ai-agents-for-beginners

AI Agent Raamistike uurimine

(Klõpsake ülaloleval pildil, et vaadata selle õppetunni videot)

Uurige AI Agent Raamistikke

AI agentide raamistikke on loodud tarkvaraplatvormidena, mis lihtsustavad AI agentide loomist, juurutamist ja haldamist. Need raamistike pakuvad arendajatele eelkokkupandud komponente, abstraktsioone ja tööriistu, mis sujuvamaks muudavad keerukate AI süsteemide arendamise.

Need raamistikke aitavad arendajatel keskenduda oma rakenduste unikaalsetele aspektidele, pakkudes standardiseeritud lähenemisviise AI agentide arendamise tavapärastele väljakutsetele. Need parandavad AI süsteemide skaleeritavust, kättesaadavust ja tõhusust.

Sissejuhatus

Selles õppetunnis käsitleme:

Õpieesmärgid

Selle õppetunni eesmärk on aidata teil mõista:

Mis on AI Agent Raamistikud ja mida need arendajatele võimaldavad teha?

Traditsioonilised AI raamistikke aitavad teil AI-d oma rakendustesse integreerida ja parendada järgmiste viiside kaudu:

See kõik kõlab suurepäraselt, miks siis on vaja AI Agent Raamistikku?

AI Agent raamistikud tähistavad midagi enamat kui lihtsalt AI raamistikke. Need on loodud võimaldama intelligentsete agentide loomist, kes saavad suhelda kasutajate, teiste agentide ja keskkonnaga kindlate eesmärkide saavutamiseks. Need agentid suudavad näidata autonoomset käitumist, teha otsuseid ja kohaneda muutuvate tingimustega. Vaatame mõningaid peamisi AI Agent Raamistike võimalusi:

Kokkuvõttes lubavad agentid teil teha rohkem, viia automatiseerimine järgmisele tasemele ja luua targemaid süsteeme, mis suudavad kohaneda ja õppida oma keskkonnast.

Kuidas kiiresti prototüüpida, iteratiivselt täiustada ja parandada agendi võimeid?

See on kiirelt arenev valdkond, kuid enamik AI Agent Raamistikke jagavad mõningaid ühiseid elemente, mis aitavad teil kiiresti prototüüpida ja iteratiivselt täiustada — nimelt moodulkomponendid, koostööriistad ja reaalajas õppimine. Vaatame neid lähemalt:

Kasutage moodulkomponente

Sellised SDK-d nagu Microsoft Agent Framework pakuvad eelvalmis komponente nagu AI ühendajad, tööriistade definitsioonid ja agentide haldus.

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

Praktiline toimimine: Võite kasutada eelkokkupandud parserit info väljavõtmiseks kasutajasisendist, mälumoodulit andmete salvestamiseks ja tagasisaamiseks ning promptigeneraatorit kasutajatega suhtlemiseks, ilma et peaksite neid komponente algusest peale looma.

Näidiskood: Vaatame näidet, kuidas kasutada Microsoft Agent Frameworki koos FoundryChatClient-iga, et mudel vastaks kasutajasisendile tööriista kutsumiseks:

# Microsoft Agendi Raamistiku Pythoni Näide

import asyncio
import os

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


# Määra näidistööriista 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)
    # Näiteväljund: Teie lend New Yorki 1. jaanuaril 2025 on edukalt broneeritud. Head reisi! ✈️🗽


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

Sellest näitest näete, kuidas saate kasutada eelkokkupandud parserit, et väljavõtta võtmeinfo kasutajasisendist, nagu lennubronni päritolu, sihtkoht ja kuupäev. See moodulipõhine lähenemine võimaldab teil keskenduda kõrgetasemelisele loogikale.

Kasutage koostööriistu

Microsoft Agent Framework võimaldab luua mitut agenti, kes saavad koos töötada.

Kuidas meeskonnad saavad neid kasutada: Meeskonnad võivad kujundada agente spetsiifiliste rollide ja ülesannetega, võimaldades testida ja täiustada koostöö töövooge ning parandada süsteemi üldist efektiivsust.

Praktiline toimimine: Võite luua agentide meeskonna, kus igal agendil on spetsialiseerunud funktsioon, näiteks andmete hankimine, analüüs või otsustusprotsess. Need agentid suudavad omavahel suhelda ja infot jagada ühise eesmärgi, näiteks kasutajaküsimusele vastamise või ülesande täitmise nimel.

Näidiskood (Microsoft Agent Framework):

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

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

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

# Agentide järjestikune käivitamine ülesandel
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)

Eelnevast koodist näete, kuidas luua ülesanne, mis hõlmab mitut agenti, kes koos analüüsivad andmeid. Iga agent täidab kindlat funktsiooni ning ülesanne viiakse ellu agentide koordineerimisega soovitud tulemuse saavutamiseks. Pühendunud rollidega agentide loomisega saate parandada ülesannete tõhusust ja tulemuslikkust.

Õppige reaalajas

Täiustatud raamistikel on võimekus reaalajas konteksti mõistmiseks ja kohanemiseks.

Kuidas meeskonnad saavad neid kasutada: Meeskonnad saavad rakendada tagasiside silmuseid, kus agentide käitumist kohandatakse dünaamiliselt suhtluse põhjal, mis viib pideva täiustamiseni ja võimete arendamisse.

