ai-agents-for-beginners
(Kattintson a fenti képre a videó megtekintéséhez)
Bevezetés az AI ügynökökbe és ügynökhöz tartozó felhasználási esetekbe
Üdvözöljük az „AI ügynökök kezdőknek” tanfolyamon! Ez a tanfolyam alapvető ismereteket és gyakorlati példákat nyújt az AI ügynökök építéséhez.
Csatlakozzon az Azure AI Discord közösséghez, hogy találkozzon más tanulókkal és AI ügynök építőkkel, és tegye fel kérdéseit a tanfolyammal kapcsolatban.
A tanfolyam elindításához először jobban megértjük, mik az AI ügynökök, és hogyan tudjuk őket használni az általaunk épített alkalmazásokban és munkafolyamatokban.
Bevezetés
Ez a lecke a következőket tárgyalja:
- Mik az AI ügynökök és mik az ügynökök különböző típusai?
- Milyen felhasználási esetekhez a legalkalmasabbak az AI ügynökök, és hogyan segíthetnek nekünk?
- Melyek az alapvető építőkövek egy ügynöki megoldás tervezésekor?
Tanulási célok
A lecke elvégzése után képesnek kell lennie:
- Megérteni az AI ügynökök fogalmait és azt, hogy miben különböznek más AI megoldásoktól.
- Leghatékonyabban alkalmazni az AI ügynököket.
- Termelékenyen tervezni ügynöki megoldásokat mind a felhasználók, mind az ügyfelek számára.
AI ügynökök meghatározása és AI ügynök típusok
Mik az AI ügynökök?
Az AI ügynökök olyan rendszerek, amelyek lehetővé teszik a nagy nyelvi modelleknek (LLM-eknek), hogy műveleteket hajtsanak végre azáltal, hogy kibővítik a képességeiket azzal, hogy az LLM-ek hozzáférést kapnak eszközökhöz és tudáshoz.
Nézzük meg ezt a meghatározást kisebb részekre bontva:
- Rendszer – Fontos, hogy az ügynököket ne csak mint egyetlen komponenst, hanem sok komponensből álló rendszerként tekintsük. Egy AI ügynök alapvető komponensei:
- Környezet – A meghatározott tér, ahol az AI ügynök működik. Például ha lenne egy utazási foglalási AI ügynökünk, a környezet lehet maga az utazási foglalási rendszer, amelyet az ügynök használ a feladatok elvégzéséhez.
- Érzékelők – A környezetek információval rendelkeznek és visszajelzést adnak. Az AI ügynökök érzékelőket használnak, hogy összegyűjtsék és értelmezzék a környezet aktuális állapotáról szóló információkat. Az utazási foglalási ügynök példájában az utazási rendszer például szálláshely elérhetőséget vagy repülőjegyárakat tud adni.
- Kivitelezők – Miután az AI ügynök megkapta a környezet jelenlegi állapotát, az adott feladatra meghatározza, hogy milyen műveletet hajtson végre a környezet megváltoztatása érdekében. Az utazási ügynök esetében ez lehet egy szabad szoba lefoglalása a felhasználónak.
Nagy nyelvi modellek – Az ügynökök fogalma már az LLM-ek létrejötte előtt is létezett. Az AI ügynökök LLM-ekkel való építésének előnye, hogy képesek értelmezni az emberi nyelvet és az adatokat. Ez a képesség lehetővé teszi, hogy az LLM-ek értelmezzék a környezeti információkat és meghatározzák a környezet megváltoztatására irányuló tervet.
Műveletek végrehajtása – Az AI ügynök rendszereken kívül az LLM-ek korlátozottak olyan helyzetekben, ahol az akció tartalom vagy információ generálása egy felhasználói bemenet alapján. Az AI ügynök rendszeren belül az LLM-ek képesek feladatokat végrehajtani azáltal, hogy értelmezik a felhasználó kéréseit és eszközöket használnak, amelyek elérhetők a környezetükben.
Hozzáférés eszközökhöz – Az, hogy milyen eszközökhöz fér hozzá egy LLM, 1) a működési környezettől, és 2) az AI ügynök fejlesztőjétől függ. Utazási ügynök példánkban az ügynök eszközeit a foglalási rendszeren belüli műveletek korlátozzák, illetve a fejlesztő az eszközhozzáférést korlátozhatja például csak repülőjegyekre.
Memória+Tudás – A memória lehet rövid távú a felhasználó és az ügynök közti beszélgetés kontextusában. Hosszú távon, a környezet által szolgáltatott információn túl az AI ügynökök tudást is elő tudnak hívni más rendszerekből, szolgáltatásokból, eszközökből és akár más ügynököktől. Utazási ügynök példánkban ez a tudás lehet a felhasználó utazási preferenciáiról szóló információ egy ügyféladatbázisban.
