ai-agents-for-beginners

Použití agentních protokolů (MCP, A2A a NLWeb)

Agentní protokoly

(Klikněte na obrázek výše pro zobrazení videa této lekce)

Jak roste využívání AI agentů, roste i potřeba protokolů, které zajistí standardizaci, bezpečnost a podpoří otevřenou inovaci. V této lekci pokryjeme 3 protokoly, které mají tento požadavek uspokojit – Model Context Protocol (MCP), Agent to Agent (A2A) a Natural Language Web (NLWeb).

Úvod

V této lekci se zaměříme na:

• Jak MCP umožňuje AI Agentům přístup k externím nástrojům a datům pro dokončení uživatelských úkolů.

• Jak A2A umožňuje komunikaci a spolupráci mezi různými AI agenty.

• Jak NLWeb přináší přirozené jazykové rozhraní na jakoukoli webovou stránku, což umožňuje AI Agentům objevovat a interagovat s obsahem.

Cíle učení

• Identifikovat hlavní účel a výhody MCP, A2A a NLWeb v kontextu AI agentů.

• Vysvětlit, jak každý protokol usnadňuje komunikaci a interakci mezi LLM, nástroji a dalšími agenty.

• Rozpoznat odlišné role každého protokolu při budování složitých agentních systémů.

Model Context Protocol

Model Context Protocol (MCP) je otevřený standard, který poskytuje standardizovaný způsob, jak aplikace mohou poskytovat kontext a nástroje LLM. Umožňuje tak “univerzální adaptér” na různé zdroje dat a nástroje, ke kterým se AI Agent může připojit konzistentním způsobem.

Pojďme se podívat na složky MCP, výhody oproti přímému použití API a příklad, jak by AI agenti mohli používat MCP server.

Hlavní složky MCP

MCP funguje na klient-server architektuře a hlavní složky jsou:

• Hostitelé jsou LLM aplikace (například editor kódu jako VSCode), které zahajují spojení s MCP serverem.

• Klienti jsou komponenty v rámci hostitelské aplikace, které udržují spojení jeden na jednoho se servery.

• Servery jsou lehké programy, které vystavují specifické schopnosti.

Protokol obsahuje tři základní primitivy, které představují schopnosti MCP serveru:

• Nástroje: Jde o jednotlivé akce nebo funkce, které může AI agent vyvolat k provedení úkolu. Například počasí může vystavit nástroj “získat počasí”, nebo e-commerce server nástroj “zakoupit produkt”. MCP servery inzerují název, popis a schéma vstupu/výstupu každého nástroje ve svém seznamu schopností.

• Zdroje: Jsou to data nebo dokumenty pouze pro čtení, které MCP server může poskytovat a klienti si je mohou načíst na požádání. Příklady zahrnují obsah souborů, databázové záznamy nebo soubory protokolů. Zdroje mohou být textové (jako kód nebo JSON) nebo binární (jako obrázky nebo PDF).

• Výzvy (Prompts): Jsou to předdefinované šablony, které poskytují navrhované výzvy, umožňující složitější pracovní postupy.

Výhody MCP

MCP nabízí významné výhody pro AI agenty:

• Dynamické objevování nástrojů: Agenti mohou dynamicky obdržet seznam dostupných nástrojů od serveru spolu s popisy jejich funkcí. Na rozdíl od tradičních API, která často vyžadují statické kódování integrací, což znamená, že jakákoli změna API vyžaduje aktualizaci kódu. MCP nabízí přístup “integruj jednou”, což vede k větší přizpůsobivosti.

• Interoperabilita napříč LLM: MCP funguje napříč různými LLM, poskytuje flexibilitu přepínat hlavní modely za účelem lepšího výkonu.

• Standardizovaná bezpečnost: MCP obsahuje standardní metodu autentifikace, což zlepšuje škálovatelnost při přidávání přístupu k dalším MCP serverům. To je jednodušší než spravovat různé klíče a typy autentifikace pro různá tradiční API.

