ai-agents-for-beginners

ការប្រើប្រាស់ប្រព័ន្ធអាជីវកម្មតំណាង (Agentic Protocols) (MCP, A2A និង NLWeb)

(ចុចរូបភាពខាងលើសម្រាប់មើលវីដេអូមេរៀននេះ)

ក្រោមការរីកចម្រើននៃការប្រើប្រាស់តំណាង AI ក៏ដូចជាការទាមទារសម្រាប់ប្រព័ន្ធតំណាងដែលធានាប្រព័ន្ធផ្ទាំងជាតិស្តង់ដា សន្តិសុខ និងគាំទ្រ នូវការច្នៃប្រឌិតបើកចំហ។ ក្នុងមេរៀននេះ យើងនឹងពិនិត្យប្រព័ន្ធតំណាង ៣ ដែលទាក់ទងនឹងតម្រូវការនេះ - ប្រព័ន្ធបរិបទម៉ូឌែល (Model Context Protocol - MCP), តំណាងទៅតំណាង (Agent to Agent - A2A) និង បណ្តាញភាសាធម្មជាតិ (Natural Language Web - NLWeb)។

ទីបញ្ចូល

ក្នុងមេរៀននេះ យើងនឹងពិនិត្យ៖

• របៀបដែល MCP អនុញ្ញាតឲ្យតំណាង AI ចូលប្រើឧបករណ៍ និងទិន្នន័យខាងក្រៅ ដើម្បីបញ្ចប់ភារកិច្ចរបស់អ្នកប្រើប្រាស់។

• របៀបដែល A2A អនុញ្ញាតឲ្យមានការទំនាក់ទំនង និងសហការវិជ្ជមានរវាងតំណាង AI ផ្សេងៗគ្នា។

• របៀបដែល NLWeb ធ្វើឲ្យមានចំណុចប្រទាក់ភាសាធម្មជាតិសម្រាប់គេហទំព័រណាមួយ ដើម្បីអោយតំណាង AI ស្វែងរកនិងអាចបន្តការប្រាស្រ័យជាមួយមាតិកានោះ។

គោលបំណងការសិក្សា

• បញ្ជាក់ គោលបំណងសំខាន់ និងអត្ថប្រយោជន៍នៃ MCP, A2A, និង NLWeb នៅក្នុងបរិបទនៃតំណាង AI។

• ពន្យល់ របៀបដែលប្រព័ន្ធទាំងនេះ ធ្វើឲ្យមានការប្រាស្រ័យ និងអន្តរកម្មរវាង LLMs, ឧបករណ៍ និងតំណាងផ្សេងទៀត។

• ស្គាល់ តួនាទីប្រែប្រួលនៃប្រព័ន្ធទាំងនេះ ក្នុងការបង្កើតប្រព័ន្ធតំណាងស្មុគស្មាញ។

ប្រព័ន្ធបរិបទម៉ូឌែល (Model Context Protocol)

Model Context Protocol (MCP) គឺជាស្តង់ដារបើកដែលផ្តល់វិធីសាស្រ្តស្តង់ដាដើម្បីអនុញ្ញាតកម្មវិធីផ្តល់បរិបទនិងឧបករណ៍ទៅ LLMs។ វាអនុញ្ញាតឲ្យមាន “ឧបករណ៍ភ្ជាប់សកល” ទៅនឹងប្រភពទិន្នន័យ និងឧបករណ៍នានា ដែលតំណាង AI អាចភ្ជាប់បានយ៉ាងចំរូងចំរាស។

យើងនឹងមើលគ្រឿងផ្សំនៃ MCP អត្ថប្រយោជន៍បើប្រៀបធៀបនឹងការប្រើប្រាស់ API ផ្សេងៗផ្ទាល់ និងឧទាហរណ៍ពីរបៀបដែលតំណាង AI អាចប្រើម៉ាស៊ីនបម្រើ MCP។

គ្រឿងផ្សំស្នូលរបស់ MCP

MCP ប្រើស្ថាបត្យកម្មកន្លែងលេខសម្រាប់គ្រប់គ្រង (client-server architecture) ហើយគ្រឿងផ្សំស្នូលមាន៖

• Hosts គឺកម្មវិធី LLM (ឧទាហរណ៍ ម៉ាស៊ីនកូដ VSCode) ដែលចាប់ផ្តើមការតភ្ជាប់ទៅម៉ាស៊ីនបម្រើ MCP។

