ai-agents-for-beginners
(Kattints a fenti képre a videó megtekintéséhez erről a leckéről)
Bevezetés az AI ügynökökbe és azok felhasználási eseteibe
Üdvözlünk az “AI ügynökök kezdőknek” kurzuson! Ez a kurzus alapvető ismereteket és gyakorlati példákat nyújt az AI ügynökök létrehozásához.
Csatlakozz az Azure AI Discord közösséghez, hogy találkozz más tanulókkal és AI ügynök fejlesztőkkel, valamint feltehesd kérdéseidet a kurzussal kapcsolatban.
A kurzus elején megismerkedünk azzal, hogy mik is az AI ügynökök, és hogyan használhatjuk őket az általunk létrehozott alkalmazásokban és munkafolyamatokban.
Bevezetés
Ez a lecke az alábbiakat tárgyalja:
- Mik azok az AI ügynökök, és milyen típusú ügynökök léteznek?
- Milyen felhasználási esetekben a leghasznosabbak az AI ügynökök, és hogyan segíthetnek nekünk?
- Melyek az alapvető építőelemek az ügynöki megoldások tervezésekor?
Tanulási célok
A lecke elvégzése után képes leszel:
- Megérteni az AI ügynökök fogalmát és azt, hogy miben különböznek más AI megoldásoktól.
- Hatékonyan alkalmazni az AI ügynököket.
- Produktívan tervezni ügynöki megoldásokat a felhasználók és ügyfelek számára.
Az AI ügynökök meghatározása és típusai
Mik azok az AI ügynökök?
Az AI ügynökök olyan rendszerek, amelyek lehetővé teszik a Nagy Nyelvi Modellek (LLM-ek) számára, hogy cselekvéseket hajtsanak végre, kiterjesztve képességeiket azáltal, hogy az LLM-eknek hozzáférést biztosítanak eszközökhöz és tudáshoz.
Nézzük meg közelebbről ezt a definíciót:
- Rendszer - Fontos, hogy az ügynökökre ne csak egyetlen komponensként gondoljunk, hanem egy több komponensből álló rendszerként. Az AI ügynök alapvető komponensei:
- Környezet - Az a meghatározott tér, ahol az AI ügynök működik. Például, ha egy utazási foglalási AI ügynököt nézünk, a környezet lehet az utazási foglalási rendszer, amelyet az ügynök használ a feladatok elvégzéséhez.
- Érzékelők - A környezet információkat és visszajelzéseket biztosít. Az AI ügynökök érzékelőket használnak, hogy összegyűjtsék és értelmezzék a környezet aktuális állapotáról szóló információkat. Az utazási foglalási ügynök példájában a foglalási rendszer információkat nyújthat, például a szállodai elérhetőségről vagy repülőjegyárakról.
- Végrehajtók - Miután az AI ügynök megkapja a környezet aktuális állapotát, az ügynök meghatározza, hogy milyen cselekvést hajtson végre a környezet megváltoztatásához. Az utazási foglalási ügynök esetében ez lehet például egy szoba lefoglalása a felhasználó számára.
Nagy Nyelvi Modellek - Az ügynökök fogalma már az LLM-ek létrehozása előtt is létezett. Az AI ügynökök LLM-ekkel való építésének előnye az, hogy képesek értelmezni az emberi nyelvet és adatokat. Ez a képesség lehetővé teszi az LLM-ek számára, hogy értelmezzék a környezeti információkat és tervet készítsenek a környezet megváltoztatására.
Cselekvések végrehajtása - Az AI ügynök rendszereken kívül az LLM-ek korlátozottak olyan helyzetekben, ahol a cselekvés tartalom vagy információ generálása a felhasználó kérésére. Az AI ügynök rendszereken belül az LLM-ek képesek feladatokat végrehajtani a felhasználó kérésének értelmezésével és az elérhető eszközök használatával.
Hozzáférés eszközökhöz - Az, hogy az LLM milyen eszközökhöz fér hozzá, 1) a környezetétől és 2) az AI ügynök fejlesztőjétől függ. Az utazási ügynök példájában az ügynök eszközei korlátozottak a foglalási rendszer által elérhető műveletekre, illetve a fejlesztő korlátozhatja az ügynök eszközhozzáférését például csak repülőjáratokra.
Memória + Tudás - A memória lehet rövid távú, a felhasználó és az ügynök közötti beszélgetés kontextusában. Hosszú távon, a környezet által biztosított információn kívül az AI ügynökök más rendszerekből, szolgáltatásokból, eszközökből és akár más ügynököktől is tudást szerezhetnek. Az utazási ügynök példájában ez a tudás lehet például a felhasználó utazási preferenciáira vonatkozó információ egy ügyféladatbázisban.
