ai-agents-for-beginners

AI ഏജന്റ് ഫ്രെയിംവർക്കുകൾ അന്വേഷിക്കൽ

(ഈ പാഠത്തിന്റെ വീഡിയോ കാണുന്നതിനായി മുകളിൽ ചിത്രത്തിൽ ക്ലിക്കുചെയ്യുക)

AI ഏജന്റ് ഫ്രെയിംവർക്കുകൾ അന്വേഷിക്കുക

AI ഏജന്റ് ഫ്രെയിംവർക്കുകൾ, AI ഏജന്റുകൾ സൃഷ്ടിക്കുന്നതും ഉപയോഗപ്പെടുത്തുന്നതിനും മാനേജുചെയ്യുന്നതിനുമായുള്ള പ്രവർത്തനങ്ങൾ ലളിതമാക്കാൻ രൂപകൽപ്പന ചെയ്ത സോഫ്റ്റ്വെയർ പ്ലാറ്റ്ഫോമുകളാണ്. ഈ ഫ്രെയിംവർക്കുകൾ ഡെവലപ്പർമാരെ മുൻകൂട്ടി നിർമ്മിച്ച ഘടകങ്ങൾ, ആബ്സ്ട്രാക്ഷനുകൾ, ടൂൾസുകൾ എന്നിവ നൽകി സങ്കീർണ്ണമായ AI സിസ്റ്റങ്ങൾ വികസിപ്പിക്കുന്നതിനുള്ള പ്രവാഹം സുഗമമാക്കുന്നു.

ഈ ഫ്രെയിംവർക്കുകൾ ഡെവലപ്പർമാരെ അവരുടെ അപ്ലിക്കേഷനുകളുടെ പ്രത്യേക ഭാഗങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ സഹായിക്കുകയും AI ഏജന്റ് വികസനത്തിലെ സാധാരണ വെല്ലുവിളികളിൽ ഒരു സ്റ്റാൻഡേർഡൈസ് ചെയ്ത സമീപനം നൽകുകയും ചെയ്യുന്നു. AI സിസ്റ്റങ്ങൾ നിർമ്മിക്കുന്നതിൽ ഇവ സ്കെയിലബിലിറ്റി, ലഭ്യത, കാര്യക്ഷമത എന്നിവ മെച്ചപ്പെടുത്തുന്നു.

പരിചയം

ഈ പാഠത്തിൽ ചർച്ച ചെയ്യുന്നതുകൾ:

പഠന ലക്ഷ്യങ്ങൾ

ഈ പാഠത്തിലെ ലക്ഷ്യങ്ങൾ:

AI ഏജന്റ് ഫ്രെയിംവർക്കുകൾ എന്താണു और ഡെവലപ്പർമാർക്ക് എന്ത് സാധ്യമാക്കുന്നു?

പരമ്പരാഗത AI ഫ്രെയിംവർക്കുകൾ നിങ്ങളുടെ ആപ്പുകളിൽ AI സംയോജിപ്പിച്ച് ആപ്പുകൾ മെച്ചപ്പെടുത്തുന്നതിന് സഹായിക്കുന്ന വഴികൾ താഴെപ്പറയുന്നു:

ഇവ എല്ലാം നല്ലതാണ്, എന്നാൽ എന്തിനായി AI ഏജന്റ് ഫ്രെയിംവർക്കുകൾ വേണ്ട?

AI ഏജന്റ് ഫ്രെയിംവർക്കുകൾ സാധാരണ AI ഫ്രെയിംവർക്കുകളിൽ തോന്നുന്നതിലുപരി വലിയൊരു അവസരം പ്രതിനിധീകരിക്കുന്നു. ഇവ ഉപയോഗിച്ച് ബുദ്ധിമുട്ടുള്ള ലക്ഷ്യങ്ങൾ നേടുന്നതിനായി ഉപയോക്താക്കളുമായും മറ്റ് ഏജന്റുമാരുമായും ചർച്ച ചെയ്ത് ഇടപടിക്കുന്ന ബുദ്ധിശാലിയായ ഏജന്റുകൾ സൃഷ്ടിക്കാൻ കഴിയും. ഇവ സ്വയംതന്നെയാണ് പ്രവർത്തനം നടത്തുന്നത്, തീരുമാനങ്ങൾ എടുക്കുകയും മാറ്റം വരുന്ന സാഹചര്യങ്ങളിൽ ചേരുകയും ചെയ്യുന്നു. AI ഏജന്റ് ഫ്രെയിംവർക്കുകൾ നൽകുന്ന പ്രധാന കഴിവുകൾ:

സംക്ഷേപത്തിൽ, ഏജന്റുകൾ നിങ്ങളെ അധികം ചെയ്യാനാകും, ഓട്ടോമേഷൻ ഉയർന്ന തലത്തിലേക്ക് കൊണ്ടുപോകാനും പരിതസ്ഥിതിയിൽ നിന്ന് പഠിച്ച് ചേരുന്നതും കൂടുതൽ ബുദ്ധിശാലിയായ സിസ്റ്റങ്ങൾ സൃഷ്ടിക്കാനും സഹായിക്കും.

എങ്ങനെ വേഗത്തിൽ പ്രോട്ടോട്ടൈപ്പ്, ഐറ്ററേറ്റ്, ഏജന്റിന്റെ കഴിവുകൾ മെച്ചപ്പെടുത്താം?

ഈ മേഖലം വേഗത്തിൽ മാറുകയാണ്, എന്നാൽ മിക്ക AI ഏജന്റ് ഫ്രെയിംവർക്കുകളിലും സാധാരണ കാണപ്പെടുന്ന ചില ഘടകങ്ങൾ നിങ്ങൾക്ക് വ്യവസ്ഥാപിതമായ പ്രോട്ടോട്ടൈപ്പിംഗ് ലളിതമാക്കും: മോഡുലാർ ഘടകങ്ങൾ, സഹകരണ ടൂൾസ്, റിയൽ-ടൈം പഠനം. ഇവയെക്കുറിച്ച് നോക്കാം:

മോഡുലാർ ഘടകങ്ങൾ ഉപയോഗിക്കുക

Microsoft Agent Framework പോലുള്ള SDKകൾ AI കണക്ടറുകൾ, ടൂൾ നിർവചനങ്ങൾ, ഏജന്റ് മാനേജുമെന്റ് എന്നിവയ്ക്കുള്ള മുൻകൂട്ടി നിർമിത ഘടകങ്ങൾ നൽകുന്നു.

ടീമുകൾക്ക് ഇത് എങ്ങനെ സഹായിക്കും: ടീമുകൾ തുടക്കം മുതൽ നിർമ്മിക്കാതെ ഈ ഘടകങ്ങൾ ചേർത്ത് പ്രവർത്തനക്ഷമമായ പ്രോട്ടോട്ടൈപ്പ് ഉടൻ സൃഷ്ടിക്കാം, കൃത്യമായ പരീക്ഷണവും രീതിമാറ്റവും നടത്താൻ കഴിയും.

പ്രായോഗികമായി ഇത് എങ്ങനെ പ്രവർത്തിക്കും: ഉപയോക്തൃ ഇൻപുട്ടിൽ നിന്നുള്ള വിവരങ്ങൾ പുറംതള്ളുന്നതിനായി മുൻകൂട്ടി നിർമ്മിച്ച പാർസർ, ഡാറ്റ സംഗ്രഹിക്കാന് മെമ്മറി മോഡ്യൂൾ, ഉപയോക്താക്കളുമായി ചർച്ച ചെയ്യാൻ പ്രോംപ്‌റ് ജനറേറ്റർ എന്നിവ ഒരുമിച്ച് ഉപയോഗിക്കാം, എല്ലാം പൂർണ്ണമായും തുടങ്ങാതെ തന്നെ.

