ai-agents-for-beginners
(या धड्याकरीता व्हिडिओ पाहण्यासाठी वरील प्रतिमा क्लिक करा)
AI एजंट्स आणि एजंट वापर केसची ओळख
AI एजंट्स फॉर बिगिनर्स कोर्समध्ये आपले स्वागत आहे! हा कोर्स तुम्हाला मूलभूत ज्ञान — आणि प्रत्यक्ष काम करणारा कोड — देतो ज्यामुळे तुम्ही सुरुवात पासून AI एजंट तयार करू शकता.
Azure AI Discord Community मध्ये चला, जिथे शिकणारे आणि AI बनवणारे लोक तुमच्या प्रश्नांना आनंदाने उत्तर देतील.
बांधणी सुरू करण्यापूर्वी, आपण खरंच समजून घेऊया की AI एजंट म्हणजे काय आणि तो कधी वापरणे योग्य आहे.
परिचय
हा धडा या गोष्टींचे वर्णन करतो:
- AI एजंट काय असतात, आणि वेगवेगळ्या प्रकारांचे स्पष्टीकरण
- कोणत्या प्रकारच्या कामांसाठी AI एजंट योग्य असतात
- एखाद्या एजंटिक सोल्यूशन डिझाइन करताना वापरल्या जाणार्या मुख्य घटकांचे स्पष्टीकरण
शिकण्याचे उद्दिष्टे
या धड्याच्या शेवटी, तुम्ही हे करू शकले पाहिजे:
- AI एजंट म्हणजे काय आणि सामान्य AI सोल्यूशनपासून तो कसा वेगळा आहे ते समजावून सांगणे
- कधी AI एजंट वापरायचा आणि कधी नाही हे ओळखणे
- वास्तवातील समस्येसाठी प्राथमिक एजंटिक सोल्यूशन डिझाइन रेखाटणे
AI एजंट्स आणि त्यांचे प्रकार परिभाषित करणे
AI एजंट काय असतात?
हा सोपा मार्ग आहे त्याबद्दल विचार करण्याचा:
AI एजंट सिस्टीम्स असतात ज्यामुळे लार्ज लँग्वेज मॉडल्स (LLMs) प्रत्यक्षात काहीतरी करू शकतात — त्यांना फक्त प्रॉम्प्ट्सला प्रतिसाद देण्याऐवजी, विश्वावर क्रिया करण्यासाठी टूल्स आणि ज्ञान दिले जाते.
चला याचे अधिक स्पष्टीकरण करूया:
- सिस्टीम — AI एजंट फक्त एक गोष्ट नाही. तो अनेक भागांनी बनलेला एक संपूर्ण व्यवस्था आहे. प्रत्येक एजंटमध्ये तीन भाग असतात:
- पर्यावरण — एजंट काम करतो त्या जागा. प्रवास बुकिंग एजंटसाठी, ही बुकिंग प्लॅटफॉर्म असेल.
- संवेदी (Sensors) — एजंट त्याच्या वातावरणाची सद्यस्थिती कशी वाचतो. आपला प्रवास एजंट हॉटेल उपलब्धता किंवा फ्लाइट किमती तपासू शकतो.
- क्रियाकलाप (Actuators) — एजंट कसा क्रिया करतो. प्रवास एजंट खोली बुक करू शकतो, पुष्टी पाठवू शकतो, किंवा आरक्षण रद्द करू शकतो.
-
लार्ज लँग्वेज मॉडल्स — एजंट्स LLMs च्या आधी अस्तित्वात होते, पण LLMs मुळे आधुनिक एजंट्स खूप शक्तिशाली झाले आहेत. ते नैसर्गिक भाषा समजू शकतात, संदर्भाबद्दल विचार करू शकतात, आणि अस्पष्ट वापरकर्ता विनंतीला ठोस कृती आराखड्यात रूपांतर करू शकतात.
-
क्रिया करणे — एजंट सिस्टीमशिवाय, LLM फक्त मजकूर निर्माण करेल. एजंट सिस्टीममध्ये, LLM प्रत्यक्ष पावलांचे अंमलबजावणी करू शकतो — डेटाबेस शोधणे, API कॉल करणे, संदेश पाठवणे.
