determine os passos necessários para completar uma tarefa, pois nem sempre é possível codificar isso em um fluxo de trabalho.
- Processos de Múltiplas Etapas - tarefas que exigem um nível de complexidade em que o Agente de IA precisa usar ferramentas ou informações em várias etapas, em vez de uma única recuperação.
- Melhoria ao Longo do Tempo - tarefas em que o agente pode melhorar ao longo do tempo recebendo feedback de seu ambiente ou usuários para oferecer melhor utilidade.
Abordamos mais considerações sobre o uso de Agentes de IA na aula Construindo Agentes de IA Confiáveis.
Noções Básicas de Soluções Agentes
Desenvolvimento de Agentes
O primeiro passo para projetar um sistema de Agente de IA é definir as ferramentas, ações e comportamentos. Neste curso, focamos no uso do Azure AI Agent Service para definir nossos Agentes. Ele oferece recursos como:
- Seleção de Modelos Abertos, como OpenAI, Mistral e Llama
- Uso de Dados Licenciados por meio de provedores como Tripadvisor
- Uso de ferramentas padronizadas OpenAPI 3.0
Padrões Agentes
A comunicação com LLMs é feita por meio de prompts. Dada a natureza semi-autônoma dos Agentes de IA, nem sempre é possível ou necessário reconfigurar manualmente o LLM após uma mudança no ambiente. Usamos Padrões Agentes que permitem que o LLM seja configurado em várias etapas de forma mais escalável.
Este curso está dividido em alguns dos padrões agentes populares atuais.
Frameworks Agentes
Frameworks Agentes permitem que os desenvolvedores implementem padrões agentes por meio de código. Esses frameworks oferecem templates, plugins e ferramentas para melhor colaboração entre Agentes de IA. Esses benefícios proporcionam melhores capacidades de observação e solução de problemas em sistemas de Agentes de IA.
Neste curso, exploraremos o framework AutoGen, baseado em pesquisa, e o framework Agent, pronto para produção, do Semantic Kernel.
Códigos de Exemplo
- Python: Framework de Agentes
- .NET: Framework de Agentes
Tem mais dúvidas sobre Agentes de IA?
Participe do Discord do Azure AI Foundry para interagir com outros aprendizes, participar de horários de atendimento e tirar suas dúvidas sobre Agentes de IA.
Aula Anterior
Próxima Aula
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional humana. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.