ai-agents-for-beginners

Εξερεύνηση Πλαισίων Εργασίας Πρακτόρων Τεχνητής Νοημοσύνης

(Κάντε κλικ στην εικόνα παραπάνω για να δείτε το βίντεο αυτής της ενότητας)

Εξερεύνηση Πλαισίων Εργασίας Πρακτόρων Τεχνητής Νοημοσύνης

Τα πλαίσια εργασίας πρακτόρων τεχνητής νοημοσύνης είναι πλατφόρμες λογισμικού σχεδιασμένες να απλοποιούν τη δημιουργία, την ανάπτυξη και τη διαχείριση πρακτόρων τεχνητής νοημοσύνης. Αυτά τα πλαίσια προσφέρουν στους προγραμματιστές προ-κατασκευασμένα στοιχεία, αφαίρεσεις και εργαλεία που διευκολύνουν την ανάπτυξη πολύπλοκων συστημάτων ΤΝ.

Αυτά τα πλαίσια βοηθούν τους προγραμματιστές να εστιάσουν στις μοναδικές πτυχές των εφαρμογών τους, παρέχοντας τυποποιημένες προσεγγίσεις σε κοινές προκλήσεις στην ανάπτυξη πρακτόρων ΤΝ. Βελτιώνουν την κλιμακωσιμότητα, την προσβασιμότητα και την αποδοτικότητα στην κατασκευή συστημάτων ΤΝ.

Εισαγωγή

Αυτή η ενότητα θα καλύψει:

Στόχοι μάθησης

Οι στόχοι αυτής της ενότητας είναι να σας βοηθήσουν να κατανοήσετε:

Τι είναι τα Πλαίσια Εργασίας Πρακτόρων Τεχνητής Νοημοσύνης και τι επιτρέπουν στους προγραμματιστές να κάνουν;

Τα παραδοσιακά Πλαίσια Εργασίας Τεχνητής Νοημοσύνης μπορούν να σας βοηθήσουν να ενσωματώσετε την ΤΝ στις εφαρμογές σας και να τις βελτιώσετε με τους ακόλουθους τρόπους:

Ακούγεται υπέροχο, οπότε γιατί χρειαζόμαστε το Πλαίσιο Εργασίας Πρακτόρων Τεχνητής Νοημοσύνης;

Τα πλαίσια εργασίας πρακτόρων ΤΝ αντιπροσωπεύουν κάτι περισσότερο από απλά πλαίσια ΤΝ. Έχουν σχεδιαστεί για να επιτρέπουν τη δημιουργία έξυπνων πρακτόρων που μπορούν να αλληλεπιδρούν με χρήστες, άλλους πράκτορες και το περιβάλλον για να επιτύχουν συγκεκριμένους στόχους. Αυτοί οι πράκτορες μπορεί να εμφανίζουν αυτόνομη συμπεριφορά, να παίρνουν αποφάσεις και να προσαρμόζονται σε μεταβαλλόμενες συνθήκες. Ας δούμε ορισμένες βασικές δυνατότητες που ενεργοποιούνται από τα Πλαίσια Εργασίας Πρακτόρων ΤΝ:

Συνοψίζοντας, οι πράκτορες σας επιτρέπουν να κάνετε περισσότερα, να ανεβάσετε την αυτοματοποίηση σε νέα επίπεδα, να δημιουργήσετε πιο έξυπνα συστήματα που μπορούν να προσαρμόζονται και να μαθαίνουν από το περιβάλλον τους.

Πώς να δημιουργήσετε γρήγορα πρωτότυπα, να επαναλάβετε και να βελτιώσετε τις ικανότητες του πράκτορα;

Αυτό είναι ένα ταχέως εξελισσόμενο τοπίο, αλλά υπάρχουν ορισμένα κοινά στοιχεία στα περισσότερα Πλαίσια Εργασίας Πρακτόρων ΤΝ που μπορούν να σας βοηθήσουν να δημιουργήσετε γρήγορα πρωτότυπα και να επαναλάβετε, δηλαδή στοιχειώδη συστατικά, εργαλεία συνεργασίας και μάθηση σε πραγματικό χρόνο. Ας δούμε αυτά:

Χρήση Στοιχειωδών Συστατικών

Τα SDK όπως το Microsoft Agent Framework προσφέρουν προ-κατασκευασμένα στοιχεία όπως συνδέσμους AI, ορισμούς εργαλείων και διαχείριση πρακτόρων.

