ai-agents-for-beginners
(ഈ പാഠത്തിനായി വീഡിയോ കാണാൻ മുകളിൽ ചിത്രത്തിൽ ക്ലിക്ക് ചെയ്യുക)
AI ഏജന്റുകളും ഏജന്റ് ഉപയോഗ കേസുകളും പരിചയപ്പെടുത്തൽ
AI Agents for Beginners കോഴ്സിലേക്കു സ്വാഗതം! ഷൂണ്യത്തിൽ നിന്നും AI ഏജന്റുകൾ നിർമിക്കാനുള്ള അടിസ്ഥാന അറിവും യഥാർത്ഥ പ്രവർത്തന കോഡും ഈ കോഴ്സ് നിങ്ങൾക്ക് നൽകുന്നു.
ക്വെഷനുകൾക്ക് ഉത്തരം നൽകാൻ തയ്യാറായ പഠനക്കാരും AI നിർമ്മാതാക്കളും നിറഞ്ഞ Azure AI Discord Communityയിൽ വരിക.
നാം നിർമ്മാണത്തിലേക്ക് പോകുന്നതിന് മുമ്പ്, എന്താണ് AI ഏജന്റ് എന്നത് എന്നും ഏപ്പോൾ അത് ഉപയോഗിക്കുന്നത് യുക്തമായിരിക്കും എന്നും നമുക്ക് ഉറപ്പാക്കാം.
പരിചയപ്പെടുത്തൽ
ഈ പാഠത്തിൽ ഉൾപ്പെടുന്നത്:
- AI ഏജന്റുകൾ എന്താണ്, അവയുടെ വ്യത്യാസ प्रकारങ്ങൾ
- എത്ര ধরনের ചുമതലകൾ AI ഏജന്റുകൾക്കു ഏറ്റവും അനുയോജ്യം
- ഏജന്റിക് സംസാരം രൂപകൽപ്പന ചെയ്യുമ്പോൾ ഉപയോഗിക്കുന്ന പ്രധാനഘടകങ്ങൾ
പഠന ലക്ഷ്യങ്ങൾ
ഈ പാഠം അവസാനിക്കുന്നപ്പോൾ, നിങ്ങൾക്ക് കഴിയേണ്ടത്:
- AI ഏജന്റ് എന്താണെന്ന്, പതിവ് AI പരിഹാരങ്ങളിൽ നിന്നും എങ്ങനെയാണ് വ്യത്യസ്തമെന്ന് വിശദീകരിക്കുക
- എപ്പോൾ AI ഏജന്റ് ഉപയോഗിക്കണം (എപ്പോൾ അല്ല) അറിയുക
- യഥാർത്ഥ പ്രശ്നത്തിന് എളുപ്പമായ ഏജന്റിക് പരിഹാര രൂപകൽപ്പന വരച്ചുമാറ്റുക
AI ഏജന്റുകൾ നിർവചനം ചെയ്യലും AI ഏജന്റ് തരം
AI ഏജന്റുകൾ എന്താണ്?
ഈ ലളിതമായ വിധമാണ് വിചാരിക്കാൻ:
AI ഏജന്റുകൾ വലിയ ഭാഷാ മോഡലുകൾ (LLMs) യഥാർത്ഥത്തിൽ നടത്താൻ അനുവദിക്കുന്ന സിസ്റ്റങ്ങളാണ് — അവയ്ക്ക് പ്രോംപ്റ്റുകളിൽ മറുപടി നൽകുന്നതിൽ നിന്ന് പുറത്തേക്ക് ടൂൾസും അറിവും നൽകി പ്രവർത്തിക്കാൻ.
ഇതിനെ കുറിച്ച് കൂടുതൽ വിശദീകരിക്കാം:
- സിസ്റ്റം — AI ഏജന്റ് ഒരു ഒറ്റവസ്തു മാത്രം അല്ല. സഹപ്രവർത്തനത്തിനായി വിവിധ ഭാഗങ്ങൾ ചേർന്നതാണ്. അടിസ്ഥാനത്തിൽ, ഓരോ ഏജന്റിനും മൂന്ന് ഭാഗങ്ങളുണ്ട്:
- പരിസ്ഥിതി — ഏജന്റ് പ്രവർത്തിക്കുന്ന സ്ഥലം. യാത്ര ബുക്കിംഗ് ഏജന്റിനായി ഇത് ബുക്കിംഗ് പ്ലാറ്റ്ഫോം തന്നെയാണ്.