Praktiline toimimine: Agentide poolt analüüsitakse kasutajate tagasisidet, keskkonnast kogutud andmeid ja ülesannete tulemusi, et uuendada oma teadmistebaasi, kohandada otsustusalgoritme ja parandada aja jooksul tulemuslikkust. See iteratiivne õppimisprotsess võimaldab agentidel kohaneda muutuvate tingimuste ja kasutajate eelistustega, parandades süsteemi üldist efektiivsust.

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

Neid lähenemisi saab võrrelda mitmel moel, kuid vaatame mõningaid peamisi erinevusi nende disaini, võimekuste ja sihtkasutuse seisukohast:

Microsoft Agent Framework (MAF)

Microsoft Agent Framework pakub sujuvat SDK-d AI agentide loomiseks kasutades FoundryChatClient-i. See lubab arendajatel luua agente, kes kasutavad Azure OpenAI mudeleid sisseehitatud tööriistade kutsumisega, vestluse juhtimise ja ettevõtte taseme turvalisusega Azure identiteedi kaudu.

Kasutusjuhtumid: Tootmiskõlbulike AI agentide loomine tööriistade kasutamise, mitmeastmeliste töövoogude ja ettevõtte integratsiooni stsenaariumite jaoks.

Siin on mõned Microsoft Agent Frameworki olulised põhimõisted:

Microsoft Foundry Agent Service

Microsoft Foundry Agent Service on hiljutine täiendus, mis tutvustati Microsoft Ignite 2024 sündmusel. See võimaldab arendada ja juurutada AI agente paindlikumate mudelitega, näiteks otse kutsudes avatud lähtekoodiga LLM-e nagu Llama 3, Mistral ja Cohere.

Microsoft Foundry Agent Service pakub tugevamaid ettevõtte turvamehhanisme ja andmete säilitamise meetodeid, muutes selle sobivaks ettevõtterakendustele.

See töötab Microsoft Agent Frameworkiga koostöös agendide ehitamiseks ja juurutamiseks.

Teenus on praegu avalikus eelvaates ja toetab Pythonit ja C#-i agentide loomisel.

Microsoft Foundry Agent Service Python SDK abil saame luua agendi kasutaja määratud tööriistaga:

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

# Määratle 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-4.1-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())

Põhimõisted

Microsoft Foundry Agent Service’l on järgmised põhimõisted:

Kasutusjuhtumid: Microsoft Foundry Agent Service on loodud ettevõtte rakendustele, mis vajavad turvalist, skaleeritavat ja paindlikku AI agentide juurutamist.

Milline on nende kahe lähenemise vahe?

See võib tunduda kattuvana, kuid disaini, võimekuste ja sihtotstarbe seisukohast on mõned võtmer erinevused:

Kas pole siiski kindel, kumba valida?

Kasutusjuhtumid

Vaatame, kas suudame aidata mõningate tavakasutusjuhtumite kaudu:

K: Ma loon tootmiskõlblikke AI agentide rakendusi ja soovin kiiresti alustada

V: Microsoft Agent Framework on suurepärane valik. See pakub lihtsat ja pythonilikku API-d FoundryChatClient kaudu, mis võimaldab teil määratleda agente tööriistade ja juhistega vaid mõne koodireaga.

K: Vajan ettevõtte tasemel juurutust Azure integratsioonidega nagu Search ja koodi täitmine

V: Microsoft Foundry Agent Service on parim valik. See on platvormiteenus, mis pakub sisseehitatud võimekusid mitmete mudelite toetamiseks, Azure AI Search, Bing Search ja Azure Functions. See teeb agendide loomise Foundry portaalis ja nende skaalaühendamise lihtsaks.

K: Olen endiselt segaduses, anna mulle lihtsalt üks variant

V: Alusta Microsoft Agent Frameworkiga agentide loomiseks ja kasuta Microsoft Foundry Agent Service’i, kui vajad tootmises juurutamist ja skaleerimist. See lähenemine laseb teil agentide loogikat kiiresti iteratiivselt arendada, hoides samal ajal selge tee ettevõtte juurutamiseks.

Lõpetuseks võtame võtmetähtsusega erinevused kokku tabelis:

Raamistik Fookus Põhimõttelised mõisted Kasutusjuhtumid
Microsoft Agent Framework Sujuv agentide SDK tööriistade kutsumisega Agendid, Tööriistad, Azure identiteet AI agentide loomine, tööriistad, mitmeastmelised töövood
Microsoft Foundry Agent Service Paindlikud mudelid, ettevõtte turvalisus, koodi genereerimine, tööriistade kutsumine Moodulisus, Koostöö, Protsessi orkestreerimine Turvaline, skaleeritav ja paindlik AI agentide juurutus

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

Vastus on jah, saate oma olemasolevad Azure’i ökosüsteemi tööriistad integreerida otse Microsoft Foundry Agent Service’iga, eriti kuna see on loodud sujuvaks koostööks teiste Azure’i teenustega. Näiteks võiksite integreerida Bing, Azure AI Search ja Azure Functions. Samuti on sügav integratsioon Microsoft Foundry’ga.

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

Näidiskoodid

Kas sul on rohkem küsimusi AI agendi raamistikute kohta?

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

Viited

Eelmine õppetund

Sissejuhatus AI agentidesse ja agentide kasutusjuhtumitesse

Järgmine õppetund

Agentsete disainimustrite 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.