ai-agents-for-beginners

एआई एजेन्ट फ्रेमवर्कहरू अन्वेषण

(उपरको छविमा क्लिक गरेर यो पाठको भिडियो हेर्नुहोस्)

एआई एजेन्ट फ्रेमवर्कहरू अन्वेषण

एआई एजेन्ट फ्रेमवर्कहरू ती सफ्टवेयर प्लेटफर्महरू हुन् जसले एआई एजेन्टहरूको सिर्जना, तैनाती, र व्यवस्थापनलाई सरल बनाउँछन्। यी फ्रेमवर्कहरूले विकासकर्ताहरूलाई पूर्व-निर्मित कम्पोनेन्टहरू, अमूर्तताहरू, र उपकरणहरू प्रदान गर्दछन् जसले जटिल एआई प्रणालीहरूको विकासलाई सहज बनाउँछ।

यी फ्रेमवर्कहरूले विकासकर्ताहरूलाई साझा चुनौतीहरूका लागि मानकीकृत दृष्टिकोणहरू प्रदान गरेर तिनीहरूका अनुप्रयोगका अनौंठा पक्षहरूमा केन्द्रित हुन मद्दत गर्छन्। तिनीहरूले स्केलेबिलिटी, पहुँचयोग्यता, र दक्षता बढाउँछन् एआई प्रणालीहरू निर्माण गर्दा।

परिचय

यस पाठले समेट्नेछ:

सिकाइ लक्ष्यहरू

यस पाठका लक्ष्यहरू तपाइँलाई बुझ्न मद्दत गर्नु हुन्:

एआई एजेन्ट फ्रेमवर्कहरू के हुन् र यीले विकासकर्ताहरूलाई के गर्न सक्षम बनाउँछन्?

परम्परागत एआई फ्रेमवर्कहरूले तपाइँलाई तपाइँका अनुप्रयोगहरूमा एआई एकीकृत गर्न र यी अनुप्रयोगहरूलाई तलका तरिकाहरूले सुधार गर्न मद्दत गर्न सक्छन्:

सबै कुरा राम्रो शुनिन्छ, त्यसो भए हामीलाई एआई एजेन्ट फ्रेमवर्क किन चाहिन्छ?

एआई एजेन्ट फ्रेमवर्कहरू केवल एआई फ्रेमवर्कहरू भन्दा फरक कुरा प्रतिनिधित्व गर्छन्। तिनीहरू ती बुद्धिमान एजेन्टहरू सिर्जना गर्न डिजाइन गरिएका छन् जुन प्रयोगकर्ताहरू, अन्य एजेन्टहरू, र वातावरणसँग अन्तरक्रिया गरी विशेष लक्ष्यहरू हासिल गर्न सक्छन्। यी एजेन्टहरूले स्वतन्त्र व्यवहार प्रदर्शन गर्न, निर्णय लिन र परिवर्तनशील अवस्थाहरूमा अनुकूल हुन सक्छन्। एआई एजेन्ट फ्रेमवर्कहरूले सक्षम गर्ने केही प्रमुख क्षमताहरू हेरौं:

सङ्क्षेपमा, एजेन्टहरूले तपाइँलाई बढी गर्न अनुमति दिन्छन् — स्वचालनलाई अर्को स्तरसम्म लाने, वातावरणबाट सिक्ने र अनुकूल हुने थप बुद्धिमान प्रणालीहरू सिर्जना गर्ने।

कसरी छिटो प्रोटोटाइप बनाउने, दोहोर्याउने, र एजेन्टको क्षमताहरू सुधार्ने?

यो छिटो परिवर्तन हुने क्षेत्र हो, तर धेरै एआई एजेन्ट फ्रेमवर्कहरूमा साझा केही तत्वहरू छन् जसले तपाइँलाई छिटो प्रोटोटाइप र दोहोर्याउन मद्दत गर्छन् — मुख्यतः मोडुलर कम्पोनेन्टहरू, सहकारी उपकरणहरू, र रियल-टाइम सिकाइ। यीमा डुब्नुस्:

मोडुलर कम्पोनेन्टहरू प्रयोग गर्नुहोस्

Microsoft एजेन्ट फ्रेमवर्क जस्ता SDKs ले AI कनेक्टर्स, टुल परिभाषाहरू, र एजेन्ट व्यवस्थापन जस्ता पूर्व-निर्मित कम्पोनेन्टहरू प्रस्ताव गर्दछन्।

टीमहरू यसलाई कसरी प्रयोग गर्न सक्छन्: टीमहरूले ती कम्पोनेन्टहरू छिटो जोडेर कुनै कार्यशील प्रोटोटाइप बनाउन सक्छन् बिना सुरुदेखि नै बनाउनु पर्ने, जसले छिटो प्रयोग र दोहोर्याउने सम्भावना दिन्छ।