• Clients គឺគ្រឿងផ្សំក្នុងកម្មវិធី host ដែលរក្សាការតភ្ជាប់មួយទៅមួយជាមួយម៉ាស៊ីនបម្រើ។

• Servers គឺកម្មវិធីស្រាល ដែលបង្ហាញកម្រិតសមត្ថភាពជាក់លាក់។

ក្នុងប្រព័ន្ធមាននូវបរិច្ឆេទស្នូលបី ដែលជាសមត្ថភាពម៉ាស៊ីនបម្រើ MCP៖

• ឧបករណ៍ (Tools)៖ អ្វីដែលជាសកម្មភាពឬមុខងារដែលតំណាង AI អាចហៅដើម្បីអនុវត្តសកម្មភាពមួយ។ ឧទាហរណ៍ សេវាកម្មអាកាសធាតុអាចបង្ហាញឧបករណ៍ “get weather,” ឬម៉ាស៊ីនបម្រើអ៊ី-កហមសកម្មភាពអាចបង្ហាញឧបករណ៍ “purchase product”។ ម៉ាស៊ីនបម្រើ MCP បង្ហាញឈ្មោះឧបករណ៍ ការពិពណ៌នា និងរចនាសម្ព័ន្ធវត្ដមានបញ្ចូល/ចេញក្នុងបញ្ជីសមត្ថភាពរបស់វា។

• ធនធាន (Resources)៖ គឺជាតំណភ្ជាប់ទិន្នន័យអានតែប៉ុណ្ណោះឬឯកសារដែលម៉ាស៊ីនបម្រើ MCP អាចផ្តល់បាន ហើយកម្មវិធី client អាចទាញយកពេលវាងារ។ ឧទាហរណ៍រួមមានមាតិកាឯកសារ ចុះបញ្ជីទិន្នន័យ ឬកំណត់ហេតុ។ ធនធានអាចជាអត្ថបទ (ដូចជា កូដ ឬ JSON) ឬពីរម៉ាស្រី (ដូចជា រូបភាពឬ PDF)។

• ការបញ្ជូនសេចក្តីបណ្តឹង (Prompts)៖ គឺជា ទម្រង់ដែលបានកំណត់រួច ដែលផ្តល់ការបញ្ជូនសម្រាប់ការងារឧបករណ៍ស្មុគស្មាញជាងនេះ។

អត្ថប្រយោជន៍នៃ MCP

MCP ផ្តល់អត្ថប្រយោជន៍សំខាន់ៗសម្រាប់តំណាង AI៖

• ការស្វែងរកឧបករណ៍ឌីញាមិច៖ តំណាងអាចទទួលបានបញ្ជីឧបករណ៍ដែលមានពីម៉ាស៊ីនបម្រើជាឌីញាមិច និងការពិពណ៌នាអំពីមុខងារ។ នេះខុសពី API បែបបុរាណដែលតម្រូវឲ្យមានកូដរឹតបន្តឹងសម្រាប់ការបញ្ចូល ដែលប្រែប្រួល API តម្រូវឲ្យកែប្រែកូដ។ MCP ផ្តល់នូវវិធីសាស្រ្ត “បញ្ចូលមួយដង” ដែលធ្វើឲ្យមានភាពអាចបត់បែនបានខ្ពស់។

• ការប្រើប្រាស់រួមអាចអនុវត្តបានក្នុង LLMs ផ្សេងៗ៖ MCP ប្រតិបត្តិលើ LLMs ផ្សេងៗផ្តល់ភាពបត់បែនក្នុងការប្តូរម៉ូដែលមូលដ្ឋាន ដើម្បីវាយតម្លៃសមត្ថភាពល្អប្រសើរជាងមុន។

• សន្តិសុខស្តង់ដារ៖ MCP រួមបញ្ចូលវិធីសាស្រ្តត្រួតពិនិត្យសុវត្ថិភាពស្តង់ដា បង្កើនសមត្ថភាពពង្រីកពេលបន្ថែមការចូលប្រើម៉ាស៊ីនបម្រើ MCP បន្ថែម។ វាងាយស្រួលជាងការគ្រប់គ្រងកូនសោនិងការផ្ទៀងផ្ទាត់ផ្សេងៗសម្រាប់ API បុរាណ។