ഉദാഹരണ കോഡ്: Microsoft Agent Framework ഉപയോഗിച്ച് FoundryChatClient ഉപയോഗിച്ച് ഉപയോക്തൃ ഇൻപുട്ടിന് ടൂൾ കോൾ ഉപയോഗിച്ച് പ്രതികരിക്കുന്ന വിധം കാണുക:

# Microsoft Agent Framework പൈതൺ ഉദാഹരണം

import asyncio
import os

from agent_framework import tool
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential


# യാത്ര ബുക്ക് ചെയ്യാൻ ഒരു സാമ്പിൾ ടൂൾ ഫംഗ്ഷൻ నిర్వചിക്കുക
@tool(approval_mode="never_require")
def book_flight(date: str, location: str) -> str:
    """Book travel given location and date."""
    return f"Travel was booked to {location} on {date}"


async def main():
    provider = FoundryChatClient(
        project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
        model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
        credential=AzureCliCredential(),
    )
    agent = provider.as_agent(
        name="travel_agent",
        instructions="Help the user book travel. Use the book_flight tool when ready.",
        tools=[book_flight],
    )

    response = await agent.run("I'd like to go to New York on January 1, 2025")
    print(response)
    # ഉദാഹരണ ഔട്ട്പുട്ട്: 2025 ജനുവരി 1-നു ഇഞ്ച് ന്യൂയോർക്ക് പറക്കുന്നത് വിജയകരമായി ബുക്ക് ചെയ്‌തിരിക്കുന്നു. സുരക്ഷിത യാത്രകൾ! ✈️🗽


if __name__ == "__main__":
    asyncio.run(main())

ഈ ഉദാഹരണത്തിൽ കാണാന് കഴിയുന്നത്, ഉപയോക്തൃ ഇൻപുട്ടിൽ നിന്നായി വിമാനം ബുക്കിങ്ങിന്റെ ഉത്ഭവം, ലക്ഷ്യം, തീയതി എന്നിവ എടുക്കാൻ മുൻകൂട്ടി നിർമ്മിച്ച പാർസർ നിങ്ങൾക്ക് ഉപയോഗിക്കാമെന്നതാണ്. ഈ മോഡുലാർ സമീപനം ഉയർന്ന നിലവാരത്തിലുള്ള ലജിക് വീട്ടിച്ച് അതിൽ കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ കഴിയും.

സഹകരണ ടൂൾസ് ലാഭിക്കുക

Microsoft Agent Framework പോലുള്ള ഫ്രെയിംവർക്കുകൾ നാനാതത്വമുള്ള ഏജന്റുകൾ ഒരേ സമയം trabaho ചെയ്യുവാൻ സഹായിക്കുന്നു.

ടീമുകൾക്ക് ഇത് എങ്ങനെ സഹായിക്കും: പ്രത്യേക പ്രവർത്തനങ്ങളോടുകൂടെ ഏജന്റുകൾ രൂപകല്പന ചെയ്ത്, സഹകരണ പ്രവൃത്തികൾ പരീക്ഷിച്ച് മെച്ചപ്പെടുത്താം, സിസ്റ്റം കാര്യക്ഷമത വർധിപ്പിക്കാം.

പ്രായോഗികമായി ഇത് എങ്ങനെ പ്രവർത്തിക്കും: ഓരോ ഏജന്റിനു പ്രത്യേക പ്രവർത്തനങ്ങൾ (ഡാറ്റ റിട്രീവൽ, വിശകലനം, തീരുമാനം എടുക്കൽ) നിയോഗിച്ച ഒരു സംഘമുണ്ടാക്കാം. ഈ ഏജന്റുകൾ ആശയവിനിമയം നടത്തുകയും വിവരങ്ങൾ പങ്കുവെച്ച് ഒരു ലക്ഷ്യം നേട്ടമാക്കാൻ പ്രവർത്തിക്കും.

ഉദാഹരണ കോഡ് (Microsoft Agent Framework):

# മൈക്രോസോഫ്‌റ്റ് ഏജന്റ് ഫ്രെയിംവർക്ക് ഉപയോഗിച്ച് ഒരേ സമയം പ്രവർത്തിക്കുന്ന നിരവധി ഏജന്റുകൾ സൃഷ്ടിക്കുന്നു

import os
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential

provider = FoundryChatClient(
    project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
    model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
    credential=AzureCliCredential(),
)

