ai-agents-for-beginners
(ಈ ಪಾಠದ ವೀಡಿಯೋ ನೋಡಲು ಮೇಲಿನ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ)
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ಗಳು ಮತ್ತು ಏಜೆಂಟ್ ಬಳಕೆ ಪ್ರಕರಣಗಳಿಗೆ ಪರಿಚಯ
ಸुरುಳಿದವರಿಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ಸ್ ಕೋರ್ಸ್ಗೆ ಸ್ವಾಗತ! ಈ ಕೋರ್ಸ್ ನಿಮಗೆ ಮೂಲಭೂತ ಜ್ಞಾನವನ್ನು ಮತ್ತು ನಿಜವಾದ ಕೆಲಸ ಮಾಡುವ ಕೋಡ್ ಅನ್ನು ಒದಗಿಸುತ್ತದೆ — ಶೂನ್ಯದಿಂದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ಸ್ ನಿರ್ಮಿಸಲು.
Azure AI Discord ಸಮುದಾಯ ನಲ್ಲಿ ನಮಸ್ಕಾರ ಹೇಳಿ — ಇದು ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರ ನೀಡಲು ಸಂತೋಷಪಡುವ ಕಲಿಕಾರರು ಮತ್ತು AI ನಿರ್ಮಾಪಕರಿಂದ ತುಂಬಿದೆ.
ನಾವು ನಿರ್ಮಾಣಕ್ಕೆ ಮುಂಚೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ ಎನು ಎಂಬುದನ್ನು ಹಾಗೂ ಯಾವಾಗ ಅದನ್ನು ಬಳಸುವುದು ನ್ಯಾಯಸಮ್ಮತ ಎಂಬುದನ್ನು ನಿಜವಾಗಿಯೂ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಅವಶ್ಯಕ.
ಪರಿಚಯ
ಈ ಪಾಠದ ಒಳಗೊಂಡವು:
- ಏನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ಸ್ ಮತ್ತು ಅವುಗಳ ವಿಭಿನ್ನ ಪ್ರಕಾರಗಳು
- ಯಾವ ರೀತಿಯ ಕಾರ್ಯಗಳಿಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ಸ್ ಅತ್ಯುತ್ತಮವಾಗಿ ಹೊಂದಿಕೊಳ್ಳುತ್ತಾರೆ
- ಏಜೆಂಟಿಕ್ ಪರಿಹಾರ ವಿನ್ಯಾಸದ ಸಮಯದಲ್ಲಿ ಬಳಸುವ ಪ್ರಮುಖ ಕಟ್ಟಡ ಬ್ಲಾಕ್ಗಳು
ಕಲಿಕಾ ಗುರಿಗಳು
ಈ ಪಾಠದ ಅಂತ್ಯಕ್ಕೆ ನೀವು ಮಾಡಬಲ್ಲಿರಿ:
- ಏನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ ಮತ್ತು ಸಾಮಾನ್ಯ AI ಪರಿಹಾರದಿಂದ ಅದು ಹೇಗೆ ಭಿನ್ನವಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ವಿವರಿಸುವುದು
- ಯಾವಾಗ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ ಬಳಕೆ ಮಾಡಬೇಕು (ಮತ್ತೆ ಯಾವಾಗ ಅಲ್ಲ)
- ನಿಜವಾದ ಸಮಸ್ಯೆಗಾಗಿ ಒಂದು ಮೂಲಭೂತ ಏಜೆಂಟಿಕ್ ಪರಿಹಾರ ವಿನ್ಯಾಸವನ್ನು ರೇಖಾಚಿತ್ರ ರೂಪದಲ್ಲಿ ಬಿಡಿಸುವುದು
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ಸ್ ವ್ಯಾಖ್ಯಾನ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ಗಳ ಪ್ರಕಾರಗಳು
ಏನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ಸ್?
ಇದನ್ನು ಸರಳವಾಗಿ ভাবಿಸೋಣ:
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ಸ್ ಅಂದರೆ ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳ (LLMs) ನಿಜವಾಗಿಯೂ ಕಾರ್ಯ ನಿರ್ವಹಿಸಲು ವ್ಯವಸ್ಥೆಗಳು — ಪ್ರಾಂಪ್ಟ್ಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುವುದಕ್ಕಿಂತಲೇ ಅವರು ಕೆಲಸ ಮಾಡಲು ಸಲಕರಣಗಳು ಮತ್ತು ಜ್ಞಾನವನ್ನು ಕೊಡುತ್ತದೆ.