ឧទាហរណ៍ MCP

ស្រមៃថាអ្នកប្រើប្រាស់ចង់កក់សំបុត្រយន្តហោះដោយមានជំនួយ AI ដែលមានឥទ្ធិពលដោយ MCP។

1. ការតភ្ជាប់៖ ជំនួយ AI (client MCP) តភ្ជាប់ទៅម៉ាស៊ីនបម្រើ MCP ដែលផ្តល់ដោយក្រុមហ៊ុនយន្តហោះ។

2. ការស្វែងរកឧបករណ៍៖ client សួរម៉ាស៊ីនបម្រើ MCP របស់ក្រុមហ៊ុនយន្តហោះថា “តើអ្នកមានឧបករណ៍អ្វីខ្លះ?” ម៉ាស៊ីនបម្រើឆ្លើយតបជាមួយឧបករណ៍ដូចជា “ស្វែងរកបណ្តាញហោះហើរ” និង “កក់សំបុត្រយន្តហោះ”។

3. ហៅឧបករណ៍៖ អ្នកសុំជំនួយ AI ថា “សូមស្វែងរកសំបុត្រយន្តហោះពីភ្នំពេញទៅហូណូឡ៊ូ។” ជំនួយ AI ប្រើ LLM របស់វា កំណត់ថាវាត្រូវហៅឧបករណ៍ “ស្វែងរកសំបុត្រ” ហើយផ្ញើប៉ារ៉ាដាខ្មែរ (ដើមបំណក, ទិសដៅ) ទៅម៉ាស៊ីនបម្រើ MCP។

4. អនុវត្តន៍ និងឆ្លើយតប៖ ម៉ាស៊ីនបម្រើ MCP ដំណើរការហៅ API កក់សំបុត្រផ្ទៃក្នុងរបស់ក្រុមហ៊ុនយន្តហោះ ស្ដាប់ទិន្នន័យសំបុត្រ (ជាដាតា JSON) ហើយផ្ញើត្រឡប់ទៅជំនួយ AI។

5. អន្តរកម្មបន្ថែម៖ ជំនួយ AI បង្ហាញជម្រើសសំបុត្រ។ ពេលអ្នកជ្រើសរើសសំបុត្រមួយ ជំនួយអាចហៅឧបករណ៍ “កក់សំបុត្រ” នៅម៉ាស៊ីនបម្រើ MCP ដូចគ្នា ដើម្បីបញ្ចប់ការកក់។

ប្រព័ន្ធតំណាងទៅតំណាង (Agent-to-Agent Protocol - A2A)

ខណៈដែល MCP ផ្តោតលើការភ្ជាប់ LLM ទៅឧបករណ៍ ប្រព័ន្ធ Agent-to-Agent (A2A) ធ្វើជាដៃ ទ្វារជំហានមួយ ដោយអនុញ្ញាតឲ្យមានការទំនាក់ទំនង និងសហការរវាងតំណាង AI ផ្សេងគ្នា។ A2A ភ្ជាប់តំណាង AI ពីអង្គភាព បរិយាកាស និងបច្ចេកវិទ្យាផ្សេងគ្នា សម្រាប់បញ្ចប់ភារកិច្ចរួម។

យើងនឹងពិនិត្យគ្រឿងផ្សំនិងអត្ថប្រយោជន៍របស់ A2A និងឧទាហរណ៍ពីរបៀបប្រើប្រាស់វាក្នុងកម្មវិធីធ្វើដំណើររបស់យើង។

គ្រឿងផ្សំស្នូលរបស់ A2A

A2A ផ្តោតលើការអនុញ្ញាតឲ្យមានការប្រាស្រ័យ និងការងារជារួមដើម្បីបញ្ចប់ភារកិច្ចរងមួយរបស់អ្នកប្រើ។ គ្រឿងផ្សំរៀងៗខាងក្រោមរួមចំណែកក្នុងបច្ចេកវិទ្យានេះ៖

កាតតំណាង (Agent Card)