# ഡാറ്റ പുനഃപ്രാപ്‌തി ഏജന്റ്
agent_retrieve = provider.as_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

# ഡാറ്റ വിശകലന ഏജന്റ്
agent_analyze = provider.as_agent(
    name="dataanalysis",
    instructions="Analyze the retrieved data and provide insights.",
    tools=[analyze_tool],
)

# ഒരു പ്രവർത്തനത്തിൽ ഏജന്റുകൾ ക്രമത്തിൽ പ്രവർത്തിപ്പിക്കുക
retrieval_result = await agent_retrieve.run("Retrieve sales data for Q4")
analysis_result = await agent_analyze.run(f"Analyze this data: {retrieval_result}")
print(analysis_result)

മുകളിൽ നൽകിയ കോഡിൽ ബഹുഏജന്റുകൾ ചേർന്ന് ഡാറ്റ വിശകലനം ചെയ്യുന്ന ടാസ്ക് നിർമ്മിക്കുന്ന രീതി കാണിക്കുന്നു. ഏജന്റുകൾ ഓരോന്നും പ്രത്യേക പ്രവർത്തനം നിർവഹിക്കുകയും, ഇഷ്‌ടപ്പെട്ട ഫലത്തിനായി സംയോജിതമായി പ്രവർത്തിക്കുകയും ചെയ്യുന്നു. പ്രത്യേക പ്രവർത്തനങ്ങളോടുകൂടെ ഏജന്റുകൾ സൃഷ്ടിച്ചതിലൂടെ ടാസ്കിന്റെ കാര്യക്ഷമത മെച്ചപ്പെടുത്താം.

റിയൽ-ടൈം പഠനം

മുൻനിര ഫ്രെയിംവർക്കുകൾ യഥാർത്ഥ സമയ സന്ദർഭം മനസ്സിലാക്കലും പഠനവും പ്രയോഗമാക്കാൻ കഴിവുകൾ നൽകുന്നു.

ടീമുകൾക്ക് ഇത് എങ്ങനെ സഹായിക്കും: ഏജന്റുകൾ ഇടപഴകലുകളിൽ നിന്നും പഠിച്ച് പെരുമാറ്റം ക്രമീകരിക്കുന്ന ഫീഡ്‌ബാക്ക് ലൂപ്പുകൾ നടപ്പിലാക്കുന്നുവെങ്കിൽ, കഴിവുകൾ സ്ഥിരമായി മെച്ചപ്പെടുത്താനും കൂടുതൽ നൈപുണ്യം നേടാനും ഇത് സഹായിക്കും.

പ്രായോഗികമായി ഇത് എങ്ങനെ പ്രവർത്തിക്കും: ഏജന്റുകൾ ഉപയോക്തൃ പ്രതികരണം, പരിസ്ഥിതി ഡാറ്റ, ടാസ്ക് ഫലങ്ങൾ വിശകലനം ചെയ്ത് അറിവ് പുതുക്കുകയും, തീരുമാനമെടുക്കൽ ആൾഗോരിതങ്ങൾ ക്രമീകരിക്കുകയും, സമയത്തിനൊത്ത് പ്രകടനം മെച്ചപ്പെടുത്തുകയും ചെയ്യുന്നു. ഈ പുനരാവർത്തന പഠന പ്രക്രിയ ഏജന്റുകളെ മാറ്റങ്ങളോട് യോജിപ്പിക്കാൻ സഹായിക്കുന്നു, ആകെയുള്ള സിസ്റ്റം കാര്യക്ഷമത വർധിപ്പിക്കുന്നു.

Microsoft Agent Frameworkനും Microsoft Foundry Agent Serviceനും തമ്മിലുള്ള വ്യത്യാസങ്ങൾ എന്തെല്ലാം?