ನಾವು ಇದನ್ನು ಸ್ವಲ್ಪ ವಿಶ್ಲೇಷಿಸೋಣ:
- ವ್ಯವಸ್ಥೆ — ಒಂದು ಏಜೆಂಟ್ ಒಂದು ವಸ್ತು ಮಾತ್ರ ಅಲ್ಲ. ಅದು ಭಾಗಗಳ ಸಂಗ್ರಹವಾಗಿದ್ದು ಸೇರಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ. ಮೂಲತಃ, ಪ್ರತಿಯೊಂದು ಏಜೆಂಟ್ಗೆ ಮೂರು ಅಂಶಗಳಿವೆ:
- ಪರಿಸರ — ಏಜೆಂಟ್ ಕೆಲಸ ಮಾಡುವ ಸ್ಥಳ. ಉದಾಹರಣೆಗೆ, ಒಂದು ಪ್ರಯಾಣ ಬುಕ್ಕಿಂಗ್ ಏಜೆಂಟ್ ಗೆ ಬುಕ್ಕಿಂಗ್ ಪ್ಲಾಟ್ಫಾರ್ಮ್ ಆಗಿದೆ.
- ಸೇರನ್ಸ್ — ಏಜೆಂಟ್ ತನ್ನ ಪರಿಸರದ ಪ್ರಸ್ತುತ ಸ್ಥಿತಿಯನ್ನು ಓದುವ ವಿಧಾನ. ನಮ್ಮ ಪ್ರಯಾಣ ಏಜೆಂಟ್ ಹೋಟೆಲ್ ಲಭ್ಯತೆ ಅಥವಾ ವಿಮಾನ ದರಗಳನ್ನು ಪರಿಶೀಲಿಸಬಹುದು.
- ಚಟುವಟಿಕೆಗಳು — ಏಜೆಂಟ್ ಕ್ರಮ ಕೈಗೊಳ್ಳುವ ವಿಧಾನ. ಪ್ರಯಾಣ ಏಜೆಂಟ್ ರೂಂ ಬುಕ್ ಮಾಡಬಹುದು, ದೃಢೀಕರಣ ಕಳುಹಿಸಬಹುದು, ಅಥವಾ ರದ್ದುಪಡಿಸಬಹುದು.
-
ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು — ಏಜೆಂಟ್ಗಳು LLM ಗಳಿಗೆ ಮುಂಚೆ ಇದ್ದವು, ಆದರೆ LLM ಗಳು ಅಪೂರ್ವ ಸಾಮರ್ಥ್ಯವನ್ನು ನೀಡಿವೆ. ಅವು ಸಹಜ ಭಾಷೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದು, ಸನ್ನಿವೇಶವನ್ನು ವಿವೇಚಿಸಬಹುದು ಮತ್ತು ಬಳಕೆದಾರ ವಿನಂತಿಯನ್ನು ಸ್ಪಷ್ಟವಾದ ಕಾರ್ಯ ಯೋಜನೆಗೆ ಪರಿವর্তಿಸುವುದಕ್ಕೆ ಸಾಧ್ಯವಾಗುತ್ತದೆ.
-
ಕ್ರಮಗಳನ್ನು ನಿರ್ವಹಣೆ — ಏಜೆಂಟ್ ವ್ಯವಸ್ಥೆಯಿಲ್ಲದೆ LLM ಸರಳವಾಗಿ ಪಠ್ಯಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಏಜೆಂಟ್ ವ್ಯವಸ್ಥೆಯೊಳಗೆ, LLM ನಿಜವಾಗಿಯೂ ಹಂತಗಳನ್ನು ನಿರ್ವಹಿಸಬಹುದು — ಡೇಟಾಬೇಸ್ ಹುಡುಕಾಟ, API ಕರೆ, ಸಂದೇಶ ಕಳುಹಿಸುವುದು.
