ai-agents-for-beginners

Tehisintellekti agentide raamistikud

(Klõpsa ülaloleval pildil, et vaadata selle õppetunni videot)

Uuri AI agentide raamistikuid

AI agentide raamistikud on tarkvaraplatvormid, mis on loodud lihtsustama AI agentide loomist, juurutamist ja haldamist. Need raamistikud pakuvad arendajatele eelvalmistatud komponente, abstraktsioone ja tööriistu, mis hõlbustavad keerukate AI süsteemide arendamist.

Need raamistikud aitavad arendajatel keskenduda oma rakenduste unikaalsetele aspektidele, pakkudes standardiseeritud lahendusi AI agentide arendamise levinud väljakutsetele. Need parandavad skaleeritavust, kasutajasõbralikkust ja tõhusust AI süsteemide loomisel.

Sissejuhatus

Selles õppetunnis käsitletakse:

Õpieesmärgid

Selle õppetunni eesmärk on aidata sul mõista:

Mis on AI agentide raamistikud ja mida need arendajatele võimaldavad teha?

Traditsioonilised AI raamistikud aitavad sul integreerida tehisintellekti oma rakendustesse ja teha need rakendused paremaks järgmiselt:

See kõik kõlab suurepäraselt, miks siis meil on vaja AI agentide raamistikku?

AI agentide raamistikud on rohkem kui lihtsalt AI raamistikud. Need on loodud võimaldamaks intelligentsete agentide loomist, kes saavad suhelda kasutajate, teiste agentide ja keskkonnaga konkreetsete eesmärkide saavutamiseks. Need agentid suudavad näidata autonoomset käitumist, teha otsuseid ja kohanduda muutuvate tingimustega. Vaatame mõningaid AI agentide raamistike võimalikke võtmevõimeid:

Kokkuvõtteks võimaldavad agentide raamistikud sul teha rohkem, viia automatiseerimine uuele tasemele ning luua intelligentsemaid süsteeme, mis suudavad keskkonnast õppida ja kohaneda.

Kuidas kiiresti prototüüpida, iteratiivselt arendada ja parandada agendi võimekust?

See valdkond areneb kiiresti, kuid enamikus AI agentide raamistikutes on mõned ühised osad, mis aitavad sul kiirelt prototüüpida ja iteratiivselt edasi liikuda — nimelt moodulkomponendid, koostöövahendid ja reaalajas õppimine. Vaatame neid lähemalt:

Kasuta moodulkomponente

SDK-d nagu Microsoft Agent Framework pakuvad eelvalmistatud komponente nagu AI liidesed, tööriistade definitsioonid ja agentide haldus.

Kuidas meeskonnad saavad neid kasutada: Meeskonnad saavad kiiresti kokku panna need komponendid tööprototüübi loomiseks ilma nullist alustamata, võimaldades kiiret katsetamist ja iteratsiooni.

Kuidas see praktikas toimib: Sa võid kasutada eelvalmistatud parserit, et ekstraktida teavet kasutaja sisendist, mälumoodulit andmete talletamiseks ja hankimiseks ning käsu generaatorit kasutajatega suhtlemiseks, kõike seda ilma komponentide nullist ehitamiseta.

Näidiskood. Vaatame näidet, kuidas Microsoft Agent Frameworki kasutada koos FoundryChatClient-iga, et mudel saaks vastata kasutaja päringule tööriista kutsumise abil:

# Microsoft Agent Framework Python Näide

import asyncio
import os

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


# Määra näidis tööriista funktsioon reisi broneerimiseks
@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)
    # Näidise väljund: Teie lend New Yorki 1. jaanuaril 2025 on edukalt broneeritud. Head reisi! ✈️🗽


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

Sellest näitest näed, kuidas saad kasutada eelvalmistatud parserit võtmeinfo eraldamiseks kasutaja sisendist, näiteks lennu broneerimise päritolu, sihtkoha ja kuupäeva. See moodulipõhine lähenemine võimaldab sul keskenduda kõrgetasemelisele loogikale.

Kasuta koostöövahendeid

Raamistikud nagu Microsoft Agent Framework võimaldavad luua mitu agenti, kes saavad koos töötada.

