ai-agents-for-beginners
(ഈ പാഠത്തിന്的视频 കാണാൻ മുകളിൽ ചിത്രം ക്ലിക്കുചെയ്യുക)
AI ഏജന്റുകളും ഏജന്റ് ഉപയോഗങ്ങൾക്കുമുള്ള പരിചയം
ബിഗിന്നേഴ്സിനുള്ള AI ഏജന്റുകൾ കോഴ്സിലേക്ക് സ്വാഗതം! ഈ കോഴ്സ് നിങ്ങൾക്ക് അടിസ്ഥാനപരമായ അറിവും — യഥാർത്ഥ പ്രവർത്തന കോഡും — AI ഏജന്റുകൾ നൂതനമായി നിർമ്മിക്കാൻ തുടങ്ങാനുള്ള കഴിവും നൽകുന്നു.
Azure AI Discord Community-ലിൽ വരിക, ഇവിടെ പഠിക്കുന്നവരും AI നിർമ്മിതാക്കന്മാരുമാണ്, ചോദ്യം ചോദിക്കാൻ റസിഡന്റുമാർട്ടാണ്.
നമ്മൾ നിർമ്മാണത്തിലേക്ക് ചാടാനുമുമ്പ്, AI ഏജന്റ് എന്നത് എന്തെന്ന് ഞങ്ങൾ യാഥാർത്ഥ്യത്തിൽ മനസ്സിലാക്കുന്നതിനും, അത് ഉപയോഗിക്കുന്നത് എപ്പോൾ പ്രസക്തമാണെന്നും നമുക്ക് ഉറപ്പാക്കാം.
പരിചയം
ഈ പാഠത്തിൽ കൈകാര്യം ചെയ്യുന്നത്:
- AI ഏജന്റുകൾ എന്താണെന്ന്, വിവിധ പ്രകാരങ്ങൾ എന്തൊക്കെയാണെന്നും
- ഏത് തരം ജോലികൾക്ക് AI ഏജന്റുകൾ ഏറ്റവും അനുയോജ്യമാണെന്ന്
- നിങ്ങൾ ഏജന്റിക് പരിഹാരം രൂപകൽപ്പനചെയ്യുമ്പോൾ ഉപയോഗിക്കുന്ന പ്രധാന ഘടകങ്ങൾ
പഠന ലക്ഷ്യങ്ങൾ
ഈ പാഠം കഴിഞ്ഞശേഷം, നിങ്ങൾ കഴിയേണ്ടത്:
- AI ഏജന്റ് എന്താണെന്ന്, സാധാരണ AI പരിഹാരത്തിൽ നിന്ന് എങ്ങനെ വ്യത്യാസപ്പെട്ടിരിക്കുന്നു എന്ന് വിശദീകരിക്കുക
- എപ്പോഴാണ് AI ഏജന്റ് ഉപയോഗിക്കേണ്ടത് (എപ്പോഴല്ല അത് ഉപയോഗിക്കേണ്ടതെന്ന് അറിയുക)
- യഥാർത്ഥ പ്രശ്നത്തിന് ഒരു അടിസ്ഥാന ഏജന്റിക് പരിഹാര രൂപകൽപ്പന നിശ്ചയിക്കുക
AI ഏജന്റുകൾ നിർവചിക്കലും AI ഏജന്റുകളുടെ തരം
AI ഏജന്റുകൾ എന്താണ്?
ഇതാ എളുപ്പത്തിൽ മനസ്സിലാക്കാനുള്ള രീതി:
AI ഏജന്റുകൾ വലിയ ഭാഷാ മോഡലുകൾ (LLMകൾ) യഥാർത്ഥത്തിൽ പ്രവർത്തിക്കാൻ അനുവദിക്കുന്ന സിസ്റ്റങ്ങളാണ് — അവയ്ക്ക് ലോകത്തെപ്രകാരമുള്ള പ്രവർത്തനങ്ങൾ ചെയ്യാനുള്ള ഉപകരണങ്ങളും അറിവും നൽകിയാണ്, വെറും പ്രോംപ്റ്റുകളിൽ പ്രത്യുതരമൊരുക്കുന്നത് മാത്രമല്ല.