ដូចជាម៉ាស៊ីនបម្រើ MCP ចែករំលែកបញ្ជីឧបករណ៍ កាតតំណាងមាន៖

• ឈ្មោះរបស់តំណាង។
• ការពិពណ៌នាអំពីភារកិច្ចទូទៅដែលវាបញ្ចប់បាន។
• បញ្ជីជំនាញជាក់លាក់ជាមួយការពិពណ៌នាដើម្បីជួយតំណាងផ្សេងទៀត (ឬអ្នកប្រើប្រាស់មនុស្ស) យល់ពីពេលណា និងហេតុអ្វីត្រូវហៅតំណាងនោះ។
• URL Endpoint បច្ចុប្បន្នរបស់តំណាង។
• ជំនាន់ និងសមត្ថភាពរបស់តំណាងដូចជាការផ្ទេរតបនិងការជូនដំណឹងបញ្ចេញ។

អ្នកអនុវត្តតំណាង (Agent Executor)

អ្នកអនុវត្តតំណាងមានភារកិច្ច ផ្ញើបរិបទនៃការផ្សារភាសារបស់អ្នកប្រើទៅអ្នកតំណាងពីចម្ងាយ។ អ្នកតំណាងពីចម្ងាយត្រូវការបរិបទដើម្បីយល់ពីភារកិច្ចដែលត្រូវបញ្ចប់។ នៅម៉ាស៊ីនបម្រើ A2A តំណាងប្រើ Large Language Model (LLM) របស់ខ្លួន ដើម្បីវិភាគសំណើរ និងអនុវត្តភារកិច្ចដោយប្រើឧបករណ៍ផ្ទៃក្នុង។

វត្ថុ (Artifact)

បន្ទាប់ពីអ្នកតំណាងពីចម្ងាយបញ្ចប់ភារកិច្ចដែលបានស្នើ, ផលិតផលនៃការងាររបស់វាត្រូវបានបង្កើតជាវត្ថុមួយ។ វត្ថុ មានលទ្ធផលនៃការងាររបស់តំណាង ការពិពណ៌នាអំពីអ្វីដែលបានបញ្ចប់ និង បរិបទអត្ថបទ ដែលផ្ញើតាមប្រព័ន្ធ។ បន្ទាប់ពីផ្ញើវត្ថុ តំណាងពីចម្ងាយនឹងបិទការតភ្ជាប់រហូតដល់ពេលត្រូវការឡើងវិញ។

ជួរព្រឹត្តិការណ៍ (Event Queue)

គ្រឿងផ្សំនេះប្រើសម្រាប់ ដោះស្រាយកំណែទម្រង់ និងផ្ញើសារ។ វាមានសារៈសំខាន់នៅក្នុងផលិតកម្ម សម្រាប់ប្រព័ន្ធតំណាង ដើម្បីមិនឲ្យការតភ្ជាប់រវាងតំណាងត្រូវបានបិទមុនពេលភារកិច្ចបញ្ចប់ ពិសេសពេលវេលាបញ្ចប់អាចយូរពេក។

អត្ថប្រយោជន៍នៃ A2A

• សហការកាន់តែល្អប្រសើរ៖ វាបានធ្វើឲ្យតំណាងពីអ្នកផ្គត់ផ្គង់និងវេទិកាផ្សេងៗ អាចទំនាក់ទំនង ចែករំលែកបរិបទ និងកសាងការងាររួម ទ្រទ្រង់ការងារ​ឯកត្តាឆ្លងកាត់​ប្រព័ន្ធ​ដែលពុំបានភ្ជាប់​គ្នា។

• ភាពបត់បែនក្នុងការជ្រើសរើសម៉ូដែល៖ តំណាង A2A សំបូរអាចសម្រេចចិត្តប្រើ LLM ដែលសមស្រប ចំពោះសំណើរខ្លួន, អោយប្រើម៉ូដែលបានបង្កើតឬខ្ពស់បំផុត ដោយខុសពីការតភ្ជាប់ LLM តែមួយក្នុង MCP មួយចំនួន។

• ការផ្ទៀងផ្ទាត់បានរួមបញ្ចូលជាស្រេច៖ ការផ្ទៀងផ្ទាត់ដោយស្ថាប័នត្រូវបានបញ្ចូលដោយផ្ទាល់ក្នុងប្រព័ន្ធ A2A ផ្តល់សន្តិសុខរឹងមាំសម្រាប់ការប្រាស្រ័យរវាងតំណាង។