Příklad MCP

Diagram MCP

Představme si uživatele, který chce rezervovat let pomocí AI asistenta postaveného na MCP.

  1. Připojení: AI asistent (MCP klient) se připojí k MCP serveru poskytovanému leteckou společností.

  2. Objevování nástrojů: Klient se zeptá MCP serveru aerolinek: „Jaké nástroje máte k dispozici?“ Server odpoví nástroji jako „vyhledat lety“ a „rezervovat lety“.

  3. Volání nástroje: Poté požádáte AI asistenta: „Vyhledej prosím let z Portlandu do Honolulu.“ AI asistent s využitím LLM identifikuje, že musí zavolat nástroj „vyhledat lety“ a předá relevantní parametry (odlet, cílové místo) MCP serveru.

  4. Vykonání a odpověď: MCP server, fungující jako obal, provede skutečné volání interního rezervačního API aerolinek. Poté obdrží informace o letu (např. JSON data) a pošle je zpět AI asistentovi.

  5. Další interakce: AI asistent představí možnosti letu. Jakmile vyberete let, asistent může vyvolat nástroj „rezervovat let“ na stejném MCP serveru a dokončit rezervaci.

Agent-to-Agent protokol (A2A)

Zatímco MCP se soustředí na propojení LLM s nástroji, Agent-to-Agent (A2A) protokol jde o krok dál tím, že umožňuje komunikaci a spolupráci mezi různými AI agenty. A2A propojuje AI agenty napříč různými organizacemi, prostředími a technologiemi za účelem dokončení sdíleného úkolu.

Podíváme se na složky a výhody A2A a také na příklad, jak by mohl být použit v naší cestovní aplikaci.

Hlavní složky A2A

A2A se zaměřuje na umožnění komunikace mezi agenty a jejich spolupráci na dokončení části uživatelova úkolu. Každá složka protokolu k tomu přispívá:

Agentní karta

Podobně jako MCP server sdílí seznam nástrojů, agentní karta obsahuje:

Prováděč agenta (Agent Executor)

Prováděč agenta je odpovědný za předání kontextu uživatelského chatu vzdálenému agentovi, vzdálený agent to potřebuje, aby pochopil úkol, který má dokončit. V A2A serveru agent používá svůj vlastní velký jazykový model (LLM) k analýze příchozích požadavků a vykonání úkolů za pomoci svých interních nástrojů.

Artefakt

Jakmile vzdálený agent dokončí požadovaný úkol, jeho pracovní výsledek je vytvořen jako artefakt. Artefakt obsahuje výsledek agentovy práce, popis toho, co bylo dokončeno, a textový kontext, který je předán protokolem. Po odeslání artefaktu je spojení s vzdáleným agentem ukončeno, dokud není znovu potřeba.

Fronta událostí (Event Queue)

Tato složka se používá k zpracování aktualizací a předávání zpráv. Je zvláště důležitá ve výrobním prostředí pro agentní systémy, aby se zabránilo předčasnému ukončení spojení mezi agenty před dokončením úkolu, zvláště když může dokončení úkolu trvat déle.

Výhody A2A

• Vylepšená spolupráce: Umožňuje agentům od různých dodavatelů a platforem komunikovat, sdílet kontext a spolupracovat, čímž zajišťuje plynulou automatizaci napříč tradičně oddělenými systémy.

• Flexibilita výběru modelu: Každý A2A agent si může zvolit, který LLM používá k obsluze svých požadavků, což umožňuje optimalizaci či ladění modelů na agenta, na rozdíl od jednoho LLM připojení v některých scénářích MCP.

• Vestavěná autentifikace: Autentifikace je integrována přímo do A2A protokolu, což poskytuje robustní bezpečnostní rámec pro interakce agentů.

Příklad A2A

Diagram A2A

Rozšíříme náš scénář rezervace cestování, tentokrát však s použitím A2A.