ഇതിനെ കുറിച്ച് കൂടുതൽ വിശദമാക്കാം:
- സിസ്റ്റം — ഒരു AI ഏജന്റ് ഒരു കാര്യമായ ഒന്നല്ല. ഇത് തമ്മിൽ ചേർന്ന് പ്രവർത്തിക്കുന്ന ഭാഗങ്ങളാണ്. അവയുടെ പ്രധാനം ഒന്നു മൂന്ന് ഭാഗങ്ങളാണ്:
- പരിസ്ഥിതി — ഏജന്റ് പ്രവർത്തിക്കുന്ന സ്ഥലം. ഒരു യാത്രാ ബുക്കിംഗ് ഏജന്റിന്, അത് ബുക്കിംഗ് പ്ലാറ്റ്ഫോം തന്നെയാണ്.
- സെൻസറുകൾ — ഏജന്റ് പരിസ്ഥിതിയുടെ ഇപ്പോഴത്തെ നില വായിക്കുന്നത്. നമ്മുടെ യാത്രാ ഏജന്റ് ഹോട്ടൽ ലഭ്യത അല്ലെങ്കിൽ ഫ്ലൈറ്റ് വില പരിശോധിക്കാം.
- ആക്ചുവേറ്ററുകൾ — ഏജന്റ് എങ്ങനെ പ്രവർത്തനം നടത്തുന്നു. യാത്രാ ഏജന്റ് ഒരു റൂം ബുക്ക് ചെയ്യുന്നു, സ്ഥിരീകരണം അയയ്ക്കുന്നു അല്ലെങ്കിൽ റിസർവേഷൻ റദ്ദാക്കാം.
-
വലിയ ഭാഷാ മോഡറുകൾ — ഏജന്റുകൾ LLMകളുടെ മുമ്പേ ഉണ്ടായിരുന്നെങ്കിലും, LLMകൾ ആധുനിക ഏജന്റുകളെ ശക്തമാക്കുന്നു. അവ സ്വാഭാവിക ഭാഷ മനസിലാക്കുകയും, സാഹചര്യം വിവേകാര്യമാക്കുകയും, ഒരു സംശയാസ്പദമായ ഉപയോക്തൃ അഭ്യർത്ഥനയെ കൃത്യമായ പ്രവർത്തന പദ്ധതിയാക്കുകയും ചെയ്യുന്നു.
-
പ്രവർത്തനങ്ങൾ നടത്തുക — ഏജന്റ് സിസ്റ്റം ഇല്ലാത്തപ്പോൾ LLM ഒരു ലേഖനം മാത്രമേ സൃഷ്ടിക്കൂ. ഒരു ഏജന്റ് സിസ്റ്റത്തിനുള്ളിൽ LLM യഥാർത്ഥത്തിൽ ഘടകങ്ങൾ നടന്നു കാണിക്കുന്നു — ഡാറ്റാബേസ് തിരയുക, API വിളിക്കുക, സന്ദേശം അയയ്ക്കുക.
-
ഉപകരണങ്ങൾക്ക് ആക്സസ് — ഏജന്റ് ഉപയോഗിക്കാവുന്ന ഉപകരണങ്ങൾ (1) പരിസ്ഥിതി കൂടാതെ (2) ഡെവലപ്പർ നൽകുന്നതിനനുസരിച്ചാണ്. ഒരു യാത്രാ ഏജന്റ് പ്ലൈറ്റ് തിരയാം എങ്കിലും ഉപഭോക്തൃ രേഖകൾ തിരുത്താൻ കഴിയില്ല — ഇത് നിങ്ങൾ പുതിയതായി കൈമാറുന്നത് അനുസരിച്ചാണ്.
-
മെമ്മറി + അറിവ് — ഏജന്റുകൾക്ക് ചെറുകാലメമ്മറി (ഈ സംഭാഷണം) ഉണ്ട്, കൂടാതെ ദൈർഘ്യമുള്ള മെമ്മറി (ഉപഭോക്തൃ ഡാറ്റാബേസ്, കഴിഞ്ഞ ഇടപെടലുകൾ). യാത്രാ ഏജന്റ് നിങ്ങളുടെ വിൻഡോ സീറ്റ് ഇഷ്ടപ്പെടുന്നുവെന്ന് “ഒരിക്കലും മറക്കാറില്ല”.