-
टूल्सची उपलब्धता — एजंट कुठले टूल्स वापरू शकतो ते (1) सिस्टीम कोणत्या वातावरणात चालू आहे आणि (2) विकासकाने त्याला काय दिले आहे यावर अवलंबून असते. प्रवास एजंट फ्लाइट्स शोधू शकतो पण ग्राहक नोंदी संपादित करू शकत नाही — हे सगळं तुम्हाला कसे जोडले आहे त्यावर अवलंबून आहे.
-
मेमरी + ज्ञान — एजंट्सना अल्पकालीन मेमरी (सद्य संभाषण) आणि दीर्घकालीन मेमरी (ग्राहक डेटाबेस, पूर्वीचे संवाद) असू शकतात. प्रवास एजंट “लक्षात ठेवू शकतो” की तुम्हाला विंडो सीट आवडतात.
AI एजंट्स चे वेगवेगळे प्रकार
सर्व एजंट सारखे नाहीत. प्रवास बुकिंग एजंटचा उदाहरण घेऊन मुख्य प्रकारांचे विभाजन असे आहे:
| एजंट प्रकार | कार्यक्षमता काय आहे | प्रवास एजंट उदाहरण |
|---|---|---|
| सिंपल रिफ्लेक्स एजंट्स | हार्ड कोडेड नियमांचे पालन करतात — मेमरी नाही, नियोजन नाही. | तक्रार ईमेल पाहतो → ग्राहक सेवा विभागाला पाठवतो. एवढेच. |
| मॉडेल-आधारित रिफ्लेक्स एजंट्स | जगाचे अंतर्गत मॉडेल ठेवतात आणि बदलांनुसार अपडेट करतात. | ऐतिहासिक फ्लाइट किमती ट्रॅक करतो आणि अचानक महागड्या मार्गांना चिन्हांकित करतो. |
| गोल-आधारित एजंट्स | त्यांच्या हेतूने पुढे जातात आणि टप्प्याटप्प्याने लक्ष्य साधतात. | पूर्ण प्रवास (फ्लाइट्स, कार, हॉटेल) तुमच्या सध्याच्या स्थानापासून गंतव्यस्थानापर्यंत बुक करतो. |
| युटिलिटी-आधारित एजंट्स | केवळ एखादे समाधान शोधत नाही — तुलनामूलक फायदे-तोट्यांचे वजन करून सर्वोत्तम शोधतो. | खर्च विरुद्ध सोयीचा समतोल साधून तुमच्या पसंतीसाठी सर्वाधिक गुण मिळवणारा प्रवास शोधतो. |
| लर्निंग एजंट्स | अभिप्रायातून शिका आणि वेळेनुसार सुधारेल. | प्रवासानंतर सर्वेक्षणात मिळालेल्या अभिप्रायानुसार भविष्यातील बुकिंग शिफारसी समायोजित करतो. |
| हायरेरकिकल एजंट्स | एक उच्च पातळीचा एजंट कामाचे उपकार्यांमध्ये विभाग करतो आणि खालच्या स्तरावर एजंट्सना सोपवतो. | “प्रवास रद्द करा” विनंती: फ्लाइट रद्द करणे, हॉटेल रद्द करणे, कार भाड्याने देणे या उप-एजंट्सकडे विभागले जाते. |
| मल्टी-एजंट सिस्टीम्स (MAS) | स्वतंत्र अनेक एजंट एकत्र काम करतात (की स्पर्धा करतात). | सहकार्य: वेगळे एजंट हॉटेल्स, फ्लाइट्स, आणि मनोरंजन हँडल करतात. स्पर्धात्मक: अनेक एजंट उत्तम किंमतीत हॉटेल रूम भरण्यासाठी स्पर्धा करतात. |
AI एजंट कधी वापरावे
AI एजंट वापरू शकतो म्हणून तो नेहमी वापरावा लागतो असे नाही. एजंट्स खरंच चमकतात अशा परिस्थिती येथे आहेत:
- अनिश्चित समस्या — ज्यात समस्या सोडवण्याचे पाऊल पूर्व-प्रोग्राम केलेले नसते. LLM ला गतिशील मार्ग ठरवायचा असतो.
- अनेक टप्प्यांची प्रक्रिया — अनेक टप्प्यांमध्ये अनेक टूल्स वापरणे आवश्यक असते, फक्त एकदा शोधणे किंवा निर्मिती नाही.