Az ügynökök különböző típusai
Most, hogy van egy általános definíciónk az AI ügynökökről, nézzük meg néhány konkrét ügynöktípust, és hogyan alkalmazhatók egy utazási foglalási AI ügynöknél.
| Ügynöktípus | Leírás | Példa |
|---|---|---|
| Egyszerű reflex ügynökök | Azonnali cselekvéseket hajtanak végre előre meghatározott szabályok alapján. | Az utazási ügynök értelmezi az e-mail kontextusát, és továbbítja az utazási panaszokat az ügyfélszolgálatnak. |
| Modellalapú reflex ügynökök | A világ modellje és annak változásai alapján cselekszenek. | Az utazási ügynök prioritást ad az útvonalaknak, ahol jelentős árváltozások történtek, a történelmi áradatokhoz való hozzáférés alapján. |
| Célalapú ügynökök | Terveket készítenek konkrét célok elérésére, értelmezve a célt és meghatározva a szükséges cselekvéseket. | Az utazási ügynök lefoglal egy utazást, meghatározva a szükséges utazási intézkedéseket (autó, tömegközlekedés, repülőjáratok) az aktuális helyszíntől a célállomásig. |
| Hasznosságalapú ügynökök | Figyelembe veszik a preferenciákat, és numerikusan mérlegelik a kompromisszumokat a célok elérése érdekében. | Az utazási ügynök maximalizálja a hasznosságot, mérlegelve a kényelmet és a költségeket az utazás foglalásakor. |
| Tanuló ügynökök | Idővel javulnak, visszajelzésekre reagálva és ennek megfelelően módosítva cselekvéseiket. | Az utazási ügynök javul az ügyfél visszajelzései alapján, amelyeket az utazás utáni felmérésekből kap, és ezek alapján módosítja a jövőbeli foglalásokat. |
| Hierarchikus ügynökök | Többszintű rendszert alkotnak, ahol a magasabb szintű ügynökök feladatokat bontanak le alacsonyabb szintű ügynökök számára. | Az utazási ügynök lemond egy utazást, a feladatot részfeladatokra bontva (például konkrét foglalások törlése), és az alacsonyabb szintű ügynökök végrehajtják ezeket, majd visszajelzést adnak a magasabb szintű ügynöknek. |
| Több ügynökből álló rendszerek (MAS) | Az ügynökök önállóan végzik el a feladatokat, akár együttműködve, akár versengve. | Együttműködő: Több ügynök foglal konkrét utazási szolgáltatásokat, például szállodákat, repülőjáratokat és szórakozási lehetőségeket. Versengő: Több ügynök kezeli és verseng egy közös szállodai foglalási naptárban az ügyfelek elhelyezéséért. |
Mikor használjunk AI ügynököket?
Az előző szakaszban az utazási ügynök példáját használtuk, hogy bemutassuk, hogyan alkalmazhatók az ügynökök különböző típusai az utazási foglalás különböző forgatókönyveiben. Ezt az alkalmazást a kurzus során végig használni fogjuk.
Nézzük meg, milyen típusú felhasználási esetekben a legjobb az AI ügynökök használata:
- Nyitott végű problémák - lehetővé téve az LLM számára, hogy meghatározza a szükséges lépéseket egy feladat elvégzéséhez, mivel ez nem mindig kódolható előre egy munkafolyamatba.
- Többlépcsős folyamatok - olyan feladatok, amelyek bizonyos szintű összetettséget igényelnek, és az AI ügynöknek eszközöket vagy információkat kell használnia több lépésben, nem csak egyszeri lekérdezés során.
- Idővel történő javulás - olyan feladatok, ahol az ügynök visszajelzést kap a környezetétől vagy a felhasználóktól, hogy idővel jobb eredményeket nyújtson.
Az AI ügynökök használatának további szempontjait a “Megbízható AI ügynökök építése” leckében tárgyaljuk.
Az ügynöki megoldások alapjai
Ügynökfejlesztés
Az AI ügynök rendszer tervezésének első lépése az eszközök, cselekvések és viselkedések meghatározása. Ebben a kurzusban az Azure AI Agent Service használatára összpontosítunk az ügynökök meghatározásához. Ez olyan funkciókat kínál, mint:
- Nyílt modellek kiválasztása, például OpenAI, Mistral és Llama
- Licencelt adatok használata olyan szolgáltatóktól, mint a Tripadvisor
- Szabványosított OpenAPI 3.0 eszközök használata
Ügynöki minták
Az LLM-ekkel való kommunikáció promptokon keresztül történik. Az AI ügynökök félig autonóm jellege miatt nem mindig lehetséges vagy szükséges manuálisan újrapromptolni az LLM-et a környezet változása után. Ügynöki mintákat használunk, amelyek lehetővé teszik az LLM promptolását több lépésben, skálázhatóbb módon.
Ez a kurzus néhány jelenleg népszerű ügynöki mintát tárgyal.
Ügynöki keretrendszerek
Az ügynöki keretrendszerek lehetővé teszik a fejlesztők számára, hogy ügynöki mintákat valósítsanak meg kóddal. Ezek a keretrendszerek sablonokat, bővítményeket és eszközöket kínálnak az AI ügynökök jobb együttműködéséhez. Ezek az előnyök jobb megfigyelhetőséget és hibakeresési lehetőségeket biztosítanak az AI ügynök rendszerek számára.
Ebben a kurzusban megvizsgáljuk a kutatás-orientált AutoGen keretrendszert és a gyártásra kész Agent keretrendszert a Semantic Kernelből.
Mintakódok
- Python: Agent Framework
- .NET: Agent Framework
További kérdéseid vannak az AI ügynökökről?
Csatlakozz az Azure AI Foundry Discord közösséghez, hogy találkozz más tanulókkal, részt vegyél fogadóórákon, és választ kapj az AI ügynökökkel kapcsolatos kérdéseidre.
Előző lecke
Következő lecke
Ügynöki keretrendszerek felfedezése
Felelősség kizárása:
Ez a dokumentum az Co-op Translator AI fordítási szolgáltatás segítségével lett lefordítva. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az eredeti nyelvén tekintendő hiteles forrásnak. Fontos információk esetén javasolt professzionális emberi fordítást igénybe venni. Nem vállalunk felelősséget semmilyen félreértésért vagy téves értelmezésért, amely a fordítás használatából eredhet.