ai-agents-for-beginners
(Kliknite na sliku iznad da pogledate video za ovu lekciju)
Uvod u AI agente i primjene agenata
Dobrodošli na tečaj AI Agent za početnike! Ovaj tečaj pruža vam temeljnija znanja — i stvarni radni kod — za početak izrade AI agenata od nule.
Dođite pozdraviti se u Azure AI Discord zajednicu — puna je učenika i graditelja AI-ja koji rado odgovaraju na pitanja.
Prije nego što počnemo graditi, pobrinimo se da stvarno razumijemo što je AI agent i kada ima smisla koristiti ga.
Uvod
Ova lekcija pokriva:
- Što su AI agenti i koje vrste postoje
- Za koje vrste zadataka su AI agenti najprikladniji
- Osnovne gradivne blokove koje ćete koristiti pri dizajniranju Agentnog rješenja
Ciljevi učenja
Do kraja ove lekcije trebali biste biti u mogućnosti:
- Objasniti što je AI agent i kako se razlikuje od običnog AI rješenja
- Znati kada posegnuti za AI agentom (a kada ne)
- Nacrtati osnovni dizajn Agentnog rješenja za stvarni problem
Definiranje AI agenata i vrste AI agenata
Što su AI agenti?
Evo jednostavan način da to shvatite:
AI agenti su sustavi koji omogućuju velikim jezičnim modelima (LLM-ovima) da zapravo rade stvari — dajući im alate i znanje za djelovanje u svijetu, a ne samo za odgovaranje na upite.
Razložimo to malo:
- Sustav — AI agent nije samo jedna stvar. To je skup dijelova koji rade zajedno. U svojoj srži, svaki agent ima tri elementa:
- Okruženje — prostor u kojem agent djeluje. Za agenta za rezervaciju putovanja, to bi bila sama platforma za rezervaciju.
- Senzori — kako agent čita trenutačno stanje okruženja. Naš agent za putovanja mogao bi provjeravati dostupnost hotela ili cijene letova.
- Aktuatori — kako agent poduzima akciju. Agent za putovanja mogao bi rezervirati sobu, poslati potvrdu ili otkazati rezervaciju.
-
Veliki jezični modeli — Agenti su postojali i prije LLM-ova, ali LLM-ovi su ono što današnje agente čini moćnima. Mogu razumjeti prirodni jezik, rezonirati o kontekstu i pretvoriti nejasan korisnički zahtjev u konkretan plan djelovanja.
-
Izvršavanje radnji — Bez agentnog sustava, LLM samo generira tekst. Unutar agentnog sustava, LLM zapravo može izvršavati korake — pretraživati bazu podataka, pozivati API, slati poruke.
-
Pristup alatima — Koje alate agent može koristiti ovisi o (1) okruženju u kojem radi i (2) što mu programer odluči dati. Agent za putovanja može moći tražiti letove, ali ne uređivati zapise o kupcima — sve ovisi o povezivanju.
-
Memorija + Znanje — Agent može imati kratkoročnu memoriju (trenutni razgovor) i dugoročnu memoriju (bazu podataka kupaca, prošle interakcije). Agent za putovanja može “zapamtiti” da preferirate sjedala uz prozor.