Πώς μπορούν οι ομάδες να τα χρησιμοποιήσουν: Οι ομάδες μπορούν γρήγορα να συνθέσουν αυτά τα στοιχεία για να δημιουργήσουν ένα λειτουργικό πρωτότυπο χωρίς να ξεκινούν από το μηδέν, επιτρέποντας ταχεία πειραματισμό και επανάληψη.

Πώς δουλεύει στην πράξη: Μπορείτε να χρησιμοποιήσετε έναν προ-κατασκευασμένο αναλυτή για να εξάγετε πληροφορίες από την είσοδο χρήστη, ένα μοντέλο μνήμης για αποθήκευση και ανάκτηση δεδομένων και έναν γεννήτορα οδηγιών για αλληλεπίδραση με χρήστες, όλα χωρίς να χρειάζεται να κατασκευάσετε αυτά τα στοιχεία από το μηδέν.

Παράδειγμα κώδικα. Ας δούμε ένα παράδειγμα πως μπορείτε να χρησιμοποιήσετε το Microsoft Agent Framework με το FoundryChatClient ώστε το μοντέλο να ανταποκρίνεται στην είσοδο χρήστη με κλήση εργαλείων:

# Παράδειγμα Python του Microsoft Agent Framework

import asyncio
import os

from agent_framework import tool
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential


# Ορίστε μια δείγμα συνάρτησης εργαλείου για κράτηση ταξιδιού
@tool(approval_mode="never_require")
def book_flight(date: str, location: str) -> str:
    """Book travel given location and date."""
    return f"Travel was booked to {location} on {date}"


async def main():
    provider = FoundryChatClient(
        project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
        model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
        credential=AzureCliCredential(),
    )
    agent = provider.as_agent(
        name="travel_agent",
        instructions="Help the user book travel. Use the book_flight tool when ready.",
        tools=[book_flight],
    )

    response = await agent.run("I'd like to go to New York on January 1, 2025")
    print(response)
    # Παράδειγμα εξόδου: Η πτήση σας για τη Νέα Υόρκη στις 1 Ιανουαρίου 2025 έχει κλειστεί με επιτυχία. Καλό ταξίδι! ✈️🗽


if __name__ == "__main__":
    asyncio.run(main())

Από αυτό το παράδειγμα μπορείτε να δείτε πώς μπορείτε να αξιοποιήσετε έναν προ-κατασκευασμένο αναλυτή για να εξάγετε βασικές πληροφορίες από την είσοδο χρήστη, όπως αφετηρία, προορισμός και ημερομηνία αίτησης κράτησης πτήσης. Αυτή η αρθρωτή προσέγγιση σας επιτρέπει να εστιάσετε στη λογική υψηλού επιπέδου.

Αξιοποίηση Εργαλείων Συνεργασίας

Πλαίσια όπως το Microsoft Agent Framework διευκολύνουν τη δημιουργία πολλαπλών πρακτόρων που μπορούν να συνεργαστούν.

Πώς μπορούν οι ομάδες να τα χρησιμοποιήσουν: Οι ομάδες μπορούν να σχεδιάζουν πράκτορες με συγκεκριμένους ρόλους και εργασίες, επιτρέποντάς τους να δοκιμάσουν και να βελτιώσουν συνεργατικές ροές εργασίας και να βελτιώσουν τη συνολική αποδοτικότητα του συστήματος.

Πώς δουλεύει στην πράξη: Μπορείτε να δημιουργήσετε μια ομάδα πρακτόρων όπου κάθε πράκτορας έχει μια εξειδικευμένη λειτουργία, όπως ανάκτηση δεδομένων, ανάλυση ή λήψη αποφάσεων. Αυτοί οι πράκτορες μπορούν να επικοινωνούν και να μοιράζονται πληροφορίες για να επιτύχουν έναν κοινό στόχο, όπως να απαντήσουν σε ένα ερώτημα χρήστη ή να ολοκληρώσουν μια εργασία.

