ai-agents-for-beginners
(या धड्याच्या व्हिडिओसाठी वरील प्रतिमेवर क्लिक करा)
AI एजंट्स आणि एजंट वापर केसची ओळख
AI एजंट्स फॉर बिगिनर्स कोर्समध्ये आपले स्वागत आहे! हा कोर्स तुम्हाला मूलभूत ज्ञान - आणि प्रत्यक्ष कार्यरत कोड - देतो, ज्यामुळे तुम्ही AI एजंट्स सुरुवातीपासून तयार करू शकता.
Azure AI Discord Community मध्ये आमच्याशी भेटा — येथे शिकणारे आणि AI बनवणारे लोक खूप आहेत जे प्रश्नांना उत्तर देण्यास तत्पर आहेत.
बांधकामाला सुरुवात करण्यापूर्वी, आपण खरंच समजून घेऊया की AI एजंट काय आहे आणि कधी त्याचा वापर करणे योग्य ठरते.
परिचय
या धड्यांत आपण शिकाल:
- AI एजंट म्हणजे काय आणि त्याचे वेगवेगळे प्रकार कोणते आहेत
- कोणत्या प्रकारच्या कामांसाठी AI एजंट योग्य असतात
- एजंटिक सोल्युशन डिझाइन करताना वापरण्यात येणारे मुख्य घटक
शिकण्याचे उद्दिष्ट
या धड्याच्या शेवटी, तुम्ही हे करू शकले पाहिजे:
- AI एजंट म्हणजे काय आणि ते सामान्य AI सोल्युशनपेक्षा कसे वेगळे आहे हे स्पष्ट करा
- कधी AI एजंट वापरायचा (आणि कधी नाही) हे जाणून घ्या
- वास्तविक समस्येसाठी एक मूलभूत एजंटिक सोल्युशन डिझाइन तयार करा
AI एजंट्सची व्याख्या आणि AI एजंट्सचे प्रकार
AI एजंट्स म्हणजे काय?
याला अशा प्रकारे समजून घ्या:
AI एजंट्स ही अशी प्रणाली आहे जी लार्ज लँग्वेज मॉडेल्स (LLMs) ला केवळ प्रतिसाद देण्याऐवजी वास्तवात काय करायचे आहे हे सांगणारे टूल्स आणि ज्ञान देऊन कृती करण्यास सक्षम करते.
थोडक्यात समजून घेऊया:
- प्रणाली (System) — AI एजंट म्हणजे एक गोष्ट नाही. ते एकत्र काम करणाऱ्या भागांचा समूह आहे. प्रत्येक एजंटमध्ये तीन भाग असतात:
- पर्यावरण (Environment) — ज्यामध्ये एजंट काम करतो. उदाहरणार्थ, प्रवास बुकिंग एजंटसाठी तेच बुकिंग प्लॅटफॉर्म आहे.
- सेंसर (Sensors) — एजंट त्याच्या पर्यावरणाची वर्तमान स्थिती कशी वाचतो. आमचा प्रवास एजंट हॉटेल उपलब्धता किंवा फ्लाइट किमती तपासू शकतो.
- अॅक्ट्युटर्स (Actuators) — एजंट कसे कृती करतो. प्रवास एजंट रूम बुक करू शकतो, पुष्टी पाठवू शकतो किंवा रद्द करू शकतो.
-
लार्ज लँग्वेज मॉडेल्स — एजंट्स LLMs आधीही होते, पण LLMsमुळे आधुनिक एजंट फारच प्रभावी झाले आहेत. ते नैसर्गिक भाषा समजू शकतात, संदर्भावर विचार करू शकतात आणि अस्पष्ट वापरकर्ता विनंतीला ठोस कृती आराखड्यात बदलू शकतात.
-
कृती करणे (Perform Actions) — एजंट प्रणालीशिवाय, LLM केवळ मजकूर तयार करतो. परंतु एजंट सिस्टीममध्ये, LLM प्रत्यक्ष चरण (शोध, API कॉल, संदेश पाठवणे) पार पाडू शकतो.
-
टूल्स पर्यंत प्रवेश (Access to Tools) — एजंट कोणती टूल वापरू शकतो हे (1) तो कोणत्या पर्यावरणात चालतो आणि (2) विकासकाने त्याला काय दिले आहे यावर अवलंबून असते. एका प्रवास एजंटला फ्लाइट शोधता येतो पण ग्राहक नोंदी संपादित करता येत नाहीत — हे सगळं तुम्ही कनेक्ट केलेल्या प्रणालीवर अवलंबून आहे.
-
स्मृती + ज्ञान (Memory + Knowledge) — एजंटकडे अल्पकालीन स्मृती (सध्याचे संभाषण) आणि दीर्घकालीन स्मृती (ग्राहक डेटाबेस, मागील संवाद) असू शकतात. प्रवास एजंट “तुम्हाला खिडकीसमोरील सीट आवडते” हे लक्षात ठेवू शकतो.