ഈ സമീപനങ്ങളെ താരതമ്യം ചെയ്യാൻ നിരവധി മാർഗ്ഗങ്ങൾ ഉണ്ട്, എന്നാൽ രൂപകൽപ്പന, കഴിവുകൾ, ലക്ഷ്യ ഉപയോഗ കേസുകൾ എന്നിവ സംബന്ധിച്ച ചില പ്രധാന വ്യത്യാസങ്ങൾ നോക്കാം:

Microsoft Agent Framework (MAF)

Microsoft Agent Framework, FoundryChatClient ഉപയോഗിച്ച് AI ഏജന്റുകൾ നിർമ്മിക്കാൻ ലളിതമായ SDK ആണ്. ഇത് ഡെവലപ്പർമാർക്ക് Azure OpenAI മോഡലുകൾ ഉപയോഗിച്ച് ടൂൾ കോൾ, സംവാദ മാനേജുമെന്റ്, Azure ഐഡന്റിറ്റി പോലുള്ള എന്റർപ്രൈസ്-ഗ്രേഡ് സുരക്ഷ എന്നിവ ഉൾപ്പെടുത്തിയ AI ഏജന്റുകൾ ആസൂത്രണം ചെയ്യാനും സൃഷ്ടിക്കാനും കഴിയും.

ഉപയോഗ കാര്യങ്ങൾ: ടൂൾ ഉൾപ്പെടുത്തൽ, ബഹുവിധം പ്രവർത്തന പ്രവാഹങ്ങൾ, എന്റർപ്രൈസ് സംയോജന രംഗങ്ങൾ എന്നിവ ഉപയോഗിച്ച് നിർമാണം പ്രമാദ്ധതയുള്ള AI ഏജന്റുകൾ ഉണ്ടാക്കൽ.

Microsoft Agent Framework-ന്റെ ചില പ്രധാന ആശയങ്ങൾ:

Microsoft Foundry Agent Service

Microsoft Foundry Agent Service Microsoft Ignite 2024 ൽ അവതരിപ്പിച്ച പുതിയ സേവനമാണ്. Llama 3, Mistral, Cohere പോലുള്ള ഓപ്പൺ സോഴ്‌സ് LLM-കൾ നേരിട്ട് കോൾ ചെയ്യാനാകുന്ന കൂടുതൽ വായനാവേണ്ട മോഡലുകളുള്ള AI ഏജന്റുകൾ വികസിപ്പിക്കാനും വിന്യസിക്കാനും ഇത് സഹായിക്കുന്നു.

Microsoft Foundry Agent Service ശക്തമായ എന്റർപ്രൈസ് സുരക്ഷാ സംവിധാനങ്ങളും ഡാറ്റ സംഭരണ രീതികളും നൽകുന്നു, എന്റർപ്രൈസ് അപേക്ഷകൾക്കു അനുയോജ്യമാണ്.

ഇത് Microsoft Agent Framework-നൊപ്പം ചേർന്ന് ഏജന്റുകൾ നിർമ്മിക്കുകയും വിന്യസിക്കുകയും ചെയ്യാൻ ഔട്ട്ഓഫ് ദി ബോക്സ് പ്രവർത്തിക്കുന്നു.

ഇപ്പോൾസേവനം പബ്ലിക് പ്രവ്യൂവിലുമാണ്, Python, C# എന്നിവയിൽ ഏജന്റുകൾ സൃഷ്ടിക്കാൻ പിന്തുണ നല്‍കുന്നു.

Microsoft Foundry Agent Service Python SDK ഉപയോഗിച്ച് ഉപയോക്തൃ നിർവചിച്ച ടൂൾ ഉപയോഗിച്ചുള്ള ഏജന്റ് എങ്ങനെ സൃഷ്ടിക്കാമെന്ന് കാണുക:

import asyncio
from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# ടൂൾ ഫംഗ്ഷനുകൾ നിർവ്വചിക്കുക
def get_specials() -> str:
    """Provides a list of specials from the menu."""
    return """
    Special Soup: Clam Chowder
    Special Salad: Cobb Salad
    Special Drink: Chai Tea
    """

def get_item_price(menu_item: str) -> str:
    """Provides the price of the requested menu item."""
    return "$9.99"


async def main() -> None:
    credential = DefaultAzureCredential()
    project_client = AIProjectClient.from_connection_string(
        credential=credential,
        conn_str="your-connection-string",
    )

    agent = project_client.agents.create_agent(
        model="gpt-4.1-mini",
        name="Host",
        instructions="Answer questions about the menu.",
        tools=[get_specials, get_item_price],
    )

    thread = project_client.agents.create_thread()