വ്യത്യസ്ത AI ഏജന്റ് തരംകൾ
എല്ലാ ഏജന്റുകളും ഒരേപോലെ നിർമ്മിക്കപ്പെട്ടിട്ടില്ല. ഇവിടെ പ്രധാന തരംകൾ ഒരു യാത്രാ ബുക്കിംഗ് ഏജന്റ് ഉദാഹരണമായി എടുത്ത് വിശദീകരിക്കുന്നു:
| ഏജന്റ് തരം | എന്താണ് ചെയ്യുന്നത് | യാത്രാ ഏജന്റ് ഉദാഹരണം |
|---|---|---|
| സിംപിൾ റിഫ്ലക്സ് ഏജന്റുകൾ | കഠിനമായ നിയമങ്ങൾ പാലിക്കുന്നു — മെമ്മറി ഇല്ല, പദ്ധതിയിടൽ ഇല്ല. | പരാതിയുടെ ഇമെയിൽ കാണും → കസ്റ്റമർ സേവനത്തിന് അയക്കും. അത്ര. |
| മോഡൽ-അടിസ്ഥാനമായ റിഫ്ലക്സ് ഏജന്റുകൾ | ലോകത്തെ داخلی മോഡൽ സൂക്ഷിക്കുന്നു, മാറ്റങ്ങൾ വരുമ്പോൾ അപ്ഡേറ്റ് ചെയ്യും. | ചരിത്ര ഫ്ലൈറ്റ് വിലകൾ കണ്ടു, പെട്ടന്ന് വില കൂടിയ്ട്ടി മാർഗങ്ങൾ പരാമർശിക്കും. |
| ഗോൾ-അടിസ്ഥാനമായ ഏജന്റുകൾ | ഒരു ലക്ഷ്യം ഉണ്ട്, അതുവരെ എത്തേണ്ട വഴി രൂപകൽപ്പന ചെയ്യുന്നു. | പൂർണ്ണ യാത്ര (ഫ്ലൈറ്റുകൾ, കാർ, ഹോട്ടൽ) ബുക്ക് ചെയ്യും, നിങ്ങളുടെ നിലവിലെ സ്ഥലത്ത് നിന്ന് ലക്ഷ്യസ്ഥാനത്തേക്ക് എത്താൻ. |
| യൂട്ടിലിറ്റി-അടിസ്ഥാനമായ ഏജന്റുകൾ | ഒരു പരിഹാരമല്ല — ഏറ്റവും നല്ല പരിഹാരം കണ്ടെത്താൻ കരകൗശലം ഉപയോഗിക്കുന്നു. | ചെലവ്-സുഖം തൂക്കമിടുകയും നിങ്ങളുടെ ഇഷ്ടാനുസരണം ഏറ്റവും നല്ല യാത്ര കണ്ടെത്തുകയും ചെയ്യുന്നു. |
| ലേണിംഗ് ഏജന്റുകൾ | ഫീഡ്ബാക്കിൽ നിന്നു് പഠിച്ച് മെച്ചപ്പെടുന്നു. | യാത്രക്കു ശേഷം സർവേ ഫലങ്ങൾ അടിസ്ഥാനമാക്കി ബുക്കിംഗ് ശുപാർശകൾ മാറ്റുന്നു. |
| ഹയർആർക്കിക്കൽ ഏജന്റുകൾ | ഉയർന്ന തലവാതിൽ ജോലികൾ ചെറിയ ജോലികളായി വിഭജിച്ച് താഴ്ന്ന തലവാതിൽ ഏജന്റുകൾക്ക് ഹാൻഡിൽ ചെയ്യാൻ നൽകുന്നു. | “യാത്ര റദ്ദാക്കുക” അഭ്യർത്ഥന വ്യത്യസ്ത ഭാഗങ്ങളായി: ഫ്ലൈറ്റ് റദ്ദാക്കുക, ഹോട്ടൽ റദ്ദാക്കുക, കാർ വാടക റദ്ദാക്കുക — ഓരോന്നും ഉപ-ഏജന്റുമാർ കൈകാര്യം ചെയ്യുന്നു. |
| മൾട്ടി-ഏജന്റ് സിസ്റ്റങ്ങൾ (MAS) | ധാരാളം സ്വതന്ത്ര ഏജന്റുകൾ ചേർന്ന് പ്രവർത്തിക്കുന്നു (കോട്ടിയോ സഹകരിച്ചോ). | സഹകരണ: വ്യത്യസ്ത ഏജന്റുകൾ ഹോട്ടലുകൾ, ഫ്ലൈറ്റുകൾ, വിനോദം കൈകാര്യം ചെയ്യുന്നു. മത്സരം: ഹോട്ടൽ റൂമുകൾ ഏറ്റവും കുറഞ്ഞ വിലയ്ക്ക് നിറയ്ക്കാൻ ധാരാളം ഏജന്റുകൾ മത്സരം നടത്തുന്നു. |