ឧទាហរណ៍ A2A

យើងនឹងពង្រីកលើសេណារីយ៉ូចក្លាយការកក់ដំណើររបស់យើង ប៉ុន្តែសំលាប់នេះប្រើប្រព័ន្ធ A2A។

1. សំណើរអ្នកប្រើទៅ Multi-Agent៖ អ្នកប្រើប្រាស់ទំនាក់ទំនងជាមួយ “តំណាងដំណើរ” ជាជំនួយ A2A client/agent ប្រហែលថា “សូមកក់ដំណើរទៅហូណូឡូសម្រាប់សប្តាហ៍ក្រោយ រាប់បញ្ចូលសំបុត្រយន្តហោះ សណ្ឋាគារ និងឡានជួល”។

2. ការតម្រឹមដោយតំណាងដំណើរ៖ តំណាងដំណើរទទួលសំណើរមានភាពស្មុគស្មាញនេះ។ វាប្រើ LLM របស់ខ្លួនធ្វើការវិភាគភារកិច្ច និងកំណត់ថាត្រូវសម្របសម្រួលជាមួយតំណាងជំនាញផ្សេងទៀត។

3. ការប្រាស្រ័យរវាងតំណាង៖ តំណាងដំណើរបន្ទាប់មកប្រើប្រព័ន្ធ A2A ដើម្បីភ្ជាប់ទៅតំណាងចុងក្រោយ ដូចជា “តំណាងក្រុមហ៊ុនយន្តហោះ,” “តំណាងសណ្ឋាគារ,” និង “តំណាងជួលឡាន” ដែលបានបង្កើតដោយក្រុមហ៊ុនផ្សេងៗ។

4. ការអនុវត្តភារកិច្ចដែលផ្តល់បន្ទុក៖ តំណាងដំណើរផ្ញើភារកិច្ចជាក់លាក់ទៅកាន់តំណាងជំនាញទាំងនេះ (ដូចជា “ស្វែងរកសំបុត្រយន្តហោះទៅហូណូឡូ,” “កក់សណ្ឋាគារ,” “ជួលឡាន”) តំណាងជំនាញទាំងនេះ ប្រតិបត្តិការ LLM របស់ខ្លួន និងប្រើឧបករណ៍ផ្ទៃក្នុង (អាចជាម៉ាស៊ីនបម្រើ MCP) ដើម្បីបញ្ចប់ផ្នែកទាំងនេះ។

5. ការឆ្លើយតបរួមបញ្ចូល៖ ពេលដែលតំណាងចុងក្រោយទាំងអស់បញ្ចប់ភារកិច្ច រួមបញ្ចូលព័ត៌មានសំបុត្រ ព័ត៌អត្តសញ្ញាណសណ្ឋាគារ និងបញ្ជាក់ការជួលឡាន តំណាងដំណើរបញ្ចូលព័ត៌មានទាំងនេះ និងផ្ញើតបមត្រាបែបរហស្សនាមកអ្នកប្រើ។

បណ្តាញភាសាធម្មជាតិ (Natural Language Web - NLWeb)

គេហទំព័រតែងតែជាវិធីសម្រាប់អ្នកប្រើប្រាស់ក្នុងការចូលទៅឃើញព័ត៌មាន និងទិន្នន័យជាសំខាន់មួយលើអ៊ីនធឺណិត។

យើងនឹងមើលគ្រឿងផ្សំនានៃ NLWeb អត្ថប្រយោជន៍របស់វា និងឧទាហរណ៍ពីរបៀបដែល NLWeb ប្រតិបត្តិការលើកម្មវិធីធ្វើដំណើររបស់យើង។

គ្រឿងផ្សំនៃ NLWeb

• កម្មវិធី NLWeb (កូដសេវាកម្មស្នូល)៖ ប្រព័ន្ធដែលដំណើរការសំណួរភាសាធម្មជាតិ។ វាភ្ជាប់ផ្នែកផ្សេងៗនៃវេទិកាដើម្បីបង្កើតចម្លើយ។ អ្នកអាចគិតថាវាជា ម៉ាស៊ីនបង្ហាញមុខងារភាសាធម្មជាតិ សម្រាប់គេហទំព័រមួយ។