-
ಸಲಕರಣಗಳ ಪ್ರವೇಶ — ಏಜೆಂಟ್ ಬಳಸಬಲ್ಲ ಸಲಕರಣಗಳು (1) ಅದು ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಪರಿಸರದಲ್ಲಿ ಮತ್ತು (2) ಅಭಿವೃದ್ಧಿಪಡಿಸಿದವರು ಏನನ್ನು ನೀಡಿದ್ದಾರೋ ಅವಲಂಬಿತ. ಪ್ರಯಾಣ ಏಜೆಂಟ್ ವಿಮಾನಗಳನ್ನು ಹುಡುಕಬಹುದು ಆದರೆ ಗ್ರಾಹಕ ದಾಖಲೆಗಳನ್ನು ಸಂಪಾದಿಸದು — ಇದು ನೀವು ಸಂಪರ್ಕಿಸುವುದರ ಮೇಲೆ.
-
ಸ್ಮರಣೆ + ಜ್ಞಾನ — ಏಜೆಂಟ್ಗಳಿಗೆ ಚಿಕ್ಕಕಾಲದ ಸ್ಮರಣೆ (ಪ್ರಸ್ತುತ ಸಂಭಾಷಣೆ) ಮತ್ತು ದೈರ್ಘಕಾಲದ ಸ್ಮರಣೆ (ಗ್ರಾಹಕ ಡೇಟಾಬೇಸ್, ಹಳೆಯ ಸಂವಹನಗಳು) ಇರಬಹುದು. ಪ್ರಯಾಣ ಏಜೆಂಟ್ ನೀವು ಕಿಟಕಿಯ ಕುರ್ಚಿಗಳನ್ನು ಇಷ್ಟಪಡುತ್ತೀರಿ ಎಂದು “ಒತ್ತುಮಾಡಬಹುದು”.
ವಿಭಿನ್ನ ರೀತಿಯ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ಗಳು
ಎಲ್ಲಾ ಏಜೆಂಟ್ಗಳು ಒಂದೇ ರೀತಿಯಲ್ಲಿ ನಿರ್ಮಿಸಲ್ಪಟ್ಟಿಲ್ಲ. ಈ ಕೆಳಗಿನ ಪಟ್ಟಿಯಲ್ಲಿ ಮುಖ್ಯ ಪ್ರಕಾರಗಳು ಮತ್ತು ಪ್ರಯಾಣ ಬುಕ್ಕಿಂಗ್ ಏಜೆಂಟ್ ನ ಉದಾಹರಣೆ:
| ಏಜೆಂಟ್ ಪ್ರಕಾರ | ಏನು ಮಾಡುತ್ತದೆ | ಪ್ರಯಾಣ ಏಜೆಂಟ್ ಉದಾಹರಣೆ |
|---|---|---|
| ಸರಳ ಪ್ರತಿಕ್ರಿಯಾ ಏಜೆಂಟ್ಸ್ | ಕಠಿಣ-ಕೋಡ್ ಮಾಡಲಾದ ನಿಯಮಗಳನ್ನು ಅನುಸರಿಸುವುದು — ಸ್ಮರಣೆ ಇಲ್ಲ, ಯೋಜನೆಯಿಲ್ಲ. | ದೂರು ಇಮೇಲ್ ನೋಡುತ್ತದೆ → ಗ್ರಾಹಕ ಸೇವೆಗೆ ಕಳುಹಿಸುವುದು. ಅದೇಷ್ಟೇ. |
| ಮಾದರಿ ಆಧಾರಿತ ಪ್ರತಿಕ್ರಿಯಾ ಏಜೆಂಟ್ಸ್ | ಜಗತ್ತಿನ ಆಂತರಿಕ ಮಾದರಿಯನ್ನು ಉಳಿಸುವುದು ಮತ್ತು ಬದಲಾವಣೆಗಳೊಂದಿಗೆ ನವೀಕರಿಸುವುದು. | ಹಳೆಯ ವಿಮಾನ ದರಗಳನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡಿ, ಉನ್ನತ ದರಗಳ ಮಾರ್ಗಗಳನ್ನು ಗುರುತಿಸುವುದು. |
| ಗೋಲ್ ಆಧಾರಿತ ಏಜೆಂಟ್ಸ್ | ಒಂದು ಗುರಿಯನ್ನು ಹೊಂದಿದ್ದು, ಅದನ್ನು ಹಂತ ಹಂತವಾಗಿ ತಲುಪುವ ಮಾರ್ಗವನ್ನು ಕಂಡುಹಿಡಿಯುವುದು. | ನಿಮ್ಮ ಪ್ರಸ್ತುತ ಸ್ಥಳದಿಂದ ಅಂತಿಮ ಗಮ್ಯಸ್ಥಾನಕ್ಕೆ ಪೂರ್ಣ ಯಾತ್ರೆಯನ್ನು ಬುಕ್ ಮಾಡುವುದು (ವಿಮಾನ, ಕಾರು, ಹೋಟೆಲ್). |