- वेळेनुसार सुधारणा — जेव्हा सिस्टीमला वापरकर्ता अभिप्राय किंवा पर्यावरणीय संकेतांवरून हुशार करायचे असते.
AI एजंट कधी (आणि कधी नाही) वापरायचे हे तुम्हाला या कोर्समधील ट्रस्टवर्थ AI एजंट्स बांधणी धड्यात अधिक सविस्तरपणे शिकायला मिळेल.
एजंटिक सोल्यूशन्स चे मूलतत्त्व
एजंट विकास
एजंट तयार करताना पहिले करायचे म्हणजे त्याची क्षमता ठरवणे — त्याची टूल्स, क्रियाकलाप, आणि वर्तन.
या कोर्समध्ये, आम्ही मुख्य प्लॅटफॉर्म म्हणून Microsoft Foundry Agent Service वापरतो. तो या गोष्टींना समर्थन देतो:
- OpenAI, Mistral, आणि Meta (Llama) सारख्या प्रदात्यांकडून मॉडल्स
- Tripadvisor सारख्या प्रदात्यांच्या परवानाधारित डेटाचे समर्थन
- स्टँडर्ड OpenAPI 3.0 टूल परिभाषा
एजंटिक पॅटर्न्स
तुम्ही LLMs शी संवाद प्रॉम्प्ट्सद्वारे करता. एजंट्समध्ये प्रत्येक प्रॉम्प्ट हाताळणे शक्य नसते — एजंटला अनेक टप्प्यांमध्ये क्रिया करावी लागते. त्यामुळे एजंटिक पॅटर्न्स तयार केले आहेत. ते प्रॉम्प्टिंग आणि LLMs चे अधिक प्रमाणात, विश्वसनीयरीत्या संघटन करण्याचे पुनर्वापर करण्याजोगे धोरणे आहेत.
हा कोर्स सर्वाधिक सामान्य आणि उपयुक्त एजंटिक पॅटर्न्सवर आधारित आहे.
एजंटिक फ्रेमवर्क्स
एजंटिक फ्रेमवर्क्स डेटा तयार टेम्प्लेट्स, टूल्स, आणि पायाभूत सुविधा देते ज्यामुळे एजंट तयार करणे सोपे होते. त्याद्वारे तुम्ही सहज करू शकता:
- टूल्स आणि क्षमता जोडणे
- एजंट काय करत आहे ते निरीक्षण करणे (आणि चूक झाली तरी डीबग करणे)
- अनेक एजंट्समध्ये सहकार्य करणे
या कोर्समध्ये, आम्ही उत्पादनासाठी रेडी एजंट तयार करण्यासाठी Microsoft Agent Framework (MAF) वर लक्ष केंद्रित करतो.
कोड नमुने
प्रत्यक्षात पाहण्यास तयार आहात? या धड्याचे कोड नमुने येथे आहेत:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
प्रश्न आहेत?
Microsoft Foundry Discord मध्ये सामील व्हा, इतर शिकणाऱ्यांशी संपर्क साधा, ऑफिस ऑवर्सला हजर रहा, आणि समुदायाकडून तुमच्या AI एजंट प्रश्नांची उत्तरे मिळवा.
या एजंटचे स्मोक-टेस्टिंग (पर्यायी)
जेव्हापासून तुम्ही एजंट्स डिप्लॉय करायला शिकलात Lesson 16, तुम्ही या धड्याच्या TravelAgent साठी तयार केलेल्या कॅटलॉग tests/lesson-01-smoke-tests.json वापरून जलद पोस्ट-डिप्लॉय हेल्थ चेक जोडू शकता. कसे चालवायचे ते tests/README.md मध्ये पहा.
मागील धडा
पुढील धडा
अस्वीकरण: हा दस्तऐवज AI भाषांतर सेवा Co-op Translator चा वापर करून अनुवादित केला आहे. जरी आम्ही अचूकतेसाठी प्रयत्न करतो, तरी कृपया लक्षात घ्या की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेची कमतरता असू शकते. मूळ दस्तऐवज त्याच्या मूळ भाषेत अधिकृत स्रोत मानला पाहिजे. महत्त्वाची माहिती असल्यास, व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराच्या वापरामुळे उद्भवणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थलावणीसाठी आम्ही जबाबदार नाही.