Παράδειγμα κώδικα (Microsoft Agent Framework):

# Δημιουργία πολλαπλών πρακτόρων που συνεργάζονται χρησιμοποιώντας το Microsoft Agent Framework

import os
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential

provider = FoundryChatClient(
    project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
    model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
    credential=AzureCliCredential(),
)

# Πράκτορας Ανάκτησης Δεδομένων
agent_retrieve = provider.as_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

# Πράκτορας Ανάλυσης Δεδομένων
agent_analyze = provider.as_agent(
    name="dataanalysis",
    instructions="Analyze the retrieved data and provide insights.",
    tools=[analyze_tool],
)

# Εκτέλεση πρακτόρων διαδοχικά σε μια εργασία
retrieval_result = await agent_retrieve.run("Retrieve sales data for Q4")
analysis_result = await agent_analyze.run(f"Analyze this data: {retrieval_result}")
print(analysis_result)

Στον προηγούμενο κώδικα βλέπετε πώς μπορείτε να δημιουργήσετε μια εργασία που περιλαμβάνει πολλούς πράκτορες που συνεργάζονται για την ανάλυση δεδομένων. Κάθε πράκτορας εκτελεί μια συγκεκριμένη λειτουργία και η εργασία εκτελείται με συντονισμό των πρακτόρων για την επίτευξη του επιθυμητού αποτελέσματος. Με τη δημιουργία αφιερωμένων πρακτόρων με εξειδικευμένους ρόλους, μπορείτε να βελτιώσετε την αποδοτικότητα και την απόδοση της εργασίας.

Μάθηση σε Πραγματικό Χρόνο

Προηγμένα πλαίσια παρέχουν δυνατότητες για κατανόηση του πλαισίου σε πραγματικό χρόνο και προσαρμογή.

Πώς μπορούν οι ομάδες να τα χρησιμοποιήσουν: Οι ομάδες μπορούν να υλοποιήσουν βρόχους ανατροφοδότησης όπου οι πράκτορες μαθαίνουν από τις αλληλεπιδράσεις και προσαρμόζουν τη συμπεριφορά τους δυναμικά, οδηγώντας σε συνεχή βελτίωση και εκλεπτυσμό των δυνατοτήτων.

Πώς δουλεύει στην πράξη: Οι πράκτορες μπορούν να αναλύουν την ανατροφοδότηση των χρηστών, περιβαλλοντικά δεδομένα και αποτελέσματα εργασιών για να ενημερώνουν τη βάση γνώσεων τους, να προσαρμόζουν αλγόριθμους λήψης αποφάσεων και να βελτιώνουν την απόδοση με την πάροδο του χρόνου. Αυτή η διαδικασία επαναληπτικής μάθησης επιτρέπει στους πράκτορες να προσαρμόζονται σε μεταβαλλόμενες συνθήκες και προτιμήσεις χρηστών, ενισχύοντας τη συνολική αποτελεσματικότητα του συστήματος.

Ποιες είναι οι διαφορές μεταξύ του Microsoft Agent Framework και του Microsoft Foundry Agent Service;

Υπάρχουν πολλοί τρόποι να συγκρίνετε αυτές τις προσεγγίσεις, αλλά ας δούμε κάποιες βασικές διαφορές όσον αφορά το σχεδιασμό, τις δυνατότητες και τις επιλεγμένες περιπτώσεις χρήσης:

Microsoft Agent Framework (MAF)

Το Microsoft Agent Framework παρέχει ένα απλοποιημένο SDK για την κατασκευή πρακτόρων ΤΝ χρησιμοποιώντας το FoundryChatClient. Επιτρέπει στους προγραμματιστές να δημιουργούν πράκτορες που αξιοποιούν τα μοντέλα Azure OpenAI με ενσωματωμένη κλήση εργαλείων, διαχείριση συνομιλίας και ασφάλεια επιχειρηματικού επιπέδου μέσω ταυτοποίησης Azure.

Περιπτώσεις χρήσης: Δημιουργία παραγωγικών πρακτόρων ΤΝ με χρήση εργαλείων, πολυβηματικές ροές εργασίας και σενάρια ενσωμάτωσης σε επιχειρήσεις.