    user_inputs = [
        "Hello",
        "What is the special soup?",
        "How much does that cost?",
        "Thank you",
    ]

    for user_input in user_inputs:
        print(f"# User: '{user_input}'")
        message = project_client.agents.create_message(
            thread_id=thread.id,
            role="user",
            content=user_input,
        )
        run = project_client.agents.create_and_process_run(
            thread_id=thread.id, agent_id=agent.id
        )
        messages = project_client.agents.list_messages(thread_id=thread.id)
        print(f"# Agent: {messages.data[0].content[0].text.value}")


if __name__ == "__main__":
    asyncio.run(main())

പ്രധാന ആശയങ്ങൾ

Microsoft Foundry Agent Service-ന് താഴെപ്പറയുന്ന പ്രധാന ആശയങ്ങളുണ്ട്:

ഉപയോഗ വിഷയങ്ങൾ: Microsoft Foundry Agent Service സുരക്ഷിതം, സ്കെയിലബിൾ, ഫ്ലെക്സിബിൾ AI ഏജന്റ് വിന്യാസം ആവശ്യമായ എന്റർപ്രൈസ് അപേക്ഷകൾക്കാണ് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്.

ഈ സമീപനങ്ങളിൽ എന്ത് വ്യത്യാസമുണ്ട്?

മിക്കപ്പേരിലും ഇരു പ്ലാറ്റ്ഫോമുകളും ഒരൊന്നെപ്പോലെയാണ് തോന്നാറുള്ളത്, എന്നാൽ രൂപകൽപ്പന, കഴിവുകൾ, ലക്ഷ്യ ഉപയോഗ മേഖലകൾ എന്നിവയിൽ ചില പ്രധാന വ്യത്യാസങ്ങൾ ഉണ്ട്:

ഇനിയും തീരുമാനമെടുക്കാൻ ബുദ്ധിമുട്ടാണോ?

ഉപയോഗ കേസുകൾ

ചില സാധാരണ ഉപയോഗ കേസുകൾ വഴി സഹായമാകാമോ നോക്കാം:

Q: ഞാൻ പ്രൊഡക്ഷൻ റെഡി AI ഏജന്റ് അപ്ലിക്കേഷനുകൾ നിർമ്മിക്കുകയാണ്, വേഗത്തിൽ തുടങ്ങേണ്ടത് എങ്ങനെ?

A: Microsoft Agent Framework മികച്ച ഓപ്ഷൻ ആണ്. FoundryChatClient വഴി ലളിതവും പൈതോണിക് API വഴി ടൂൾസ്, നിർദ്ദേശങ്ങൾ കുറച്ച് വരി കോഡിൽ ഡിഫൈൻ ചെയ്യാം.

Q: എന്റർപ്രൈസ് ഗ്രേഡ് വിന്യാസം, Azure Search, കോഡ് എക്സിക്യൂഷൻ പോലുള്ള ഇൻറഗ്രേഷനുകൾ വേണം.

A: Microsoft Foundry Agent Service ഏറ്റവും അനുയോജ്യമാണ്. ഇത് പല മോഡലുകൾക്കും Azure AI Search, Bing Search, Azure Functions പോലുള്ള സേവനങ്ങൾക്കും ഇൻബിൽറ്റ് പിന്തുണ നൽകുന്ന പ്ലാറ്റ്ഫോം സേവനം ആണ്. Foundry പോർട്ടലിൽ ഏജന്റുകൾ എളുപ്പത്തിൽ നിർമ്മിച്ച് സ്കെയിലിൽ വിന്യസിക്കാൻ കഴിയും.

Q: ഞാൻ ഇപ്പോഴും നിർണ്ണയിക്കാതെ困惑, ഒരു ഓപ്ഷൻ മാത്രം പറയൂ.

A: ആദ്യം Microsoft Agent Framework ഉപയോഗിച്ച് ഏജന്റുകൾ നിർമ്മിക്കുക, പിന്നീട് പ്രൊഡക്ഷൻ വിന്യാസത്തിനായി Microsoft Foundry Agent Service ഉപയോഗിക്കുക. ഇത്തരം സമീപനം ഏജന്റ് ലജിക് വേഗത്തിൽ മുന്നോട്ട് കൊണ്ടുപോകാനും എന്റർപ്രൈസ് വിന്യാസത്തിലേക്ക് വ്യക്തമായ മാർഗ്ഗം നല്കുകയും ചെയ്യും.