| ಸೌಲಭ್ಯ ಆಧಾರಿತ ಏಜೆಂಟ್ಸ್ | ಏಕ ಪರಿಹಾರವನ್ನಲ್ಲ, ಉತ್ತಮ ಪರಿಹಾರವನ್ನು ತಟಸ್ಥತೆಗಳಿಗೆ ತೂಕ ನೀಡುವ ಮೂಲಕ ಹುಡುಕುತ್ತದೆ. | ವೆಚ್ಚ ಮತ್ತು ಅನುಕೂಲತೆ ನಡುವೆ ಸಮತೋಲನ ಮಾಡಿ ನಿಮ್ಮ ಪ್ರಾಧಾನ್ಯತೆಗಳಿಗೆ ಯಾತ್ರೆಯನ್ನು ಆರಿಸುವುದು. |
| ಕಲಿಕಾ ಏಜೆಂಟ್ಸ್ | ಪ್ರತಿಕ್ರಿಯೆಯಿಂದ ಕಲಿಯುವ ಮೂಲಕ ಸಮಯಕ್ಕೆ ಉತ್ತಮವಾಗುತ್ತದೆ. | ಪ್ರಾಯಾಣ ನಂತರದ ಸಮೀಕ್ಷೆ ಪರಿಣಾಮಗಳ ಆಧಾರದ ಮೇಲೆ ಮುಂದಿನ ಬುಕ್ಕಿಂಗ್ ಶಿಫಾರಸ್ಸುಗಳನ್ನು ಸರಿಪಡಿಸುವುದು. |
| ಅಧಿಕಾರಿತ ಏಜೆಂಟ್ಸ್ | ಉನ್ನತ ಮಟ್ಟದ ಏಜೆಂಟ್ ಕೆಲಸವನ್ನು ಉಪಕಾರ್ಯಗಳಿಗೆ ಹಂಚಿ ಕೆಳಮಟ್ಟದ ಏಜೆಂಟ್ಗಳಿಗೆ ವಿಂಗಡಿಸುತ್ತದೆ. | “ಯಾತ್ರೆ ರದ್ದುಮಾಡಿ” ವಿನಂತಿಯನ್ನು: ವಿಮಾನ ರದ್ದು, ಹೋಟೆಲ್ ರದ್ದು, ಕಾರು ರದ್ದು — ಪ್ರತಿಯೊಂದು ಉಪ ಏಜೆಂಟ್ಗಳಿಂದ ನಿರ್ವಹಣೆ. |
| ಬಹು-ಏಜೆಂಟ್ ವ್ಯವಸ್ಥೆಗಳು (MAS) | ಸ್ವತಂತ್ರ ಏಜೆಂಟ್ಗಳು ಒಟ್ಟಿಗೆ (ಅಥವಾ ಸ್ಪರ್ಧೆಯಲ್ಲಿ) ಕೆಲಸ ಮಾಡುತ್ತವೆ. | ಸಹಕಾರ: ವಿಭಿನ್ನ ಏಜೆಂಟ್ಗಳು ಹೋಟೆಲ್, ವಿಮಾನ, ಮನರಂಜನೆ ನಿರ್ವಹಣೆ. ಸ್ಪರ್ಧಾತ್ಮಕ: ಬಹು ಏಜೆಂಟ್ಗಳು ಉತ್ತಮ ಬೆಲೆಯಲ್ಲಿ ಹೋಟೆಲ್ ರೂомжನ್ನು ಭರ್ತಿಯಾಗಿಸಲು ಸ್ಪರ್ಧೆ. |
ಎಪಿಗೆ ಯಾವಾಗ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏಜೆಂಟ್ರನ್ನು ಬಳಸಬೇಕು
ನೀವು ಬಹುದಾದ ಕಾರಣದಿಂದ ಏಜೆಂಟ್ ಬಳಕೆ ಮಾಡಬಹುದು ಎಂದರ್ಥ, ಯಾವಾಗಲೂ ಅದನ್ನು ಬಳಸಬೇಕು ಎಂಬುದಿಲ್ಲ. ಏಜೆಂಟ್ಗಳು ವಿಶೇಷವಾಗಿ ತೊಡಗಿಕೊಳ್ಳಲು ಸೂಕ್ತವಾದ ಪರಿಸ್ಥಿತಿಗಳು ಇಲ್ಲಿವೆ:
- ತೆರೆಯಲಾಗದ ಸಮಸ್ಯೆಗಳು — ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಹಂತಗಳನ್ನು ಪೂರ್ವನಿರ್ಧರಿಸಲಾಗದಾಗ. LLM dynamically ಮಾರ್ಗವನ್ನು ಕಂಡುಹಿಡಿಯಬೇಕು.