व्यावहारिक रूपमा यसले कसरी काम गर्छ: तपाइँ प्रयोगकर्ताबाट सूचना निकालनको लागि पूर्व-निर्मित पार्सर प्रयोग गर्न सक्नुहुन्छ, डाटा भण्डारण र पुन:प्राप्तिका लागि मेमोरी मोड्युल प्रयोग गर्न सक्नुहुन्छ, र प्रयोगकर्तासँग अन्तरक्रिया गर्न प्रॉम्प्ट जेनेरेटर प्रयोग गर्न सक्नुहुन्छ — ती सबै बिना सुरुदेखि नै यी कम्पोनेन्टहरू निर्माण गर्नुपर्दा।

उदाहरण कोड. तपाइँ Microsoft एजेन्ट फ्रेमवर्क कसरी प्रयोग गरेर AzureAIProjectAgentProvider सँग मोड्युलर तरिकाले मोडललाई प्रयोगकर्ताको इनपुटमा टुल कलिङ्गका साथ प्रतिक्रिया गराउन सकिन्छ भन्ने उदाहरण हेरौं:

# माइक्रोसफ्ट एजेन्ट फ्रेमवर्क पायथन उदाहरण

import asyncio
import os
from typing import Annotated

from agent_framework.azure import AzureAIProjectAgentProvider
from azure.identity import AzureCliCredential


# यात्रा बुक गर्नको लागि नमूना उपकरण फंक्शन परिभाषित गर्नुहोस्
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 = AzureAIProjectAgentProvider(credential=AzureCliCredential())
    agent = await provider.create_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)
    # उदाहरण आउटपुट: January 1, 2025 मा न्यूयोर्कको लागि तपाईंको उडान सफलतापूर्वक बुक गरिएको छ। सुरक्षित यात्रा गर्नुहोस्! ✈️🗽


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

यस उदाहरणबाट तपाइँले देख्न सक्नुहुन्छ कि कसरी पूर्व-निर्मित पार्सर प्रयोग गरेर प्रयोगकर्ताको इनपुटबाट महत्वपूर्ण जानकारी निकाल्न सकिन्छ, जस्तै उडान बुकिङ अनुरोधको मूल स्थान, गन्तव्य, र मिति। यो मोडुलर दृष्टिकोणले तपाइँलाई उच्च-स्तरीय तर्कमा केन्द्रित हुन अनुमति दिन्छ।

सहयोगी उपकरणहरू प्रयोग गर्नुहोस्

Microsoft एजेन्ट फ्रेमवर्क जस्ता फ्रेमवर्कहरूले बहु एजेन्टहरू सिर्जना गर्न र तिनीहरूलाई सँगै काम गराउन सहज बनाउँछन्।

टीमहरू यसलाई कसरी प्रयोग गर्न सक्छन्: टीमहरूले विशिष्ट भूमिका र कार्यहरू भएका एजेन्टहरू डिजाइन गर्न सक्छन्, जसले तिनीहरूलाई सहकारी कार्यप्रवाहहरू परीक्षण र परिमार्जन गर्न र समग्र प्रणाली दक्षता सुधार गर्न सक्षम बनाउँछ।

व्यावहारिक रूपमा यसले कसरी काम गर्छ: तपाइँ एजेन्टहरूको टोली सिर्जना गर्न सक्नुहुन्छ जहाँ प्रत्येक एजेन्टसँग विशेष कार्य हुनेछ, जस्तै डाटा पुन:प्राप्ति, विश्लेषण, वा निर्णय-निर्माण। यी एजेन्टहरूले सामान्य लक्ष्य, जस्तै प्रयोगकर्ताको प्रश्नको उत्तर दिनु वा कुनै कार्य पूरा गर्नुका लागि सञ्चार र जानकारी साझेदारी गर्न सक्छन्।

उदाहरण कोड (Microsoft Agent Framework):

# माइक्रोसफ्ट एजेन्ट फ्रेमवर्क प्रयोग गरेर सँगै काम गर्ने धेरै एजेन्टहरू सिर्जना गर्दै

import os
from agent_framework.azure import AzureAIProjectAgentProvider
from azure.identity import AzureCliCredential

provider = AzureAIProjectAgentProvider(credential=AzureCliCredential())

# डाटा पुन:प्राप्ति एजेन्ट
agent_retrieve = await provider.create_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

# डाटा विश्लेषण एजेन्ट
agent_analyze = await provider.create_agent(
    name="dataanalysis",
    instructions="Analyze the retrieved data and provide insights.",
    tools=[analyze_tool],
)