Različite vrste AI agenata
Nisu svi agenti građeni isto. Evo podjela glavnih vrsta, koristeći agenta za rezervaciju putovanja kao primjernog agenta:
| Vrsta agenta | Što radi | Primjer agenta za putovanja |
|---|---|---|
| Jednostavni refleksni agenti | Prate unaprijed zadana pravila — bez memorije, bez planiranja. | Vidjet će žalbu u e-mailu → proslijedit će je službi za korisnike. To je to. |
| Model-temeljeni refleksni agenti | Drže unutarnji model svijeta i ažuriraju ga kad se stvari mijenjaju. | Prate povijesne cijene letova i označavaju rute koje su iznenada skupe. |
| Agent s ciljem | Ima cilj i korak po korak pronalazi kako ga postići. | Rezervira cijelo putovanje (letove, auto, hotel) od vaše trenutačne lokacije do cilja. |
| Agent s korisničkom funkcijom | Ne pronalazi samo rješenje — pronalazi najbolje rješenje balansirajući kompromise. | Uravnotežuje troškove i praktičnost da pronađe putovanje koje najviše odgovara vašim preferencijama. |
| Agent za učenje | Poboljšava se s vremenom učeći iz povratnih informacija. | Prilagođava buduće preporuke za rezervacije na temelju rezultata anketa nakon putovanja. |
| Hijerarhijski agenti | Visoki agent dijeli posao na podzadatke i delegira ih agentima nižeg nivoa. | Zahtjev za “otkazivanje putovanja” dijeli se na: otkazivanje leta, otkazivanje hotela, otkazivanje najma auta — svaki dodiijeljen pod-agentu. |
| Sustavi s više agenata (MAS) | Više neovisnih agenata koji surađuju (ili konkuriraju). | Kooperativno: zasebni agenti upravljaju hotelima, letovima i zabavom. Konkurentski: više agenata natječe se za popunjavanje hotelskih soba po najboljoj cijeni. |
Kada koristiti AI agente
Samo zato što možete koristiti AI agenta, ne znači da biste uvijek trebali. Evo situacija u kojima agenti zaista dolaze do izražaja:
- Otvoreni problemi — Kad se koraci za rješavanje problema ne mogu unaprijed programirati. Trebate da LLM sam dinamički pronađe put.
- Višestepeni procesi — Zadatci koji zahtijevaju korištenje alata kroz više koraka, a ne samo jedno pretraživanje ili generiranje.
- Poboljšanje kroz vrijeme — Kad želite da sustav postaje pametniji na temelju povratnih informacija korisnika ili signala iz okoline.
Detaljnije ćemo razmotriti kada (i kada ne) koristiti AI agente u lekciji Izgradnja pouzdanih AI agenata kasnije u tečaju.
Osnove agentnih rješenja
Razvoj agenta
Prvo što radite pri izradi agenta je definirati što može raditi — njegove alate, radnje i ponašanja.
U ovom tečaju koristimo Azure AI Agent Service kao našu glavnu platformu. Podržava:
- Modele od pružatelja kao što su OpenAI, Mistral i Meta (Llama)
- Licencirane podatke od pružatelja kao što je Tripadvisor
- Standardizirane OpenAPI 3.0 definicije alata
Agentni obrasci
Komunicirate s LLM-ovima pomoću upita (prompta). Kod agenata ne možete uvijek ručno izrađivati svaki upit — agent treba poduzimati akcije kroz mnoge korake. Tu dolaze Agentni obrasci. To su ponovo iskoristive strategije za promptanje i usklađivanje LLM-ova na skalabilniji i pouzdaniji način.
Ovaj tečaj je strukturiran oko najčešćih i najkorisnijih agentnih obrazaca.
Agentni okviri
Agentni okviri daju programerima gotove predloške, alate i infrastrukturu za izgradnju agenata. Olakšavaju:
- Povezivanje alata i mogućnosti
- Promatranje što agent radi (i otklanjanje pogrešaka kad nešto pođe po zlu)
- Suradnju među više agenata
U ovom tečaju fokusiramo se na Microsoft Agent Framework (MAF) za izradu agenata spremnih za produkciju.
Primjeri koda
Spremni vidjeti to u praksi? Evo primjera koda za ovu lekciju:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Imate pitanja?
Pridružite se Microsoft Foundry Discord da se povežete s drugim učenicima, sudjelujete u uredskim satima i dobijete odgovore na pitanja o AI agentima iz zajednice.
Prethodna lekcija
Sljedeća lekcija
Napomena: Ovaj dokument je preveden korištenjem AI prevoditeljskog servisa Co-op Translator. Iako težimo točnosti, imajte na umu da automatski prijevodi mogu sadržavati greške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati autoritativnim izvorom. Za važne informacije preporuča se profesionalni ljudski prijevod. Nismo odgovorni za bilo kakva nesporazumevanja ili pogrešne interpretacije koje proizlaze iz korištenja ovog prijevoda.