Kuidas meeskonnad saavad neid kasutada: Meeskonnad saavad disainida agente kindlate rollide ja ülesannetega, võimaldades neil testida ja täiustada koostöö töövooge ning parandada süsteemi üldist tõhusust.

Kuidas see praktikas toimib: Võid luua agentide meeskonna, kus igal agentil on spetsialiseerunud funktsioon, näiteks andmete hankimine, analüüs või otsuste tegemine. Need agentid suhtlevad ja jagavad informatsiooni, et saavutada ühine eesmärk, näiteks kasutajapäringu vastamine või ülesande täitmine.

Näidiskood (Microsoft Agent Framework):

# Mitme agenti loomine, kes töötavad koos Microsoft Agent Frameworki abil

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(),
)

# Andmete hankimise agent
agent_retrieve = provider.as_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

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

# Agentide järjestikune käivitamine ülesande täitmiseks
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)

Eelnevas koodis näed, kuidas luua ülesanne, mis hõlmab mitme agendi koostööd andmete analüüsimisel. Iga agent täidab konkreetset funktsiooni ja ülesanne teostatakse, koordineerides agente soovitud tulemuse saavutamiseks. Spetsialiseerunud agentide loomisega saad parandada ülesande efektiivsust ja tulemuslikkust.

Õpi reaalajas

Täiustatud raamistikud pakuvad võimekust konteksti mõistmiseks ja kohanemiseks reaalajas.

Kuidas meeskonnad saavad neid kasutada: Meeskonnad saavad rakendada tagasisideahelad, kus agentid õpivad suhtlustest ja kohandavad oma käitumist dünaamiliselt, mis viib võimekuse pidevale parandamisele ja täiendamisele.

Kuidas see praktikas toimib: Agendid analüüsivad kasutajate tagasisidet, keskkonnaandmeid ja ülesannete tulemusi, et uuendada oma teadmistebaasi, kohandada otsustusalgoritme ja parandada sooritust aja jooksul. See iteratiivne õppimisprotsess võimaldab agentidel kohaneda muutuvate tingimuste ja kasutajate eelistustega, tugevdades süsteemi üldist efektiivsust.

Millised on erinevused Microsoft Agent Frameworki ja Microsoft Foundry Agent Service vahel?

Nende lähenemiste võrdlemiseks on palju võimalusi, kuid vaatame mõningaid olulisi erinevusi nende disaini, võimekuste ja sihtkasutuse osas:

Microsoft Agent Framework (MAF)

Microsoft Agent Framework pakub sujuvat SDK-d AI agentide ehitamiseks kasutades FoundryChatClient-i. See võimaldab arendajatel luua agente, kes kasutavad Azure OpenAI mudeleid koos sisseehitatud tööriistade kutsumise, vestluse halduse ja äriklassi turvalisusega Azure identiteedi kaudu.

Kasutusjuhtumid: Tootmisklassi valmis AI agentide ehitamine tööriistade kasutamise, mitmest kergest töövoost ja ettevõtte integreerimisdomeenidega.

Siin on mõned Microsoft Agent Frameworki olulised põhimõisted:

Microsoft Foundry Agent Service

Microsoft Foundry Agent Service on hiljutine täiendus, mis esitleti Microsoft Ignite 2024 üritusel. See võimaldab AI agentide arendamist ja juurutamist paindlikemate mudelitega, näiteks kutsudes otse avatud lähtekoodiga LLM-e nagu Llama 3, Mistral ja Cohere.

Microsoft Foundry Agent Service pakub tugevamaid äriklassi turvamehhanisme ja andmete säilitamise meetodeid, mis teevad selle sobivaks ettevõtterakenduseks.

See toimib välja karbist koos Microsoft Agent Frameworkiga, et ehitada ja juurutada agente.

Teenus on praegu avalikus eelvaates ja toetab agentide loomiseks Pythoni ja C# keeli.