Ακολουθούν μερικές σημαντικές βασικές έννοιες του Microsoft Agent Framework:

Microsoft Foundry Agent Service

Το Microsoft Foundry Agent Service είναι μια πιο πρόσφατη προσθήκη, που παρουσιάστηκε στο Microsoft Ignite 2024. Επιτρέπει την ανάπτυξη και διάθεση πρακτόρων ΤΝ με πιο ευέλικτα μοντέλα, όπως η άμεση κλήση ανοιχτού κώδικα LLMs όπως τα Llama 3, Mistral και Cohere.

Το Microsoft Foundry Agent Service παρέχει ισχυρότερους μηχανισμούς ασφάλειας επιχειρήσεων και μεθόδους αποθήκευσης δεδομένων, καθιστώντας το κατάλληλο για επιχειρηματικές εφαρμογές.

Λειτουργεί άμεσα με το Microsoft Agent Framework για την κατασκευή και ανάπτυξη πρακτόρων.

Αυτή η υπηρεσία βρίσκεται αυτήν τη στιγμή σε Δημόσια Προεπισκόπηση και υποστηρίζει Python και C# για την κατασκευή πρακτόρων.

Χρησιμοποιώντας το Python SDK του Microsoft Foundry Agent Service, μπορούμε να δημιουργήσουμε έναν πράκτορα με ένα εργαλείο ορισμένο από τον χρήστη:

import asyncio
from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# Ορίστε τις λειτουργίες του εργαλείου
def get_specials() -> str:
    """Provides a list of specials from the menu."""
    return """
    Special Soup: Clam Chowder
    Special Salad: Cobb Salad
    Special Drink: Chai Tea
    """

def get_item_price(menu_item: str) -> str:
    """Provides the price of the requested menu item."""
    return "$9.99"


async def main() -> None:
    credential = DefaultAzureCredential()
    project_client = AIProjectClient.from_connection_string(
        credential=credential,
        conn_str="your-connection-string",
    )

    agent = project_client.agents.create_agent(
        model="gpt-5-mini",
        name="Host",
        instructions="Answer questions about the menu.",
        tools=[get_specials, get_item_price],
    )

    thread = project_client.agents.create_thread()

    user_inputs = [
        "Hello",
        "What is the special soup?",
        "How much does that cost?",
        "Thank you",
    ]

    for user_input in user_inputs:
        print(f"# User: '{user_input}'")
        message = project_client.agents.create_message(
            thread_id=thread.id,
            role="user",
            content=user_input,
        )
        run = project_client.agents.create_and_process_run(
            thread_id=thread.id, agent_id=agent.id
        )
        messages = project_client.agents.list_messages(thread_id=thread.id)
        print(f"# Agent: {messages.data[0].content[0].text.value}")


if __name__ == "__main__":
    asyncio.run(main())

Βασικές έννοιες

Το Microsoft Foundry Agent Service έχει τις ακόλουθες βασικές έννοιες:

Περιπτώσεις χρήσης: Το Microsoft Foundry Agent Service έχει σχεδιαστεί για επιχειρηματικές εφαρμογές που απαιτούν ασφαλή, κλιμακούμενη και ευέλικτη ανάπτυξη πρακτόρων ΤΝ.

Ποια είναι η διαφορά μεταξύ αυτών των προσεγγίσεων;

Φαίνεται να υπάρχει κάποια επικάλυψη, αλλά υπάρχουν βασικές διαφορές όσον αφορά το σχεδιασμό, τις δυνατότητες και τις επιλεγμένες περιπτώσεις χρήσης:

Ακόμα δεν είστε σίγουροι ποιο να επιλέξετε;

Περιπτώσεις χρήσης

Ας δούμε αν μπορούμε να σας βοηθήσουμε εξετάζοντας κάποιες κοινές περιπτώσεις χρήσης:

Ε: Δημιουργώ παραγωγικές εφαρμογές πρακτόρων ΤΝ και θέλω να ξεκινήσω γρήγορα

Α: Το Microsoft Agent Framework είναι μια εξαιρετική επιλογή. Παρέχει μια απλή, Python-φιλική API μέσω του FoundryChatClient που σας επιτρέπει να ορίσετε πράκτορες με εργαλεία και οδηγίες σε λίγες μόνο γραμμές κώδικα.