- സെൻസറുകൾ — ഏജന്റ് പരിസ്ഥിതിയുടെ നിലവിലെ അവസ്ഥയെ പാരായണം ചെയ്യുന്നതിന്. നമ്മുടെ യാത്രാ ഏജന്റ് ഹോട്ടൽ ലഭ്യതയോ ഫ്ലൈറ്റ് വിലയോ പരിശോധിക്കാൻ സാധ്യതയുണ്ട്.
- ആക്ടുവേറ്ററുകൾ — ഏജന്റ് എങ്ങനെ പ്രവർത്തിക്കുന്നു. യാത്രാ ഏജന്റ് ഒരു റൂം ബുക്ക് ചെയ്യാനും, സ്ഥിരീകരണം അയയ്ക്കാനും, റിസർവേഷൻ റദ്ദാക്കാനും കഴിയും.
-
വലിയ ഭാഷാ മോഡലുകൾ — ഏജന്റുകൾ LLMമുകളിൽ മുൻപ് അസ്തിത്വത്തിൽ ഉണ്ടായിരുന്നു, എന്നാൽ LLMമുകൾക്ക് ആധുനിക ഏജന്റുകൾ ശക്തിപ്പെട്ടത്. അവർ സ്വാഭാവിക ഭാഷ മനസ്സിലാക്കുകയും, ഘടകങ്ങളെ നിരൂപിക്കുകയും, ഉപയോക്താവിന്റെ അപൂർവ്വമായ അഭ്യർത്ഥനയിൽ നിന്ന് വ്യക്തമായ പ്രവർത്തന പദ്ധതിയാക്കുകയും ചെയ്യാൻ കഴിയും.
-
പ്രവർത്തനങ്ങൾ നടത്തുക — ഏജന്റ് സിസ്റ്റം ഇല്ലാതെ, LLM വെറും വാചകം മാറ്റിത്തരുന്നുവാകും. ഏജന്റ് സിസ്റ്റത്തിലെ LLM യഥാർഥത്തിൽ കടമ്പകൾ നടപ്പാക്കാം — ഡേറ്റാബേസ് തിരയുക, API കോളുകൾ ചെയ്യുക, സന്ദേശങ്ങൾ അയയ്ക്കുക.
-
ടൂളുകൾക്ക് പ്രവേശനം — ഏജന്റ് ഉപയോഗിക്കുന്ന ടൂളുകൾ ആശ്രയിക്കുന്നു (1) പ്രവർത്തിക്കുന്ന പരിസ്ഥിതിയെന്താണെന്ന് ഉളളത്, (2) ഡെവലപ്പർ എന്ത് നൽകിയാണെന്ന്. യാത്രാ ഏജന്റ് ഫ്ലൈറ്റുകൾ തിരയാൻ കഴിഞ്ഞേക്കാം, പക്ഷേ കസ്റ്റമർ രേഖകൾ തിരുത്താൻ കഴിയില്ല — ഞങ്ങൾ കണക്ഷൻ ചെയ്യുന്നവയെ ആശ്രയിച്ചിരിക്കുന്നു.
-
ഓർമ്മ + അറിവ് — ഏജന്റുകൾക്ക് ചെറുകാല ഓർമ്മ (നിലവിലെ സംഭാഷണം)യും ദീർഘകാല ഓർമ്മ (ഉപഭോക്തൃ ഡാറ്റാബേസ്, ലംഘിച്ച ഇടപെടലുകൾ)യും ഉണ്ടാകാം. യാത്രാ ഏജന്റ് നിങ്ങളുടെ വിൻഡോ സീറ്റുകൾ ഇഷ്ടമാണെന്ന് “ഓർമ്മിച്ചു” ചെല്ലാം.