• ប្រព័ន្ធ NLWeb៖ គោលការណ៍ស្នូលមួយសម្រាប់អន្តរកម្មភាសាធម្មជាតិសំរាប់គេហទំព័រ។ វាផ្ញើចម្លើយតាមរចនាសម្ព័ន្ធ JSON (ជាញឹកញាប់ប្រើ Schema.org)។ គោលបំណងរបស់វាគឺបង្កើតមូលដ្ឋានសាមញ្ញសម្រាប់ “បណ្តាញ AI,” ដូចដែល HTML បានធ្វើឲ្យអាចចែករំលែកឯកសារក្នុងអនឡាញ។

• ម៉ាស៊ីនបម្រើ MCP (ចំណុចបញ្ចប់ប្រព័ន្ធបរិបទម៉ូឌែល)៖ រៀងរាល់ការតម្លើង NLWeb ក៏ដំណើរការជាម៉ាស៊ីនបម្រើ MCP ផងដែរ។ នេះមានន័យថាវា​អាច ចែករំលែកឧបករណ៍ (ដូចជា វិធីសាស្ត្រ “ask”) និងទិន្នន័យ ជាមួយប្រព័ន្ធ AI ផ្សេងទៀត។ ក្នុងការអនុវត្តប្រាក់ពិតវាធ្វើឲ្យមាតិកា និងសមត្ថភាពគេហទំព័រអាចប្រើបានសម្រាប់តំណាង AI សម្រាប់ធ្វើឲ្យវាត្រូវបំបែកជាផ្នែកមួយនៃ “បរិយាកាសតំណាង” ទូលំទូលាយ។

• ម៉ូដែល Embedding៖ ម៉ូដែលទាំងនេះប្រើសម្រាប់ បម្លែងមាតិកាគេហទំព័រឲ្យទៅជាផលិតផលដូចគ្រូពិសេសលេខច្រើនគឺ vectors (embeddings)។ vectors ទាំងនេះចំណុចតំលៃន័យតាមរបៀបកុំព្យូទ័រអាចប្រៀបធៀបនិងស្វែងរក។ វាត្រូវបានផ្សារក្នុងមូលដ្ឋានទិន្នន័យពិសេស ហើយអ្នកប្រើអាចជ្រើសម៉ូដែល embedding ដែលពួកគេចង់ប្រើ។

• មូលដ្ឋានទិន្នន័យវ៉ិចទ័រ (មេកានីសមើលឡើងវិញ)៖ មូលដ្ឋានទិន្នន័យនេះ រក្សាទុក embedding នៃមាតិកាគេហទំព័រ។ នៅពេលមាននរណាមួយសួរ សំនួរនោះ ផ្ទេរុទ្ធ NLWeb ត្រួតពិនិត្យមូលដ្ឋានទិន្នន័យវ៉ិចទ័រដើម្បីស្វែងរកព័ត៌មានស័ក្តិសមបំផុតយ៉ាងរហ័ស។ វាបញ្ចេញបញ្ជីចម្លើយរហ័ស ដែលបានចាត់តម្លៃតាមសន្ទស្សន៍វាងាយនឹងប្រើប្រាស់។ NLWeb ប្រតិបត្តិការជាមួយប្រព័ន្ធផ្ទុកវ៉ិចទ័រផ្សេងៗ ដូចជា Qdrant, Snowflake, Milvus, Azure AI Search និង Elasticsearch។

ឧទាហរណ៍ NLWeb

សូមពិនិត្យវិញគេហទំព័រកក់ដំណើរបស់យើង តែពេលនេះ វាដំណើរការដោយ NLWeb។

1. ការចូលទិន្នន័យ៖ បញ្ជីផលិតផលដើមរបស់គេហទំព័រ (ឧ. បញ្ជីយន្តហោះ សណ្ឋាគារពិពណ៌នា កញ្ចប់ទេសចរណ៍) ត្រូវបានធ្វើទ្រង់ទ្រាយជាមួយ Schema.org ឬផ្ទុកតាម RSS feeds។ ឧបករណ៏ NLWeb ចូលទិន្នន័យដែលបានរៀបចំ បង្កើត embeddings ហើយរក្សាទុកថា ក្នុងមូលដ្ឋានទិន្នន័យវ៉ិចទ័រនៅក្នុងឬក្រៅ។