Microsoft Foundry Agent Service Pythoni SDK abil saame luua agendi kasutaja määratletud tööriistaga:

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

# Määra tööriistade funktsioonid
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())

Põhikontseptsioonid

Microsoft Foundry Agent Service sisaldab järgmisi põhikontsepte:

Kasutusjuhtumid: Microsoft Foundry Agent Service on mõeldud ärirakendustele, mis vajavad turvalist, skaleeritavat ja paindlikku AI agentide juurutamist.

Mis vahe on nende lähenemiste vahel?

Tundub, et on kattuvusi, kuid seal on mõned olulised erinevused nende disaini, võimekuste ja sihtkasutuse osas:

Kas oled endiselt otsustushetkel?

Kasutusjuhtumid

Vaatame, kas saame sind aidata mõningate tavapäraste kasutusjuhtumite toel:

K: Teen tootmisklassi AI agentide rakendust ja tahan kiiresti alustada

V: Microsoft Agent Framework on suurepärane valik. See pakub lihtsat, Pythonile omast API-d FoundryChatClient abil, mis võimaldab defineerida agendid tööriistade ja juhistega vaid mõne koodireaga.

K: Vajan äriklassi juurutust koos Azure integreeringutega nagu Search ja koodi täitmine

V: Microsoft Foundry Agent Service on parim valik. See on platvormiteenus, mis pakub sisseehitatud võimeid mitmete mudelitega, Azure AI Search, Bing Search ja Azure Functions. See muudab agentide ehitamise Foundry portaalis lihtsaks ja nende ulatusliku juurutamise võimalikuks.

K: Olen ikka veel segaduses, anna mulle üks variant

V: Alusta Microsoft Agent Frameworkiga agentide ehitamiseks ja kasuta seejärel Microsoft Foundry Agent Service’i, kui vajad agentide tootmisjuurutust ja skaleerimist. See lähenemine võimaldab sul kiiresti iteratiivselt arendada agendi loogikat ja samal ajal hoida selget teed äriklassi juurutuseks.

Kokkuvõtame peamised erinevused tabelis:

Raamistik Fookus Põhikontseptsioonid Kasutusjuhtumid
Microsoft Agent Framework Sujuv agendi SDK koos tööriista kutsumisega Agendid, tööriistad, Azure identiteet AI agentide ehitamine, tööriistade kasutamine, mitmeastmelised töövood
Microsoft Foundry Agent Service Paindlikud mudelid, äriklassi turvalisus, koodi genereerimine, tööriistade kutsumine Modulaarsus, koostöö, protsesside orkestreerimine Turvaline, skaleeritav ja paindlik AI agentide juurutus

Kas ma saan oma olemasolevaid Azure ökosüsteemi tööriistu otse integreerida või on vaja eraldiseisvaid lahendusi?

Vastus on jah, saate oma olemasolevaid Azure ökosüsteemi tööriistu integreerida Microsoft Foundry Agent Service’iga otse, eriti kuna see on loodud sujuvaks koostööks teiste Azure teenustega. Näiteks võiksite integreerida Bingit, Azure AI Searchi ja Azure Functions’i. Microsoft Foundry’ga on ka sügav integratsioon.

Microsoft Agent Framework integreerub ka Azure teenustega läbi FoundryChatClient ja Azure identiteedi, võimaldades teil kutsuda Azure teenuseid otse oma agendi tööriistadest.

Näidiskoodid

Kas on veel küsimusi AI Agent Frameworkide kohta?

Liituge Microsoft Foundry Discordiga, et kohtuda teiste õppuritega, osaleda kontoritundides ja saada vastused oma AI agentide küsimustele.

Viited

Eelmine õppetund

Sissejuhatus AI agentidesse ja agentide kasutusjuhtudesse

Järgmine õppetund

Agentse disaini mustrite mõistmine

Lahtiütlus: See dokument on tõlgitud kasutades AI tõlketeenust Co-op Translator. Kuigi me püüdleme täpsuse poole, palun pange tähele, et automatiseeritud tõlgetes võib esineda vigu või ebatäpsusi. Originaaldokument selle emakeeles tuleks pidada autoriteetseks allikaks. Olulise teabe puhul soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta selle tõlkega seotud eksimustest või valesti mõistmistest.

This site is open source. Improve this page.