Az ügynökök különböző típusai
Most, hogy van egy általános meghatározásunk az AI ügynökökről, nézzünk meg néhány konkrét ügynöktípust, és azt, hogy ezek hogyan alkalmazhatók egy utazási foglalási AI ügynökre.
| Ügynök típusa | Leírás | Példa |
|---|---|---|
| Egyszerű reflex ügynökök | Azonnali műveleteket hajtanak végre előre definiált szabályok alapján. | Az utazási ügynök értelmezi az e-mail kontextusát, és utazási panaszokat továbbít az ügyfélszolgálatnak. |
| Modell-alapú reflex ügynökök | A világ modellje és annak változásai alapján hajtanak végre műveleteket. | Az utazási ügynök előnyben részesíti azokat az útvonalakat, ahol jelentős árváltozás történt, a múltbeli áradatokhoz való hozzáférés alapján. |
| Cél-alapú ügynökök | Terveket készítenek egy adott cél elérésére azzal, hogy értelmezik a célt és meghatározzák a hozzá vezető lépéseket. | Az utazási ügynök lefoglal egy utat azzal, hogy meghatározza a szükséges utazási lépéseket (autó, tömegközlekedés, repülőjegyek) a kiinduló helytől a célállomásig. |
| Haszon-alapú ügynökök | Számításba veszik a preferenciákat és numerikusan mérlegelik az előnyöket és hátrányokat a célok elérésének módjának meghatározásához. | Az utazási ügynök maximalizálja a hasznosságot azáltal, hogy az utazás lefoglalásakor mérlegeli a kényelmet és a költséget. |
| Tanuló ügynökök | Idővel javulnak a visszacsatolásokra reagálva és az azok alapján történő akciók módosításával. | Az utazási ügynök a visszajelzések alapján javul a felhasználói felmérések után, és ennek alapján módosítja a jövőbeli foglalásokat. |
| Hierarchikus ügynökök | Több ügynök alkot egy hierarchikus rendszert, ahol a felsőbb szintű ügynökök bontják tovább a feladatokat az alsóbb szintű ügynököknek. | Az utazási ügynök egy utazás törlését feladatokra bontja (például specifikus foglalások törlése), majd az alsóbb szintű ügynökök elvégzik őket, és visszajelzést adnak a felsőbb szintű ügynöknek. |
| Többügynökös rendszerek (MAS) | Az ügynökök önállóan teljesítik a feladatokat, akár együttműködve, akár versengve. | Együttműködés: Több ügynök különféle utazási szolgáltatásokat foglal, például szállodákat, repülőjegyeket és programokat. Versengés: Több ügynök menedzsel egy megosztott szállodafoglalási naptárat, hogy vendégeket foglaljon be. |
Mikor érdemes AI ügynököket használni
Az előző szakaszban az utazási ügynök példájával mutattuk be, hogy a különböző típusú ügynökök hogyan használhatók különféle utazási foglalási helyzetekben. Ezt az alkalmazást a tanfolyam során is használjuk.
Nézzük meg azokat az eseteket, amikor az AI ügynökök a legalkalmasabbak:
- Nyitott végű problémák – amikor az LLM határozza meg a feladat elvégzéséhez szükséges lépéseket, mert azokat nem mindig lehet keményen kódolni egy munkafolyamatba.
- Többlépcsős folyamatok – feladatok, amelyek komplexitásuk miatt megkövetelik, hogy az AI ügynök több lépésben használjon eszközöket vagy információkat egyetlen lekérdezés helyett.
- Folyamatos javulás idővel – olyan feladatok, ahol az ügynök idővel javulhat, ha visszacsatolást kap a környezetétől vagy felhasználóktól a jobb hasznosság érdekében.
További megfontolásokat az AI ügynökök használatával kapcsolatban a Megbízható AI ügynökök építése leckében talál.
Ügynöki megoldások alapjai
Ügynök fejlesztés
Az AI ügynök rendszer tervezésének első lépése az eszközök, műveletek és viselkedések meghatározása. Ebben a tanfolyamban az Azure AI Agent Service használatára összpontosítunk az ügynökök meghatározásához. Ez a szolgáltatás olyan funkciókat kínál, mint:
- Nyílt modellek kiválasztása, például OpenAI, Mistral és Llama
- Engedélyezett adatok használata, például a Tripadvisor szolgáltatóitól
- Szabványosított OpenAPI 3.0 eszközök használata
Ügynöki minták
A kommunikáció az LLM-ekkel promptokon keresztül történik. Az AI ügynökök félig autonóm jellegéből adódóan nem mindig lehetséges vagy szükséges az LLM újrakérését manuálisan elvégezni a környezet változásai után. Az ügynöki mintákat használjuk, amelyek lehetővé teszik, hogy az LLM-et több lépésben, skálázható módon promptoljuk.
Ez a tanfolyam a jelenleg népszerű ügynöki minták egy részére oszlik.
Ügynöki keretrendszerek
Az ügynöki keretrendszerek lehetővé teszik a fejlesztők számára, hogy kódon keresztül implementáljanak ügynöki mintákat. Ezek a keretrendszerek sablonokat, pluginokat és eszközöket kínálnak a jobb AI ügynök együttműködéshez. Ezek az előnyök jobb megfigyelhetőséget és hibakeresést tesznek lehetővé az AI ügynök rendszerek esetén.
Ebben a tanfolyamban a Microsoft Agent Frameworköt (MAF) fogjuk felfedezni az éles környezetbe szánt AI ügynökök építésére.
Példakódok
- Python: Agent Framework
- .NET: Agent Framework
További kérdései vannak az AI ügynökökről?
Csatlakozzon a Microsoft Foundry Discordhoz, hogy találkozhasson más tanulókkal, részt vehessen konzultációkon, és választ kapjon AI ügynökökkel kapcsolatos kérdéseire.
Előző lecke
Következő lecke
Az ügynöki keretrendszerek felfedezése
Jogi nyilatkozat: Ez a dokumentum az AI fordító szolgáltatás, a Co-op Translator segítségével készült. Bár az pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum a saját nyelvén tekintendő hiteles forrásnak. Fontos információk esetén professzionális, emberi fordítást javaslunk. Nem vállalunk felelősséget semmilyen félreértésért vagy téves értelmezésért, amely ebből a fordításból ered.