Ε: Χρειάζομαι ανάπτυξη επιχειρηματικού επιπέδου με ενσωματώσεις Azure όπως Search και εκτέλεση κώδικα

Α: Το Microsoft Foundry Agent Service είναι η καλύτερη επιλογή. Είναι μια πλατφόρμα υπηρεσία που παρέχει ενσωματωμένες δυνατότητες για πολλαπλά μοντέλα, Azure AI Search, Bing Search και Azure Functions. Διευκολύνει τη δημιουργία των πρακτόρων σας στο Foundry Portal και την ανάπτυξή τους σε κλίμακα.

Ε: Είμαι ακόμα μπερδεμένος, δώστε μου μια επιλογή

Α: Ξεκινήστε με το Microsoft Agent Framework για να κατασκευάσετε τους πράκτορά σας, και μετά χρησιμοποιήστε το Microsoft Foundry Agent Service όταν χρειαστεί να τους αναπτύξετε και να τους κλιμακώσετε σε παραγωγή. Αυτή η προσέγγιση σας επιτρέπει να επαναλαμβάνετε γρήγορα τη λογική του πράκτορά σας ενώ έχετε μια σαφή πορεία προς την επιχειρηματική ανάπτυξη.

Ας συνοψίσουμε τις βασικές διαφορές σε έναν πίνακα:

Πλαίσιο Εργασίας Εστίαση Βασικές Έννοιες Περιπτώσεις Χρήσης
Microsoft Agent Framework Απλοποιημένο SDK πρακτόρων με κλήση εργαλείων Πράκτορες, Εργαλεία, Azure Identity Κατασκευή πρακτόρων ΤΝ, χρήση εργαλείων, πολυβηματικές ροές εργασίας
Microsoft Foundry Agent Service Ευέλικτα μοντέλα, ασφάλεια επιχειρήσεων, Δημιουργία κώδικα, Κλήση εργαλείων Αρθρωτότητα, Συνεργασία, Ορχήστρωση διαδικασιών Ασφαλής, κλιμακούμενη και ευέλικτη ανάπτυξη πρακτόρων ΤΝ

Μπορώ να ενσωματώσω απευθείας τα υπάρχοντα εργαλεία του οικοσυστήματος Azure ή χρειάζομαι αυτόνομες λύσεις;

Η απάντηση είναι ναι, μπορείτε να ενσωματώσετε τα υπάρχοντα εργαλεία του οικοσυστήματος Azure απευθείας με την Υπηρεσία Πράκτορα Microsoft Foundry, ειδικά καθώς έχει σχεδιαστεί για να λειτουργεί ομαλά με άλλες υπηρεσίες Azure. Θα μπορούσατε για παράδειγμα να ενσωματώσετε το Bing, την Azure AI Search και τις Azure Functions. Υπάρχει επίσης βαθιά ενσωμάτωση με το Microsoft Foundry.

Το Microsoft Agent Framework επίσης ενσωματώνεται με τις υπηρεσίες Azure μέσω του FoundryChatClient και της ταυτότητας Azure, επιτρέποντάς σας να καλείτε υπηρεσίες Azure απευθείας από τα εργαλεία του πράκτορα σας.

Παραδείγματα Κώδικα

Έχετε Περισσότερες Ερωτήσεις σχετικά με τα AI Agent Frameworks;

Εγγραφείτε στο Microsoft Foundry Discord για να συναντήσετε άλλους μαθητευόμενους, να παρακολουθήσετε ώρες γραφείου και να λάβετε απαντήσεις στις ερωτήσεις σας σχετικά με τους AI Πράκτορες.

Αναφορές

Προηγούμενο Μάθημα

Εισαγωγή στους AI Πράκτορες και Περιπτώσεις Χρήσης Πρακτόρων

Επόμενο Μάθημα

Κατανόηση των Σχεδιαστικών Προτύπων Αντιπροσώπευσης Πρακτόρων

Αποποίηση ευθυνών: Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία μετάφρασης με τεχνητή νοημοσύνη Co-op Translator. Ενώ επιδιώκουμε την ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.

This site is open source. Improve this page.