AI एजंट्सचे वेगवेगळे प्रकार
सर्व एजंट सारखे नसतात. मुख्य प्रकारांची माहिती येथे दिली आहे, प्रवास बुकिंग एजंटचा उदाहरण वापरून:
| एजंट प्रकार | तो काय करतो | प्रवास एजंट उदाहरण |
|---|---|---|
| सिंपल रिफ्लेक्स एजंट्स | ठराविक नियमांचे पालन करतात — स्मृती नाही, योजना नाही. | तक्रार ईमेल पाहून → ग्राहक समर्थनाला पुढे पाठवतो. इतकंच. |
| मॉडल-बेस्ड रिफ्लेक्स एजंट्स | जगाचा अंतर्गत मॉडल ठेवतो आणि बदलांसह अद्यतनित करतो. | ऐतिहासिक फ्लाइट किंमती ट्रॅक करतो आणि अचानक महाग झालेल्या मार्गांना चिन्हांकित करतो. |
| गोल-बेस्ड एजंट्स | एखादा उद्दिष्ट डोळ्यासमोर ठेवून टप्प्याटप्प्याने त्यावर पोहोचण्याचा उपाय शोधतो. | संपूर्ण प्रवास (फ्लाइट, कार, हॉटेल) तुमच्या सध्याच्या ठिकाणाहून तुमच्या गंतव्यस्थानापर्यंत बुक करतो. |
| युटिलिटी-बेस्ड एजंट्स | केवळ एक उपाय नाही तर सर्वोत्कृष्ट उपाय शोधतो, जो फायदे आणि तोटे विचारात घेऊन करता येतो. | किंमत विरुद्ध सोय या बाबतीत संतुलन साधून तुमच्या प्राधान्यांकरिता सर्वोत्तम प्रवास शोधतो. |
| लर्निंग एजंट्स | अभिप्रायाच्या आधारे काळाच्या गरजेनुसार सुधारतो. | प्रवासानंतरच्या सर्वेक्षणांच्या परिणामांवरून पुढील बुकिंग सूचना सुधारतो. |
| हायरार्किकल एजंट्स | उच्च-स्तरीय एजंट काम उपटास्कमध्ये विभागतो आणि खालच्या स्तरावरील एजंट्सना काम सोपवतो. | “प्रवास रद्द करा” विनंतीला: फ्लाइट रद्द करा, हॉटेल रद्द करा, कार भाड्याने बंद करा — प्रत्येक उप-एजंटने हाताळते. |
| मल्टी-एजंट सिस्टम्स (MAS) | अनेक स्वतंत्र एजंट्स एकत्र काम करतात (किंवा प्रतिस्पर्धा करतात). | सहकार्य: वेगळे एजंट हॉटेल्स, फ्लाईट्स, आणि मनोरंजन सांभाळतात. प्रतिस्पर्धा: अनेक एजंट एकाच हॉटेलच्या खोल्या सर्वोत्तम किमतीत देण्यासाठी स्पर्धा करतात. |
AI एजंट्स कधी वापरावेत
फक्त AI एजंट वापरू शकतो म्हणूनच त्याचा नेहमी वापर करावा असे नाही. खालील परिस्थितीत एजंट खरोखर फायद्याचा ठरतो:
- मोकळे प्रश्न (Open-Ended Problems) — जेथे समस्येचे चरण पूर्वनिर्धारित करता येत नाहीत. LLM अचानक मार्ग शोधतो.
- अनेक टप्प्यांचे प्रक्रिया (Multi-Step Processes) — अनेक टप्प्यांत टूल वापरायची गरज आहे, फक्त एकट्या शोधा किंवा तयार करण्यापुरती मर्यादित नाही.
- कालांतराने सुधारणा (Improvement Over Time) — जेव्हा प्रणाली वापरकर्ता अभिप्राय किंवा पर्यावरणीय संकेतांवर आधारित अधिक बुद्धिमान बनते.
कोर्समध्ये नंतरचे ट्रस्टवर्थी AI एजंट्स बांधणी धड्यात आपण यावर खोलवर चर्चा करू.
एजंटिक सोल्युशन्सची मूलतत्त्वे
एजंट डेव्हलपमेंट
एजंट बनवताना प्रथम त्याचे काय करणे शक्य आहे हे ठरवावे लागते — त्याचे टूल्स, क्रिया, वर्तन.
या कोर्समध्ये, आम्ही मुख्य प्लॅटफॉर्म म्हणून Azure AI Agent Service वापरतो. हे समर्थन देते:
- OpenAI, Mistral, आणि Meta (Llama) सारख्या पुरवठादारांकडून मॉडेल्स
- Tripadvisor सारख्या पुरवठादारांकडून अनुज्ञापत्र प्राप्त डेटा
- मानकीकृत OpenAPI 3.0 टूल परिभाषा
एजंटिक पॅटर्न्स
तुम्ही LLMs शी प्रॉम्प्टद्वारे संवाद साधता. एजंट्समध्ये तुम्ही प्रत्येक प्रॉम्प्ट हस्तनिर्मित करू शकत नाही — एजंटला अनेक टप्प्यांमध्ये कृती करावी लागते. यासाठी एजंटिक पॅटर्न्स असतात. हे पुन्हा वापरता येणारे धोरणे आहेत जे LLMs ची अधिक प्रमाणात, विश्वासार्ह पद्धतीने हाताळणी करतात.
हा कोर्स सर्वात सामान्य आणि उपयुक्त एजंटिक पॅटर्न्सवर आधारित आहे.
एजंटिक फ्रेमवर्क्स
एजंटिक फ्रेमवर्क्स विकसकांना तयार साच्यांसह टूल्स आणि पायाभूत सुविधा पुरवतात. यामुळे सोपे होते:
- टूल्स आणि क्षमता जोडणे
- एजंट काय करत आहे ते पाहणे (आणि चुका शोधणे)
- अनेक एजंट्समध्ये सहकार्य करणे
या कोर्समध्ये, आम्ही प्रोडक्शन-रेडी एजंट बनवण्यासाठी Microsoft Agent Framework (MAF) वर लक्ष केंद्रित करतो.
कोड सॅम्पल्स
हे कृतीत पाहण्यासाठी तयार आहात? या धड्यासाठी कोड सॅम्पल्स येथे आहेत:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
प्रश्न आहेत का?
Microsoft Foundry Discord ला सामील व्हा, इतर शिकणाऱ्यांशी संपर्क करा, ऑफिस ऑवार्समध्ये जा आणि समुदायाकडून तुमचे AI एजंट प्रश्न विचारा.
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.