2. សំណួរភាសាធម្មជាតិ (មនុស្ស)៖ អ្នកប្រើប្រាស់ចូលស្វែងរកតាមគេហទំព័រ ហើយមិនត្រូវការរុករកម៉ឺនុយទេ ប៉ុន្តែកំពុងវាយក្នុងចំណុចផ្សារភាសារថា “សូមស្វែងរកសណ្ឋាគារដែលសមស្របសម្រាប់គ្រួសារនៅហូណូឡូ ដែលមានហែលទឹកសម្រាប់សប្តាហ៍ក្រោយ”។

3. វិភាគ NLWeb៖ កម្មវិធី NLWeb ទទួលសំណួរនេះ។ វាបញ្ជូនសំណួរទៅ LLM ដើម្បីយល់ព្រមក៏ស្វែងរកក្នុងមូលដ្ឋានទិន្នន័យវ៉ិចទ័រដើម្បីស្វែងរកបញ្ជីសណ្ឋាគារសមស្រប។

4. លទ្ធផលត្រឹមត្រូវ៖ LLM ជួយបកស្រាយលទ្ធផលស្វែងរក ពិនិត្យសណ្ឋាគារដែលសមស្របដោយផ្អែកលើ “សមស្របសម្រាប់គ្រួសារ,” “ហែលទឹក,” និង “ហូណូឡូ” ហើយបម្លែងជា ចម្លើយភាសាធម្មជាតិ។ ជា​អ្វី ដែលសំខាន់ ចម្លើយនេះយោងទៅតាមសណ្ឋាគារពិតពីគេហទំព័រ មិនប្រើព័ត៌មានដែលបង្កើតឡើងដោយខ្លួនឯងឡើយ។

5. អន្តរកម្មតំណាង AI៖ ពីព្រោះ NLWeb សំរាប់ជាម៉ាស៊ីនបម្រើ MCP, តំណាងទេសចរណ៍ AI ខាងក្រៅអាចភ្ជាប់មកកាន់យន្តហោះ NLWeb នេះបាន។ តំណាង AI អាចប្រើវិធីសាស្រ្ត ask របស់ MCP ដើម្បីសួរគេហទំព័រដោយផ្ទាល់៖ ask("តើមានភោជនីយដ្ឋានសមរម្យសម្រាប់វាហើយនៅតំបន់ហូណូឡូ ទទួលស្នើដោយសណ្ឋាគាររឺទេ?")។ NLWeb នឹងដំណើរការសំណួរនេះ ប្រើមូលដ្ឋានទិន្នន័យអំពីភោជនីយដ្ឋាន (បើបានផ្ទុក) ហើយផ្ញើចម្លើយ JSON រៀបចំ។

តើមានសំណួរបន្ថែមអំពី MCP/A2A/NLWeb?

ចូលរួម Microsoft Foundry Discord ដើម្បីជួបជាមួយអ្នករៀនផ្សេងទៀត ចូលរួមក្នុងម៉ោងការិយាល័យ និងទទួលបានចម្លើយពីសំណួរអំពីតំណាង AI របស់អ្នក។

វត្ថុសំរាប់រៀន

• MCP សំរាប់អ្នកចាប់ផ្តើម
• ឯកសារដ៍ប្រព័ន្ធ MCP
• ប្រភពកូដ NLWeb
• ស៊ុមតំណាង Microsoft Agent Framework

មេរៀនមុន

តំណាង AI ក្នុងការផលិត

មេរៀនបន្ទាប់

កំណត់បរិបទសម្រាប់តំណាង AI

---

ការបដិសេធ: ឯកសារនេះត្រូវបានបម្លែងភាសា ដោយប្រើសេវាបម្លែងភាសា AI Co-op Translator។ ទោះយើងខ្ញុំមានក្តីប្រាថ្នាឱ្យបានច្បាស់លាស់ តែសូមយល់ដឹងថាការបម្លែងដោយស្វ័យប្រវត្តិក៏អាចមានកំហុសឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមជាភាសាទីតាំងគួរត្រូវបានគេប្រើជាប្រភពច្បាស់លាស់។ សម្រាប់ព័ត៌មានសំខាន់ៗ សូមណែនាំឱ្យប្រើប្រាស់ការប្រែដោយមនុស្សជំនាញ។ យើងខ្ញុំមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកស្រាយខុសបន្ទាប់ពីការប្រើប្រាស់ការបម្លែងនេះនោះទេ។

This site is open source. Improve this page.