വ്യത്യസ്ത AI ഏജന്റ് തരം
ഏജന്റുകൾ എല്ലാം ഒരുപോലെ നിർമ്മിക്കപ്പെടുന്നില്ല. യാത്രാ ബുക്കിംഗ് ഏജന്റിന്റെ ഉദാഹരണമായി ഉപയോഗിച്ച് പ്രധാന തരം ഇവയാണ്:
| ഏജന്റ് തരം | എന്താണ് ചെയ്യുന്നത് | യാത്രാ ഏജന്റ് ഉദാഹരണം |
|---|---|---|
| സിംപിൾ റഫ്ലെക്സ് ഏജന്റുകൾ | കർശന-നിർദ്ദിഷ്ട നിയമങ്ങൾ പിന്തുടരുന്നു — ഓർമ്മയില്ല, പദ്ധതിയിടലില്ല. | പരാതിയും ഇ-മെയിൽ കാണുമ്പോൾ → അത് കസ്റ്റമർ സർവീസിന് അയയ്ക്കുന്നു. അത് മാത്രമാണ്. |
| മോഡൽ-ബേസ് റഫ്ലെക്സ് ഏജന്റുകൾ | ലോകത്തിന്റെ ആന്തരിക മോഡൽ സൂക്ഷിക്കുകയും മാറ്റങ്ങൾ അപ്ഡേറ്റ് ചെയ്യുകയും ചെയ്യുന്നു. | ചരിത്ര ഫ്ളൈറ്റ് വിലകൾ പിന്തുടരുകയും പെട്ടെന്ന് വില ഉയർന്ന റൂട്ടുകൾ ഫ്ലാഗ് ചെയ്യുകയും ചെയ്യുന്നു. |
| ഗോൾ-ബേസ് ഏജന്റുകൾ | ലക്ഷ്യമിട്ടുള്ള്, അവനെത്തി എത്താനുള്ള വഴി പോരുത്തുന്നു. | നിക്ഷേപിക്കുന്ന സ്ഥലത്ത് നിന്ന് യാത്രാ ലക്ഷ്യത്തിലേക്ക് മുഴുവൻ യാത്ര (ഫ്ലൈറ്റുകൾ, കാർ, ഹോട്ടൽ) ബുക്ക് ചെയ്യുന്നു. |
| യൂട്ടിലിറ്റി-ബേസ് ഏജന്റുകൾ | ഒരു പരിഹാരം മാത്രം കണ്ടെത്താതെ — വാണിജ്യ വിലയിരുത്തലോടെ മികച്ച പരിഹാരമാണ് കണ്ടെത്തുന്നത്. | ചെലവ് എതിരാളി സൗകര്യം തുല്യത്തിൽ ഇരുത്തി, നിങ്ങളുടെ ഇഷ്ടാനുസരണം ഏറ്റവും മികച്ച യാത്ര കണ്ടെത്തുന്നു. |
| ലേണിംഗ് ഏജന്റുകൾ | ഫീഡ്ബാക്കിൽ നിന്നും പഠിച്ച് കാലക്രമേണ മെച്ചപ്പെടുന്നു. | യാത്ര ശേഷമുള്ള സര്വേ ഫലങ്ങൾ ആശ്രയിച്ച് ഭാവിപലെ ബുക്കിംഗ് ശിപാർശകൾ ക്രമീകരിക്കുന്നു. |