പ്രധാന വ്യത്യാസങ്ങൾ പട്ടികയിൽ സംക്ഷേപിക്കാം:

ഫ്രെയിം‌വർക്ക് കേന്ദ്ര ഫോകസ് പ്രധാന ആശയങ്ങൾ ഉപയോഗ കേസുകൾ
Microsoft Agent Framework ടൂൾ കോൾ, streamlined ഏജന്റ് SDK ഏജന്റുകൾ, ടൂളുകൾ, Azure ഐഡന്റിറ്റി AI ഏജന്റുകൾ നിർമ്മിക്കൽ, ടൂൾ ഉപയോഗം, ബഹു-ഘട്ട പ്രവൃത്തി
Microsoft Foundry Agent Service ഫ്ലെക്സിബിൾ മോഡലുകൾ, എന്റർപ്രൈസ് സുരക്ഷ, കോഡ് ജനറേഷൻ, ടൂൾ കോൾ മോട്യുലാറിറ്റി, സഹകരണ പ്രവർത്തനം, പ്രോസസ് ഓർക്കസ്ട്രേഷൻ സുരക്ഷിതം, സ്കെയിലബിൾ, ഫ്ലെക്സിബിൾ AI ഏജന്റ് വിന്യാസം

നിലവിലുള്ള Azure പരിതസ്ഥിതിയിലെ ടൂളുകൾ നേരിട്ട് ഇന്റഗ്രേറ്റ് ചെയ്യാമോ, സ്റ്റാൻഡലോൺ പരിഹാരങ്ങളാണ് വേണ്ടത്?

ഉത്തരം അതെ, നിങ്ങൾ നിലവിലുള്ള Azure വാതാവരണം ടൂളുകൾ Microsoft Foundry Agent Service-നോടു നേരിട്ട് സംയോജിപ്പിക്കാൻ കഴിയും, പ്രത്യേകിച്ച് അത് മറ്റു Azure സേവനങ്ങളുമായി സാരവൽകമായി പ്രവർത്തിക്കാൻ രൂപകൽപ്പന ചെയ്‌തതിനാൽ. ഉദാഹരണത്തിന്, ബിംഗ്, Azure AI Search, Azure Functions എന്നിവ സംയോജിപ്പിക്കാം. Microsoft Foundry-യുമായി കൂടുതൽ ലളിതമായ സംയോജനം ഉണ്ട്.

Microsoft Agent Framework FoundryChatClient-ഉം Azure ഐഡന്റിറ്റിയും വഴി Azure സേവനങ്ങളുമായി സംയോജിപ്പിക്കുന്നു, അതിലൂടെ നിങ്ങളുടെ ഏജന്റ് ടൂളുകളിൽ നിന്ന് നേരിട്ട് Azure സേവനങ്ങളെ വിളിക്കാം.

സാമ്പിൾ കോഡുകൾ

AI ഏജന്റ് ഫ്രെയിമ്വർക്കുകളെക്കുറിച്ചും കൂടുതൽ ചോദ്യങ്ങളുണ്ടോ?

Microsoft Foundry Discord ലിൽ ചേരൂ, മറ്റ് പഠനക്കാരെ കാണാനും ഓഫീസ് മണിക്കൂറുകളിൽ പങ്കെടുക്കാനും നിങ്ങളുടെ AI ഏജന്റുമാരുടെ ചോദ്യങ്ങൾക്ക് ഉത്തരം ലഭിക്കാനും.

റഫറൻസുകൾ

മുമ്പത്തെ പാഠം

AI ഏജന്റ്മാരുടെയും ഏജന്റ് ഉപയോഗകേസുകളുടെയും പരിചയം

അടുത്ത പാഠം

Agentic ഡിസൈൻ പാറ്റേണുകളെ മനസ്സിലാക്കുക

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.

This site is open source. Improve this page.