ai-agents-for-beginners
(Klikněte na obrázek výše pro přehrání videa k této lekci)
Úvod do AI agentů a případů použití agentů
Vítejte v kurzu AI agenti pro začátečníky! Tento kurz vám poskytne základní znalosti — a skutečný funkční kód — k tomu, abyste začali stavět AI agenty od nuly.
Přijďte pozdravit do Azure AI Discord komunity — je plná studentů a tvůrců AI, kteří rádi odpoví na vaše otázky.
Než se pustíme do stavění, 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 se AI agenti nejlépe hodí
- 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 ne)
- Náčrtnout základní design agentního řešení pro reálný problém
Definování AI agentů a typy AI agentů
Co jsou AI agenti?
Zde je jednoduchý způsob, jak si to představit:
AI agenti jsou systémy, které umožňují modelům velkého jazyka (LLM) skutečně něco dělat — tím, že jim dávají nástroje a znalosti k působení ve světě, ne jen reagovat na podněty.
Pojďme si to trochu rozebrat:
- Systém — AI agent není jen jedna věc. Je to sbírka částí, které spolupracují. V jádru má každý agent tři části:
- Prostředí — prostor, ve kterém agent pracuje. Pro cestovní agenturu by to byla 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 rezervovat pokoj, poslat potvrzení nebo zrušit rezervaci.
-
Modely velkého jazyka — agenti existovali už před LLM, ale LLM jsou tím, co moderní agenty dělá tak silnými. Rozumí přirozenému jazyku, dokážou uvažovat o kontextu a proměnit nejasné uživatelské požadavky v konkrétní plán akcí.
-
Provádění akcí — bez systému agenta LLM jen generuje text. V rámci systému agenta může LLM skutečně vykonávat kroky — hledat v databázi, volat API, posílat zprávy.
-
Přístup k nástrojům — jaké nástroje může agent používat závisí na (1) prostředí, ve kterém běží, a (2) co mu vývojář zvolí dát k dispozici. Cestovní agent může vyhledávat lety, ale nemůže upravovat záznamy zákazníků — záleží na tom, co je zapojeno.
-
Paměť + znalosti — agenti mohou mít krátkodobou paměť (aktuální konverzaci) a dlouhodobou paměť (zákaznickou databázi, minulé interakce). Cestovní agent může “pamatovat” vaše preference například okna v letadle.
Různé typy AI agentů
Ne všichni agenti jsou stavěni stejným způsobem. Tady je přehled hlavních typů, přičemž jako příklad použijeme cestovní agenturu:
| Typ agenta | Co dělá | Příklad cestovního agenta |
|---|---|---|
| Agent reflexního typu | Řídí se pevně danými pravidly — bez paměti, bez plánování. | Vidí stížnost v e-mailu → přepošle ji zákaznickému servisu. A tím to končí. |
| Agent reflexního typu s modelem | Uchovává vnitřní model světa a aktualizuje ho, jak se situace mění. | Sleduje historické ceny letenek a upozorní na trasy, které náhle zdražily. |
| Agent s cílovým řízením | Má cíl a krok po kroku hledá cestu, jak ho dosáhnout. | Zarezervuje celou cestu (letenky, auto, hotel) od vaší současné polohy až do cílové destinace. |
| Agent založený na užitku | Nejenže hledá nějaké řešení — váží možnosti a hledá to nejlepší. | Vyvažuje cenu a pohodlí, aby našel cestu, která nejvíc odpovídá vašim preferencím. |
| Učící se agent | Postupně se zlepšuje na základě zpětné vazby. | Upravuje budoucí doporučení rezervací na základě výsledků dotazníků po cestě. |
| Hierarchický agent | Vyšší úroveň agenta rozděluje práci na dílčí úkoly a přiděluje je nižším agentům. | Požadavek „zrušit cestu“ se rozdělí na: zrušení letu, zrušení hotelu, zrušení auta — každý úkol řeší podagent. |
| Systémy více agentů (MAS) | Více nezávislých agentů pracujících společně (nebo soupeřících). | Kooperativní: samostatní agenti spravují hotely, lety a zábavu. Soutěživí: několik agentů soupeří, kdo poskytne nejlepší cenu u hotelových pokojů. |
Kdy používat AI agenty
To, že můžete použít AI agenta, ještě neznamená, že to vždy musíte. Tady jsou situace, kdy agenti skutečně vynikají:
- Otevřené problémy — Když nelze předem naprogramovat jednotlivé kroky řešení. LLM musí dynamicky najít cestu.
- Vícekrokové procesy — Úkoly vyžadující použití nástrojů přes několik kroků, ne jen jednorázové vyhledání nebo generování.
- Zlepšování v čase — Když chcete, aby se systém sám zlepšoval podle zpětné vazby uživatelů nebo signálů z prostředí.
Podrobněji si probereme, kdy (a kdy ne) používat AI agenty v lekci Budování důvěryhodných AI agentů později v kurzu.
Základy agentních řešení
Vývoj agentů
Prvním krokem při vytváření agenta je definovat co zvládne — jeho nástroje, akce a chování.
V tomto kurzu používáme jako hlavní platformu Azure AI Agent Service. Podporuje:
- Otevřené modely jako OpenAI, Mistral a Llama
- Licencovaná data od poskytovatelů jako Tripadvisor
- Standardizované definice nástrojů OpenAPI 3.0
Agentní vzory
S LLM komunikujete pomocí promptů. S agenty nelze vždy ručně tvořit každý prompt — agent musí jednat přes mnoho kroků. Proto existují agentní vzory. Jsou to opakovaně použitelné strategie pro promptování a orchestraci LLM způsobem, který je škálovatelný a spolehlivý.
Tento kurz je organizován kolem nejběžnějších a nejužitečnějších agentních vzorů.
Agentní frameworky
Agentní frameworky dávají vývojářům šablony, nástroje a infrastrukturu pro stavbu agentů. Usnadňují:
- Zapojení nástrojů a funkcí
- Sledování, co agent dělá (a ladění, když se něco pokazí)
- Spolupráci mezi více agenty
V tomto kurzu se zaměřujeme na Microsoft Agent Framework (MAF) pro vytváření produkčně připravených agentů.
Ukázky kódu
Připravení vidět to v akci? Tady jsou ukázky kódu pro tuto lekci:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Máte otázky?
Připojte se do Microsoft Foundry Discord a spojte se s dalšími studenty, navštivte konzultace a získejte odpovědi na své otázky o AI agentech od komunity.
Předchozí lekce
Další lekce
Prozkoumání agentních frameworků
Disclaimer:
Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. I když se snažíme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace je doporučen profesionální lidský překlad. Nejsme odpovědní za jakékoliv nedorozumění nebo chybné interpretace vzniklé použitím tohoto překladu.