| ഹയർആർക്കിക്കൽ ഏജന്റ്സ് | ഉയർന്ന തല ഏജന്റ് ജോലി ഉപജോലികളായി വിഭജിച്ച് താഴെയുള്ള ഏജന്റുകൾക്ക് നൽകുന്നു. | “യാത്ര റദ്ദാക്കുക” അഭ്യർത്ഥന ഫ്ലൈറ്റ് റദ്ദാക്കുക, ഹോട്ടൽ റദ്ദാക്കുക, കാർ വാടക റദ്ദാക്കുക എന്നായി താഴ്ന്ന ഏജന്റുകൾക്ക് നൽകുന്നു. |
| മൾട്ടി-ഏജന്റ് സിസ്റ്റമുകൾ (MAS) | വിവിധ സ്വതന്ത്ര ഏജന്റുകൾ ചേർന്ന് (അല്ലെങ്കിൽ മത്സരിച്ച്) പ്രവർത്തിക്കുന്നു. | സഹകരണിപ്പിച്ച്: വല്ലരെയും ഹോട്ടലുകൾ, ഫ്ലൈറ്റുകൾ, വിനോദം കൈകാര്യം ചെയ്യുന്ന ഏജന്റുകൾ വേറിട്ടിരിക്കുന്നു. മത്സരം: മികച്ച വിലയ്ക്ക് ഹോട്ടൽ റൂമുകൾ നിറയ്ക്കാൻ നിരവധി ഏജന്റുകൾ മത്സരം നടത്തുന്നു. |
എപ്പോൾ AI ഏജന്റുകൾ ഉപയോഗിക്കുക
നിങ്ങൾക്ക് ഉപയോഗിക്കാം എന്നത് സത്യമാണെങ്കിൽ എല്ലായ്പ്പോഴും ഉപയോഗിക്കണം എന്നല്ല. ഏജന്റുകൾ നനവായി തെളിയുന്ന അവസ്ഥകൾ ഇങ്ങനെയാണ്:
- വഖ്തൃപ്രശ്നങ്ങൾ — ഒരു പ്രശ്നം പരിഹരിക്കാൻ വഴികൾ മുൻകൂട്ടി പ്രോഗ്രാം ചെയ്യാനാകാത്തപ്പോൾ. LLM വഴി വഴിതിരിച്ചറിയണം.
- ബഹു-പടി പ്രക്രിയകൾ — ടൂളുകൾ പല തവണകളായി ഉപയോഗിക്കുന്ന പ്രവൃത്തികൾ, ഒരു തവണ തിരയൽ അല്ലെങ്കിൽ ജനറേഷൻ മാത്രം അല്ല.
- കാലക്രമേണ മെച്ചപ്പെടുത്തൽ — ഉപയോക്തൃ പ്രതികരണങ്ങൾ അല്ലെങ്കിൽ പരിസ്ഥിതി സൂചനകൾ അടിസ്ഥാനമാക്കി സിസ്റ്റം കൂടുതൽ ബുദ്ധിമുട്ടേറിയതാക്കാൻ.
നാം പിന്നീട് കോഴ്സിൽ നന്മയുള്ള AI ഏജന്റുകൾ നിർമ്മാണം പാഠത്തിൽ AI ഏജന്റുകൾ ഉപയോഗിക്കുന്ന സമയവും (ഉപയോഗിക്കരുതെയുള്ള സമയവും) വിശദമാക്കും.
ഏജന്റിക് പരിഹാരങ്ങളുടെ അടിസ്ഥാനങ്ങൾ
ഏജന്റ് വികസനം
ഏജന്റ് നിർമ്മിക്കുമ്പോൾ ആദ്യമേ നിങ്ങൾ ചെയ്യുന്നത് അതു എന്ത് ചെയ്യും എന്ന് നിർവചിക്കുക — അതിന്റെ ടൂളുകൾ, പ്രവർത്തനങ്ങൾ, പെരുമാറ്റങ്ങൾ.