  1. Uživatelský požadavek na multi-agenta: Uživatel komunikuje s „Cestovním agentem“, A2A klientem/agentem, například řekne: „Prosím, rezervuj celou cestu do Honolulu na příští týden, včetně letů, hotelu a půjčení auta.“

  2. Orchestrace Cestovního agenta: Cestovní agent přijme tento složitý požadavek. Použije svůj LLM k rozmyšlení úkolu a určí, že musí komunikovat s dalšími specializovanými agenty.

  3. Meziagentní komunikace: Cestovní agent pak využije A2A protokol k připojení k podřízeným agentům, jako je „Agent aerolinek“, „Hotelový agent“ a „Agent půjčovny aut“, které jsou vytvořeny různými společnosti.

  4. Delegované vykonání úkolů: Cestovní agent posílá specifické úkoly těmto specializovaným agentům (např. „Najdi lety do Honolulu“, „Rezervuj hotel“, „Půjč auto“). Každý z těchto specializovaných agentů, který provozuje svůj vlastní LLM a využívá své nástroje (které mohou být samotné MCP servery), vykoná svoji část rezervace.

  5. Konsolidovaná odpověď: Jakmile všichni podřízení agenti dokončí úkoly, Cestovní agent sestaví výsledky (detaily letu, potvrzení hotelu, rezervaci auta) a pošle komplexní odpověď ve stylu chatu zpět uživateli.

Natural Language Web (NLWeb)

Webové stránky byly dlouho primárním způsobem, jak uživatelé přistupují k informacím a datům na internetu.

Podívejme se na různé složky NLWeb, výhody NLWeb a příklad, jak náš NLWeb funguje na příkladu naší cestovní aplikace.

Složky NLWeb

NLWeb na příkladu

NLWeb

Připomeňme si naši cestovní rezervační webovou stránku, tentokrát však poháněnou NLWeb.

  1. Vstup dat: Existující katalogy produktů na webu (např. seznamy letů, popisy hotelů, balíčky zájezdů) jsou formátovány pomocí Schema.org nebo načítány přes RSS kanály. Nástroje NLWeb tyto strukturované data zpracují, vytvoří embeddingy a uloží je do lokální či vzdálené vektorové databáze.

  2. Dotaz v přirozeném jazyce (člověk): Uživatel navštíví web a místo procházení menu napíše do chatu: „Najdi mi rodinný hotel v Honolulu s bazénem na příští týden.“

  3. Zpracování NLWeb: Aplikace NLWeb přijme tento dotaz. Pošle dotaz LLM k pochopení a zároveň prohledává svou vektorovou databázi pro relevantní nabídky hotelů.

  4. Přesné výsledky: LLM pomůže interpretovat výsledky hledání z databáze, identifikovat nejlepší shody podle kritérií „rodinný“, „bazén“ a „Honolulu“ a poté vytvoří odpověď v přirozeném jazyce. Zásadní je, že odpověď odkazuje na skutečné hotely z katalogu webu, čímž se vyhne vymyšleným informacím.

  5. Interakce AI agenta: Protože NLWeb funguje jako MCP server, může se externí AI cestovní agent také připojit k NLWeb instanci tohoto webu. AI agent pak může použít metodu ask MCP k přímému dotazování webu: ask("Jsou v oblasti Honolulu nějaké vegansky přátelské restaurace doporučené hotelem?"). NLWeb zpracuje tento dotaz, využije svou databázi informací o restauracích (pokud jsou načteny) a vrátí strukturovanou JSON odpověď.

Máte další otázky ohledně MCP/A2A/NLWeb?

Připojte se na Microsoft Foundry Discord, kde se můžete setkat s ostatními studenty, zúčastnit úředních hodin a získat odpovědi na své otázky ohledně AI agentů.

Zdroje

Předchozí lekce

AI agenti ve výrobě

Další lekce

Inženýrství kontextu pro AI agenty

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.

This site is open source. Improve this page.