എപ്പോൾ AI ഏജന്റുകൾ ഉപയോഗിക്കണം
നിങ്ങൾക്ക് AI ഏജന്റ് ഉപയോഗിക്കാൻ കഴിയുന്നതല്ല അത് എല്ലാ സമയത്തും ചെയ്യണം എന്നു അല്ല. ഏജന്റുകൾ ഏറ്റവും ഫലപ്രദമായ സാഹചര്യങ്ങൾ ഇവയാണ്:
- തുറന്ന-മുട്ടിയ പ്രശ്നങ്ങൾ — പ്രശ്ന പരിഹാരത്തിനുള്ള ഘടകങ്ങൾ മുൻനിശ്ചയത്തിൽ നൽകാനാവാത്തപ്പോൾ. LLM വഴിതേടൽ സ്വതന്ത്രമായി നിർവഹിക്കും.
- പല ഘട്ട പ്രക്രിയകൾ — ഒരികമൂർച്ച അല്ല, പല ഘട്ടങ്ങളിലും ഉപകരണങ്ങൾ ഉപയോഗിക്കേണ്ട ജോലികൾ.
- സമയംകൊണ്ടുള്ള മെച്ചപ്പെടുത്തൽ — ഉപയോക്തൃ ഫീഡ്ബാക്ക് അല്ലെങ്കിൽ പരിസ്ഥിതി സൂചനകൾ അടിസ്ഥാനമാക്കി സിസ്റ്റം മെച്ചപ്പെടുത്തേണ്ടത്.
കോഴ്സിന്റെ പിന്നീട് ഭാഗമായ Building Trustworthy AI Agents പാഠത്തിൽ AI ഏജന്റുകൾ എപ്പോൾ (കാർയ്യവശമല്ല) ഉപയോഗിക്കണമെന്ന് കൂടുതൽ വിശദീകരിക്കും.
ഏജന്റിക് പരിഹാരങ്ങളുടെ അടിസ്ഥാനങ്ങൾ
ഏജന്റ് വികസനം
ഏജന്റ് നിർമ്മിക്കുമ്പോൾ ആദ്യം ചെയ്യേണ്ടത് അതിലൂടെ എന്ത് ചെയ്യാമെന്ന് നിശ്ചയിക്കുക — അതിന്റെ ഉപകരണങ്ങൾ, പ്രവർത്തനങ്ങൾ, പെരുമാറ്റങ്ങൾ.
ഈ കോഴ്സിൽ, ഞങ്ങൾ പ്രധാനം ഉപയോഗിക്കുന്നത് Azure AI Agent Service ആണ്. ഇത് പിന്തുണയ്ക്കുന്നു:
- OpenAI, Mistral, Meta (Llama) പോലുള്ള പ്രൊവൈഡർമാരിൽ നിന്നുള്ള മോഡലുകൾ
- Tripadvisor പോലുള്ള ഡേറ്റാ പ്രൊവൈഡർമാരിൽ നിന്നുള്ള ലൈസൻസുള്ള ഡാറ്റ
- OpenAPI 3.0 ഉപകരണ നിർവചനങ്ങളുടെ മാതൃകഹിതം
ഏജന്റിക് പാറ്റേണുകൾ
നിങ്ങൾ LLM-കളെ പ്രോംപ്റ്റുകൾ വഴി ആശയവിനിമയം നടത്തുന്നു. ഏജന്റുകൾക്കായി, എല്ലാ പ്രോംപ്റ്റും കൈകാര്യം ചെയ്യാനാവില്ല — ഏജന്റ് നിരവധി ഘട്ടങ്ങളിലായി പ്രവർത്തിക്കണം. ആ സമയത്ത് Agentic Patterns സഹായിക്കുന്നു. ഇവ LLM-കളെ കൂടുതൽ സ്കേലബിൾ, വിശ്വസനീയമായ രീതിയിൽ പ്രോംപ്റ്റ് ചെയ്യാനും ക്രമീകരിക്കാനുമുള്ള പുനരുപയോഗയോഗ്യമായ തന്ത്രങ്ങൾ ആണ്.