ഈ കോഴ്സിൽ, പ്രധാന പ്ലാറ്റ്ഫോമായി Azure AI Agent Service ഉപയോഗിക്കുന്നു. അത് പിന്തുണയ്ക്കുന്നു:
- OpenAI, Mistral, Llama പോലുള്ള തുറന്ന മോഡലുകൾ
- Tripadvisor പോലെയുള്ള ദാതാക്കളുടെ ലൈസൻസ് ഡാറ്റ
- സ്റ്റാൻഡേർഡുള്ള OpenAPI 3.0 ടൂൾ നിർവചനം
ഏജന്റിക് പെയ്റ്റേണുകൾ
നിങ്ങൾ LLMകളോട് പ്രോംപ്റ്റുകൾ വഴി ആശയവിനിമയം നടത്തുന്നു. ഏജന്റുകളിൽ, തൊട്ടു് മുഴുവൻ പ്രോംപ്റ്റ് കൈമാറ്റം നടത്താൻ കഴിയില്ല — ഏജന്റ് ഒരുപെടിയും നടപ്പാക്കണം. അതിനാൽ ഏജന്റിക് പെയ്റ്റേണുകൾ ഉപയോഗിക്കുന്നു. അവ LLMകൾക്കായി കൂടുതൽ സ്കേലബിള്, വിശ്വസനീയമായ രീതിയിൽ പ്രോംപ്റ്റുകളും ഓർക്കസ്ട്രേഷൻ സംവിധാനങ്ങളും നൽകുന്ന പുനഃചെയ്യാവുന്ന രീതി ആണ്.
ഈ കോഴ്സ് ഏറ്റവും വ്യാപകമായും സഹായമാകുന്ന ഏജന്റിക് പെയ്റ്റേണുകൾ ചുറ്റിപ്പറ്റി രൂപപ്പെടുത്തിയിരിക്കുന്നു.
ഏജന്റിക് ഫ്രെയിംവർക്ക്
ഏജന്റുകൾ നിർമ്മിക്കാൻ ഡെവലപ്പർമാർക്ക് റെഡി-മേഡ് ടെമ്പ്ലേറ്റുകളും ടൂളുകളും ഇൻഫ്രാസ്ട്രക്ചറും ഏജന്റിക് ഫ്രെയിംവർക്ക് നൽകുന്നു. അത് എളുപ്പമാക്കുന്നു:
- ടൂളുകളും കഴിവുകളും കണക്ട് ചെയ്യുക
- ഏജന്റ് ചെയ്യുന്നത് നിരീക്ഷിക്കുകയും (പിശകുകൾ സന്ധിക്കുമ്പോൾ ഡിബഗ് ചെയ്യാനും)
- പല ഏജന്റുകളെ തമ്മിൽ സഹകരിക്കാനും
ഈ കോഴ്സിൽ, ഉത്പന്ന-തയ്യാറായ ഏജന്റുകൾ നിർമ്മിക്കുന്നതിന് Microsoft Agent Framework (MAF) ന്റെ മുന്നിൽ നിൽക്കുന്നു.
കോഡ് സാമ്പ്ളുകൾ
പ്രവർത്തനത്തിൽ കാണാനുള്ള തയാറോ? ഈ പാഠത്തിന് കോഡ് സാമ്പ്ളുകൾ:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
ചോദ്യങ്ങളുണ്ടോ?
പഠനക്കാരുമായി ബന്ധപ്പെടാനും, ഓഫീസ് സമയം പ്രവേശിക്കാനും, AI ഏജന്റ് ചോദ്യങ്ങളുടെ comunitiy ഉത്തരം ലഭിക്കാനുമുള്ള ദ്വാരമായ Microsoft Foundry Discord ൽ ചേർക്കുക.
മുൻപുള്ള പാഠം
അടുത്ത പാഠം
ഡിസ്ക്ലെയിമർ:
ഈ ഡോക്യുമെന്റ് AI വിവർത്തന സേവനം Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തിരിക്കുന്നത്. നമുക്ക് നിശ്ചയത്വത്തിനായി ശ്രമിച്ചിട്ടും, ഓട്ടോമേറ്റഡ് വിവർത്തനത്തിൽ പിഴവുകളും തെറ്റായ വിവരങ്ങളും ഉള്ളതിനാൽ ശ്രദ്ധിക്കുക. സ്വന്തം ഭാഷയിലുള്ള ആദ്യരൂപം തന്നെ പ്രാമാണിക ഉറവിടമായി കണക്കാക്കണം. അത്യാവശ്യ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം നിർദ്ദേശിച്ചിരിക്കുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിലൂടെ ഉണ്ടാകുന്ന തെറ്റായ മനസ്സിലാക്കലുകൾക്ക് ഞങ്ങൾ ഉത്തരവാദികളല്ല.