- ಬಹು-ಹಂತ ಪ್ರಕ್ರಿಯೆಗಳು — ಒಂದೇ ತಿರುವಿನಲ್ಲಿLookup ಅಥವಾ ಉತ್ಪಾದನೆ ಮಾತ್ರವಲ್ಲದೆ ಅನೇಕ ಹಂತಗಳಲ್ಲಿ ಸಲಕರಣಗಳನ್ನು ಬಳಸಬೇಕಾಗುವ ಕಾರ್ಯಗಳು.
- ಕಾಲಕ್ರಮೇಣ ಸುಧಾರಣೆ — ಬಳಕೆದಾರ ಪ್ರತಿಕ್ರಿಯೆ ಅಥವಾ ಪರಿಸರ ಸೂಚನೆಗಳ ಆಧಾರದ ಮೇಲೆ ವ್ಯವಸ್ಥೆ ಹೆಚ್ಚು ಶಕ್ತಿಯುಕ್ತವಾಗಬೇಕಾದಾಗ.
ಇದನ್ನು ಮುಂದಿನ - ವಿಶ್ವಾಸಾರ್ಹ AI ಏಜೆಂಟ್ಸ್ ನಿರ್ಮಾಣ ಪಾಠದಲ್ಲಿ ಇನ್ನಷ್ಟು ವಿವರವಾಗಿ ನೋಡಲಿದ್ದೇವೆ.
ಏಜೆಂಟಿಕ್ ಪರಿಹಾರಗಳ ಮೂಲಭೂತಗಳು
ಏಜೆಂಟ್ ಅಭಿವೃದ್ಧಿ
ಏಜೆಂಟ್ ನಿರ್ಮಿಸುವಾಗ ಪ್ರಥಮವು ನೀವು ಮಾಡಬೇಕಾದದ್ದು ಅದು ಏನು ಮಾಡಬಹುದು ಎಂಬುದನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುವುದು — ಅದರ ಸಲಕರಣಗಳು, ಕ್ರಮಗಳು, ಹಾಗೂ ವರ್ತನೆಗಳು.
ಈ ಕೋರ್ಸ್ನಲ್ಲಿ ನಾವು Azure AI Agent Service ಅನ್ನು ಪ್ರಮುಖ ವೇದಿಕೆಯಾಗಿ ಬಳಸುತ್ತೇವೆ. ಇದು ಬೆಂಬಲಿಸುವುದು:
- OpenAI, Mistral, Llama ಮೊದಲಾದ ತೆರೆದ ಮಾದರಿಗಳು
- Tripadvisor ಮೊದಲಾದ ಶ್ರೇಯಾಂಕಿತ ಡೇಟಾಪ್ರದಾಯಕರ ಲೈಸೆನ್ಸ್ಡ್ ಡೇಟಾ
- OpenAPI 3.0 ಸಲಕರಣ ವ್ಯಾಖ್ಯಾನಗಳ ಸ್ತರೀಕರಣ
ಏಜೆಂಟಿಕ್ ಮಾದರಿಗಳು
ನೀವು LLM ಗಳೊಂದಿಗೆ ಪ್ರಾಂಪ್ಟ್ ಗಳ ಮೂಲಕ ಸಂವಹನ ಮಾಡುತ್ತೀರಿ. ಏಜೆಂಟ್ಗಳೊಂದಿಗೆ ಪ್ರತಿ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಕೈಯಿಂದ ರಚಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ — ಏಜೆಂಟ್ ಅನೇಕ ಹಂತಗಳಲ್ಲಿ ಕ್ರಮ ತೆಗೆದುಕೊಳ್ಳುವುದು ಅಗತ್ಯ. ಅದಕ್ಕಾಗಿ ಏಜೆಂಟಿಕ್ ಮಾದರಿಗಳು ಇವೆ. ಅವು LLM ಗಳನ್ನು ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದಲ್ಲಿ, ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲು ಪುನಃಬಳಕೆ ಮಾಡಬಹುದಾದ ತಂತ್ರಗಳು.
