ai-agents-for-beginners
(Kattints a fenti képre, hogy megnézd a videót ehhez a leckéhez)
Bevezetés az AI ágensekhez és az ágenses felhasználási esetekhez
Üdvözlünk az AI ágensek kezdőknek tanfolyamon! Ez a tanfolyam alapképzést ad — és valódi működő kódot — hogy nulláról kezdhess AI ágenseket építeni.
Gyere és köszönj be az Azure AI Discord közösségbe — tele van tanulókkal és AI fejlesztőkkel, akik szívesen válaszolnak a kérdésekre.
Mielőtt belevágnánk az építésbe, győződjünk meg róla, hogy valóban értjük, mi az az AI ügynök, és mikor érdemes használni.
Bevezető
Ebben a leckében a következő témákat érintjük:
- Mik azok az AI ágensek, és milyen különböző típusok léteznek
- Milyen feladatokra a legalkalmasabbak az AI ágensek
- Az alapvető építőelemek, amelyeket egy ágenses megoldás tervezésekor használsz
Tanulási célok
A lecke végére képes leszel:
- Elmagyarázni, mi az AI ügynök, és miben különbözik egy hagyományos AI megoldástól
- Tudni, mikor érdemes AI ügynököt használni (és mikor nem)
- Vázlatosan megtervezni egy alapvető ágenses megoldást egy valós problémára
Az AI ágensek meghatározása és típusai
Mik azok az AI ágensek?
Íme egy egyszerű megközelítés:
Az AI ágensek olyan rendszerek, amelyek lehetővé teszik a Nagy Nyelvi Modellek (LLM-ek) számára, hogy ténylegesen cselekedjenek — eszközöket és tudást kapnak, hogy a világra hatással legyenek, nem csak válaszoljanak utasításokra.
Fejtsük ezt ki egy kicsit:
- Rendszer — Az AI ügynök nem csupán egyetlen dolog. Egy együttműködő részekből álló rendszer. Minden ügynök alapjaiban három részből áll:
- Környezet — Az a tér, ahol az ügynök dolgozik. Egy utazási ügynök esetén ez maga a foglalási platform.
- Szenzorok — Ahogyan az ügynök érzékeli a környezet aktuális állapotát. Utazási ügynökünk például ellenőrizheti a szállodai foglaltságot vagy a repülőjegy árakat.
- Aktuátorok — Ahogyan az ügynök cselekszik. Az utazási ügynök foglalhat szobát, küldhet visszaigazolást vagy törölhet foglalást.
-
Nagy Nyelvi Modellek — Ágensek már LLM-ek előtt is léteztek, de az LLM-ek tették a modern ágenseket igazán erőssé. Képesek megérteni a természetes nyelvet, kontextusról gondolkodni, és egy homályos felhasználói kérést konkrét cselekvési tervvé alakítani.
-
Cselekvés végrehajtása — Ágensek rendszere nélkül egy LLM csak szöveget generál. Az ágensek rendszerében az LLM ténylegesen végrehajthat lépéseket — kereshet az adatbázisban, hívhat API-t, üzenetet küldhet.
-
Eszközök elérése — Az, hogy milyen eszközöket használhat az ügynök, attól függ (1) milyen környezetben fut, és (2) milyen eszközöket adott neki a fejlesztő. Egy utazási ügynök kereshet járatokat, de nem módosíthat ügyféladatokat — ez mind attól függ, mit kötöttél össze.
-
Memória + Tudás — Az ágensek rendelkezhetnek rövid távú memóriával (aktuális beszélgetés) és hosszú távú memóriával (ügyféladatbázis, korábbi interakciók). Az utazási ügynök “emlékezhet” például, hogy az ablak melletti ülést részesíted előnyben.
