ai-agents-for-beginners
(Klikněte na obrázek výše pro zhlédnutí videa k této lekci)
Úvod do AI agentů a případů použití agentů
Vítejte v kurzu AI Agentů pro začátečníky! Tento kurz vám poskytne základní znalosti — i funkční kód — abyste mohli začít vytvářet AI agenty od nuly.
Přijďte se pozdravit na Azure AI Discord komunitu — je plná studentů a tvůrců AI, kteří rádi odpoví na vaše otázky.
Než se pustíme do tvorby, ujistěme se, že skutečně chápeme, co AI agent je a kdy dává smysl ho použít.
Úvod
Tato lekce pokrývá:
- Co jsou AI agenti a různé typy, které existují
- Pro jaké úkoly jsou AI agenti nejvhodnější
- Základní stavební kameny, které použijete při navrhování agentního řešení
Cíle učení
Na konci této lekce byste měli být schopni:
- Vysvětlit, co je AI agent a jak se liší od běžného AI řešení
- Vědět, kdy sáhnout po AI agentovi (a kdy naopak ne)
- Nákreslit základní návrh agentního řešení pro reálný problém
Definice AI agentů a typy AI agentů
Co jsou AI agenti?
Tady je jednoduchý způsob, jak o tom přemýšlet:
AI agenti jsou systémy, které umožňují velkým jazykovým modelům (LLMs) skutečně něco dělat — tím, že jim dávají nástroje a znalosti, aby mohli působit ve světě, nejen odpovídat na příkazy.
Pojďme si to rozebrat:
- Systém — AI agent není jen jedna věc. Je to kolekce částí, které spolupracují. V jádru má každý agent tři části:
- Prostředí — prostor, ve kterém agent pracuje. Pro cestovního agenta je to samotná rezervační platforma.
- Senzory — jak agent čte aktuální stav svého prostředí. Náš cestovní agent může kontrolovat dostupnost hotelů nebo ceny letenek.
- Aktuátory — jak agent jedná. Cestovní agent může zarezervovat pokoj, poslat potvrzení nebo zrušit rezervaci.
-
Velké jazykové modely — agenti existovali i před LLM, ale LLM je to, co dělá moderní agenty tak silnými. Dokážou rozumět přirozenému jazyku, uvažovat o kontextu a proměnit vágní uživatelský požadavek v konkrétní plán akce.
-
Provádění akcí — bez agenta LLM jen generuje text. V rámci agentního systému může LLM skutečně vykonávat kroky — hledat v databázi, volat API, posílat zprávu.
-
Přístup k nástrojům — jaké nástroje agent může použít, závisí na (1) prostředí, ve kterém běží, a (2) co mu vývojář zvolí. Cestovní agent může například hledat lety, ale nebude upravovat zákaznické záznamy — to záleží na připojení.
-
Paměť + znalosti — agenti mohou mít krátkodobou paměť (aktuální konverzace) a dlouhodobou paměť (zákaznická databáze, minulé interakce). Cestovní agent si může „pamatovat“, že preferujete sedadlo u okna.
Různé typy AI agentů
Ne všichni agenti jsou postaveni stejně. Tady je přehled hlavních typů, s příkladem cestovního agenta:
| Typ agenta | Co dělá | Příklad cestovního agenta |
|---|---|---|
| Jednoduchý reflexní agent | Řídí se tvrdě zakódovanými pravidly — nemá paměť, neplánuje. | Vidí stížnost v e-mailu → přepošle jí zákaznické podpoře. Tím to končí. |
| Modelový reflexní agent | Uchovává interní model světa a aktualizuje ho, jak se situace mění. | Sleduje historické ceny letenek a upozorní na náhle zvýšené trasy. |
| Agent založený na cíli | Má cíl a krok za krokem vymýšlí, jak ho dosáhnout. | Zarezervuje celou cestu (letenky, auto, hotel) od vaší aktuální polohy k cíli. |
| Agent založený na užitku | Nehledá jen nějaké řešení, ale nejlepší vážením kompromisů. | Balancuje náklady a pohodlí, aby našel cestu, která nejlépe odpovídá vašim preferencím. |
| Učící agent | Zlepšuje se časem učením z reakcí. | Přizpůsobuje budoucí návrhy rezervací podle výsledků dotazníků po cestě. |
| Hierarchický agent | Vyšší agent rozděluje práci na podúkoly a deleguje je nižším agentům. | Požadavek „zrušit cestu“ se rozdělí na: zrušit let, zrušit hotel, zrušit půjčení auta — každý řeší jiný agent. |
| Systémy více agentů (MAS) | Více nezávislých agentů spolupracuje (nebo soupeří). | Kooperace: jednotliví agenti se starají o hotely, lety a zábavu. Soutěž: více agentů soutěží o rezervaci hotelů za nejlepší cenu. |
Kdy používat AI agenty
Jen proto, že můžete použít AI agenta, neznamená to, že byste vždy měli. Zde jsou situace, kdy agenti skutečně vynikají:
- Otevřené problémy — když nejsou kroky k řešení problému předem naprogramovatelné. LLM musí dynamicky vymyslet cestu.
- Vícekrokové procesy — úkoly vyžadující používání nástrojů přes několik kol, ne jen jedno vyhledání nebo generování.
- Zlepšování v čase — když chcete, aby systém získával inteligenci na základě zpětné vazby uživatelů nebo signálů z prostředí.
V lekci Budování důvěryhodných AI agentů později v kurzu se ponoříme hlouběji do toho, kdy (a kdy ne) používat AI agenty.
Základy agentních řešení
Vývoj agentů
První, co při stavbě agenta uděláte, je definovat co může dělat — jaké má nástroje, akce a chování.
V tomto kurzu používáme jako hlavní platformu Azure AI Agent Service. Podporuje:
- Modely od poskytovatelů jako OpenAI, Mistral a Meta (Llama)
- Licencovaná data od poskytovatelů jako Tripadvisor
- Standardizované definice nástrojů podle OpenAPI 3.0
Agentní vzory
Komunikujete s LLM pomocí promptů. U agentů nelze vždy ručně vytvářet každý prompt — agent musí podniknout akce přes mnoho kroků. Proto přicházejí agentní vzory. Jsou to znovupoužitelné strategie pro promptování a orchestraci LLM způsobem, který je škálovatelnější a spolehlivější.
Tento kurz je postaven kolem nejběžnějších a nejužitečnějších agentních vzorů.
Agentní frameworky
Agentní frameworky dávají vývojářům předpřipravené šablony, nástroje a infrastrukturu pro tvorbu agentů. Usnadňují:
- Propojení nástrojů a schopností
- Sledování, co agent dělá (a ladění, když se něco pokazí)
- Spolupráci napříč více agenty
V tomto kurzu se zaměřujeme na Microsoft Agent Framework (MAF) pro tvorbu agentů připravených do produkce.
Ukázky kódu
Chcete to vidět v praxi? Tady jsou ukázky kódu pro tuto lekci:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Máte otázky?
Připojte se na Microsoft Foundry Discord, kde se spojíte s ostatními studenty, zúčastníte se konzultací a získáte odpovědi na své otázky ohledně AI agentů od komunity.
Předchozí lekce
Další lekce
Prozkoumání agentních frameworků
Prohlášení o omezení odpovědnosti: Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. Přestože usilujeme o co největší přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoli nedorozumění nebo nesprávné interpretace vzniklé použitím tohoto překladu.