ಈ ಕೋರ್ಸ್ ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ಮತ್ತು ಉಪಯುಕ್ತ ಏಜೆಂಟಿಕ್ ಮಾದರಿಗಳ ಸುತ್ತಲೂ ರಚಿಸಲಾಗಿದೆ.
ಏಜೆಂಟಿಕ್ ಫ್ರೇಮ್ವರ್ಕ್ಗಳು
ಏಜೆಂಟಿಕ್ Framework ಗಳು ವಿಕಸಕರಿಗೆ ಮಾಹಿತಿ, ಸಲಕರಣಗಳು ಮತ್ತು ಜಾಲಸಂಕೀರ್ಣಗಳನ್ನು ಪೂರ್ವನಿರ್ಮಿತ ಶೈಲಿಯಲ್ಲಿ ಒದಗಿಸುತ್ತವೆ. ಅವು ಸುಲಭಗೊಳಿಸುವುದು:
- ಸಲಕರಣಗಳ ಮತ್ತು ಸಾಮರ್ಥ್ಯಗಳ ಸಂಪರ್ಕ
- ಏಜೆಂಟ್ ಏಮಾಡುತ್ತಿದೆ ಎಂಬುದನ್ನು ಪರಿಶೀಲಿಸುವುದು (ಪರಿಭ್ರಮಣ ಕಾಲಿಕೊಳ್ಳಿ)
- ಬಹು ಏಜೆಂಟ್ ಗಳು ಸಹಕರಿಸುವುದು
ಈ ಕೋರ್ಸ್ ನಲ್ಲಿ ನಾವು Microsoft Agent Framework (MAF) ಮೇಲೆ ಗಮನ ಹರಿಸುತ್ತೇವೆ, ಇದು ಉತ್ಪಾದನಾ ಮಟ್ಟದ ಏಜೆಂಟ್ಗಳ ನಿರ್ಮಾಣಕ್ಕೆ ಸಹಾಯಕ.
ಕೋಡ್ ಉದಾಹರಣೆಗಳು
ಕಾರ್ಯಾಚರಣೆಯಲ್ಲಿ ನೋಡಲು ಸಿದ್ಧರா? ಈ ಪಾಠದ ಕೋಡ್ ಉದಾಹರಣೆಗಳು:
- 🐍 ಪೈಥಾನ್: Agent Framework
- 🔷 .NET: Agent Framework
ಪ್ರಶ್ನೆಗಳಿವೆಯಾ?
Microsoft Foundry Discord ಜೊತೆಗೆ ಸೇರಿ, ಇತರ ಕಲಿಕೆದಾರರೊಂದಿಗೆ ಸಂಪರ್ಕ ಮಾಡಿ, ಕಾರ್ಯಾಲಯ ಗಂಟೆಗಳಲ್ಲಿ ಹಾಜರಾಗಿರಿ ಮತ್ತು ಸಮುದಾಯದಿಂದ ನಿಮ್ಮ AI ಏಜೆಂಟ್ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರ ಪಡೆಯಿರಿ.
ಹಿಂದಿನ ಪಾಠ
ಮುಂದಿನ ಪಾಠ
ಏಜೆಂಟಿಕ್ ಫ್ರೇಮ್ವರ್ಕ್ಗಳನ್ನು ಅನ್ವೇಷಿಸುವುದು
ವೇರುಿಕೆ:
ಈ ದಸ್ತಾವೇಜು AI ಅನುವಾದ ಸೇವೆ Co-op Translator ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯಿಗಾಗಿ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು ಇರಬಹುದು ಎಂಬುದನ್ನು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಅದರ ಮೂಲ ಭಾಷೆಯಲ್ಲಿನ ಮೂಲ ದಸ್ತಾವೇಜನ್ನು ಪ್ರಾಮಾಣಿಕ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಮಹತ್ವದ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದದ ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ತಿಳಿವಳಿಕೆಗಳು ಅಥವಾ ದುರ್ನಿಬಂಧನೆಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಾಗಿರುವುದಿಲ್ಲ.