Az AI ágensek különböző típusai
Nem minden ágense ugyanúgy épül fel. Íme a fő típusok bontása, az utazási ügynök példáján:
| Ágents típus | Mit csinál | Utazási ügynök példa |
|---|---|---|
| Egyszerű reflexügynökök | Kemény kódolt szabályokat követ — nincs memória, nincs tervezés. | Ha panaszos e-mailt lát → továbbítja az ügyfélszolgálatnak. Ennyi. |
| Modellező reflexügynökök | Belső modellt tart fenn a világról, és frissíti a változások szerint. | Követi a korábbi repülőjegy árakat, és jelzi azokat az útvonalakat, amelyek hirtelen drágák lettek. |
| Cél alapú ágensek | Egy cél érdekében fokozatosan lépésenként dolgozik. | Teljes utazást foglal (repülő, autó, szálloda) a jelenlegi helyedről a célállomásodra. |
| Haszon alapú ágensek | Nem csak egy megoldást keres — a legjobbat találja, mérlegelve a kompromisszumokat. | Költség és kényelem egyensúlyát keresve megtalálja a neked legjobb utazást. |
| Tanuló ágensek | Idővel egyre jobb lesz, a visszajelzésekből tanulva. | Az utazás utáni felmérés alapján módosítja a jövőbeli foglalási ajánlásokat. |
| Hierarchikus ágensek | Egy felső szintű ügynök részmunkákra bontja az ügyet, és al-ügynökökre bízza. | Egy “utazás törlése” kérés felbontódik: repülő, szálloda, autóbérlés törlése — mindegyik külön al-ügynökre hárul. |
| Többágenses rendszerek (MAS) | Több független ügynök együttműködik (vagy verseng). | Együttműködés: külön ágensek kezelik a szállodákat, repülőket és szórakozást. Versengés: több ügynök verseng a szállodai szobák legjobb áron való betöltéséért. |
Mikor érdemes AI ágenseket használni?
Az, hogy lehet, nem jelenti azt, hogy mindig is kell AI ügynököt használni. Ezek a helyzetek valóban jól működnek ágensekkel:
- Nyitott végű problémák — Amikor a probléma megoldásának lépései nem programozhatók előre. Az LLM-nek dinamikusan kell megtalálnia az utat.
- Többlépéses folyamatok — Olyan feladatok, amelyek több lépésen át eszközök használatát igénylik, nem csak egyszeri lekérdezést vagy generálást.
- Időbeli fejlődés — Ha azt akarod, hogy a rendszer egyre okosabb legyen a felhasználói visszajelzések vagy környezeti jelek alapján.
Ezután mélyebben is foglalkozunk majd azzal, mikor érdemes (és mikor nem) AI ágenseket használni a tanfolyam során a Megbízható AI ágensek építése leckében.
Az ágenses megoldások alapjai
Ügynök fejlesztés
Az első lépés egy ügynök építésénél annak meghatározása, mit tud csinálni — milyen eszközök, cselekvések és viselkedések tartoznak hozzá.
Ebben a tanfolyamban az Azure AI Agent Service platformot használjuk. Támogatja:
- Nyílt modelleket, mint az OpenAI, Mistral, és Llama
- Licencelt adatokat olyan szolgáltatóktól, mint a Tripadvisor
- Standardizált OpenAPI 3.0 eszközdefiníciókat
Ágenses minták
Az LLM-ekkel utasítások (promptok) segítségével kommunikálsz. Ügynököknél nem lehet minden promptot kézzel készíteni — az ügynöknek kell cselekednie többlépésesen. Ebben segítenek az ágenses minták. Ezek újrahasznosítható stratégiák az LLM-ek promptolására és irányítására skálázhatóbb és megbízhatóbb módon.
Ez a tanfolyam a leggyakoribb és leghasznosabb ágenses mintákra épül.
Ágenses keretrendszerek
Az ágenses keretrendszerek kész sablonokat, eszközöket és infrastruktúrát kínálnak a fejlesztőknek az ágensek építéséhez. Megkönnyítik:
- Az eszközök és képességek összekötését
- Az ügynök tevékenységének megfigyelését (és hibakeresést, ha valami nem működik)
- Több ügynök közötti együttműködést
Ebben a tanfolyamban az Microsoft Agent Framework (MAF) keretrendszerre fókuszálunk, amely gyártásra kész ágensek létrehozását segíti.
Kódminták
Készen állsz, hogy lásd működés közben? Íme a lecke kódpéldái:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Kérdésed van?
Csatlakozz a Microsoft Foundry Discord közösséghez, hogy kapcsolatba léphess más tanulókkal, részt vehess office hour-okon, és megkapd az AI ügynökökkel kapcsolatos kérdéseidre adott válaszokat közösségi segítséggel.
Előző lecke
Következő lecke
Ágenses keretrendszerek felfedezése
Jogi nyilatkozat:
Ez a dokumentum az AI fordítási szolgáltatás, a Co-op Translator segítségével készült. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum, az eredeti nyelven tekintendő hiteles forrásnak. Kritikus információk esetén professzionális emberi fordítást javaslunk. Nem vállalunk felelősséget az e fordítás használatából eredő félreértésekért vagy téves értelmezésekért.