ഈ കോഴ്സ് ഏറ്റവും സാധാരണവും ഉപയോഗപ്രദവുമായ ഏജന്റിക് പാറ്റേണുകൾ ചുറ്റിപ്പറ്റിയാണ്.
ഏജന്റിക് ഫ്രെയിംവർക്ക്
ഏജന്റിക് ഫ്രെയിംവർക്ക് ഡെവലപ്പർമാർക്ക് നിർമ്മാണത്തിനുള്ള തയ്യാറായ ടെംപ്ലേറ്റുകളും ഉപകരണങ്ങളും സോഫ്റ്റ്വെയർ അടിസ്ഥാന സൗകര്യങ്ങളും നൽകുന്നു. ഇത് സഹായിക്കുന്നു:
- ഉപകരണങ്ങൾ കണക്ട് ചെയ്യാനും കഴിവുകൾ സജ്ജമാക്കാനും
- ഏജന്റ് എന്ത് ചെയ്യുന്നു എന്നത് നിരീക്ഷിക്കാനും (പിശക് ഉണ്ടെങ്കിൽ ഡീബഗ് ചെയ്യാനും)
- ധാരാളം ഏജന്റുകളെ ചേർന്ന് പ്രവർത്തിക്കാനും
ഈ കോഴ്സിൽ, നിർമ്മാണത്തിന് Microsoft Agent Framework (MAF)-നെയാണ് ഞങ്ങൾ പ്രധാനത്വം നൽകുന്നത്.
കോഡ് സാമ്പിൾസുകൾ
പ്രവർത്തനത്തിൽ കാണാൻ തയാറാ? ഈ പാഠത്തിനുള്ള കോഡ് സാമ്പിൾസുകൾ ഇവിടെ:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
ചോദിക്കാനുണ്ടോ?
പഠിക്കുന്ന മറ്റു കൂട്ടുകാരുമായി ബന്ധപ്പെടാൻ, ഓഫീസ് മണിക്കൂറുകളിൽ പങ്കെടുക്കാനായി, AI ഏജന്റ് സംബന്ധിച്ച ചോദ്യങ്ങൾക്ക് മറുപടി ലഭിക്കാൻ Microsoft Foundry Discord ലേക്ക് ചേരുക.
മുൻപത്തെ പാഠം
അടുത്ത പാഠം
അറിയിപ്പ്: ഈ രേഖ AI പരിഭാഷാ സേവനം Co-op Translator ഉപയോഗിച്ച് പരിഭാഷപ്പെടുത്തിയതാണ്. ഞങ്ങൾ കൃത്യതയ്ക്കായി ശ്രമിക്കുന്നുവെങ്കിലും, ഓട്ടോമേറ്റഡ് പരിഭാഷകളിൽ പിഴവുകൾ അല്ലെങ്കിൽ തെറ്റായ വിവരങ്ങൾ ഉണ്ടാകാൻ സാധ്യതയുണ്ട്. അതിന്റെ സ്വാഭാവിക ഭാഷയിലുള്ള അസൽ രേഖയാണ് പ്രാമാണികമായ ഉറവിടമായി പരിഗണിക്കേണ്ടത്. നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ പരിഭാഷ ശുപാർശ ചെയ്യുന്നു. ഈ പരിഭാഷ ഉപയോഗിച്ച് ഉണ്ടാകുന്ന തെറ്റിദ്ധാരണകൾ അല്ലെങ്കിൽ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കായി ഞങ്ങൾ ഉത്തരവാദികളല്ല.