# कार्यमा एजेन्टहरूलाई पालोमा चलाउनुहोस्
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)

पहिलेको कोडमा तपाइँ देख्नुहुनेछ कसरी बहु एजेन्टहरूले सँगै काम गरेर डाटा विश्लेषण गर्ने कार्य सिर्जना गर्न सकिन्छ। प्रत्येक एजेन्टले विशेष फङ्सन प्रदर्शन गर्दछ, र चाहिएको नतिजा हासिल गर्न एजेन्टहरूको समन्वयले कार्य सञ्चालन गर्दछ। विशेष भूमिकाहरू भएका समर्पित एजेन्टहरू सिर्जना गरेर तपाइँ कार्य दक्षता र प्रदर्शन सुधार गर्न सक्नुहुन्छ।

वास्तविक समयमा सिक्नुहोस्

उन्नत फ्रेमवर्कहरूले वास्तविक-समय प्रसंग बुझाइ र अनुकूलनका लागि क्षमता दिन्छन्।

टीमहरू यसलाई कसरी प्रयोग गर्न सक्छन्: टीमहरूले तिनमा प्रतिकृया लूपहरू लागू गर्न सक्छन् जहाँ एजेन्टहरूले अन्तरक्रियाबाट सिक्छन् र आफ्नो व्यवहार गतिशील रूपमा समायोजन गर्छन्, जसले निरन्तर सुधार र क्षमता परिष्करणतर्फ लैजान्छ।

व्यावहारिक रूपमा यसले कसरी काम गर्छ: एजेन्टहरूले प्रयोगकर्ता प्रतिकृया, वातावरणीय डाटा, र कार्य नतिजाहरू विश्लेषण गरेर आफ्नो ज्ञान आधार अपडेट गर्न, निर्णय-निर्माण एल्गोरिदम समायोजन गर्न, र समयसँगै प्रदर्शन सुधार गर्न सक्छन्। यो दोहोरिने सिकाइ प्रक्रिया एजेन्टहरूलाई परिवर्तनशील अवस्थाहरू र प्रयोगकर्ता प्राथमिकताहरूमा अनुकूल हुन सक्षम बनाउँछ, जसले समग्र प्रणाली प्रभावकारिता बढाउँछ।

Microsoft एजेन्ट फ्रेमवर्क र Azure AI Agent सेवाबीच के फरक छन्?

यी दृष्टिकोणहरू तुलना गर्ने धेरै तरिकाहरू छन्, तर तिनीहरूको डिजाइन, क्षमताहरू, र लक्षित प्रयोग केसहरूको हिसाबले केही मुख्य फरकहरू हेरौं:

Microsoft एजेन्ट फ्रेमवर्क (MAF)

Microsoft एजेन्ट फ्रेमवर्कले AzureAIProjectAgentProvider प्रयोग गरेर एआई एजेन्टहरू निर्माण गर्नका लागि एक सरल SDK प्रदान गर्छ। यसले विकासकर्ताहरूलाई Azure OpenAI मोडेलहरू प्रयोग गरेर उपकरण कलिङ्ग, संवाद व्यवस्थापन, र Azure पहिचानमार्फत एेन्टर्प्राइज-ग्रेड सुरक्षा सहित एजेन्टहरू सिर्जना गर्न सक्षम बनाउँछ।

प्रयोग केसहरू: उपकरण प्रयोग, बहु-चरण कार्यप्रवाहहरू, र एंटरप्राइज़ एकीकरण सिनारियोहरूसँग उत्पादन-तयार एआई एजेन्टहरू निर्माण गर्ने।

यहाँ Microsoft एजेन्ट फ्रेमवर्कका केही महत्वपूर्ण कोर अवधारणाहरू छन्:

Azure AI Agent सेवा

Azure AI Agent सेवा हालै थपिएको सेवा हो, जुन Microsoft Ignite 2024 मा परिचित गराइयो। यसले अधिक लचिलो मोडेलहरू जस्तै Llama 3, Mistral, र Cohere जस्ता खुला स्रोत LLMs लाई प्रत्यक्ष कल गर्ने क्षमता सहित एआई एजेन्टहरूको विकास र तैनातीको अनुमति दिन्छ।

Azure AI Agent सेवाले बलियो एंटरप्राइज सुरक्षा संयन्त्रहरू र डाटा भण्डारण विधिहरू प्रदान गर्दछ, जसले यसलाई एंटरप्राइज अनुप्रयोगहरूको लागि उपयुक्त बनाउँछ।

यो आउट-ऑफ-द-बक्स Microsoft एजेन्ट फ्रेमवर्कसँग काम गर्दछ एजेन्टहरू निर्माण र तैनातीका लागि।

यो सेवा हाल Public Preview मा छन् र एजेन्टहरू निर्माण गर्न Python र C# लाई समर्थन गर्छ।

Azure AI Agent Service Python SDK प्रयोग गरेर, हामी प्रयोगकर्ता-परिभाषित उपकरणसहित एजेन्ट सिर्जना गर्न सक्छौं:

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

# उपकरण कार्यहरू परिभाषित गर्नुहोस्
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-4o-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())

मुख्य अवधारणाहरू

Azure AI Agent सेवाको निम्न मुख्य अवधारणाहरू छन्:

प्रयोग केसहरू: Azure AI Agent सेवा सुरक्षित, स्केलेबल, र लचिलो एआई एजेन्ट तैनाती आवश्यक पर्ने एंटरप्राइज अनुप्रयोगहरूको लागि डिजाइन गरिएको हो।

यी दृष्टिकोणहरू बीच के फरक छ?

तपाइँले ओभरल्याप सुनिन सक्छ, तर डिजाइन, क्षमताहरू, र लक्षित प्रयोग केसहरूका हिसाबले केही प्रमुख फरकहरू छन्:

अझै कन्फ्युज भएको?

प्रयोग केसहरू

हामीले केही सामान्य प्रयोग केसहरू मार्फत तपाइँलाई मद्दत गर्न सक्छौं कि छैन हेर्नुहोस्:

Q: म उत्पादन-तयार एआई एजेन्ट अनुप्रयोगहरू निर्माण गर्दैछु र छिटो सुरु गर्न चाहन्छु

A: Microsoft एजेन्ट फ्रेमवर्क उत्कृष्ट विकल्प हो। यसले AzureAIProjectAgentProvider मार्फत सरल, Python-मैत्री API प्रदान गर्छ जसले तपाइँलाई केही लाइनको कोडमा उपकरणहरू र निर्देशनहरूसहित एजेन्ट परिभाषित गर्न दिन्छ।

Q: मलाई Azure एकीकरण जस्ता Search र कोड निष्पादनसँग एंटरप्राइज़-ग्रेड तैनाती चाहिन्छ

A: Azure AI Agent सेवा उत्तम उपयुक्त छ। यो एउटा प्लेटफर्म सेवा हो जसले बहु मोडेलहरू, Azure AI Search, Bing Search र Azure Functions का लागि बिल्ट-इन क्षमताहरू प्रदान गर्छ। यसले Foundry पोर्टलमा तपाइँका एजेन्टहरू बनाउन र तिनलाई स्केलमा तैनात गर्न सजिलो बनाउँछ।

Q: म अझै पनि भ्रमित छु, केवल एउटा विकल्प दिनुहोस्

A: Microsoft एजेन्ट फ्रेमवर्कबाट सुरु गर्नुहोस् तपाइँका एजेन्टहरू निर्माण गर्न, र त्यसपछि उत्पादनमा तैनाती र स्केलिङ आवश्यक पर्दा Azure AI Agent सेवा प्रयोग गर्नुहोस्। यसले तपाइँलाई एजेन्ट तर्कमा छिटो दोहोर्याउन दिन्छ जबकि एंटरप्राइज तैनातीतर्फ स्पष्ट बाटो पनि प्रदान गर्छ।

Let’s summarize the key differences in a table:

Framework Focus Core Concepts Use Cases
Microsoft Agent Framework Streamlined agent SDK with tool calling Agents, Tools, Azure Identity Building AI agents, tool use, multi-step workflows
Azure AI Agent Service Flexible models, enterprise security, Code generation, Tool calling Modularity, Collaboration, Process Orchestration Secure, scalable, and flexible AI agent deployment

के म मेरो विद्यमान Azure इकोसिस्टम उपकरणहरूलाई प्रत्यक्ष रूपमा एकीकृत गर्न सक्छु, वा मलाई स्वतन्त्र समाधानहरू आवश्यक पर्छ?

जवाफ हो, तपाईंले आफ्नो अवस्थित Azure परिसरी उपकरणहरू Azure AI Agent Service सँग सिधै एकीकृत गर्न सक्नुहुन्छ, विशेषगरी यो अन्य Azure सेवाहरूसँग सहज रूपमा काम गर्न बनाइएको छ। उदाहरणका लागि तपाईं Bing, Azure AI Search, र Azure Functions लाई एकीकृत गर्न सक्नुहुन्छ। Microsoft Foundry सँग पनि गहिरो एकीकरण छ।

Microsoft Agent Framework ले पनि AzureAIProjectAgentProvider र Azure identity मार्फत Azure सेवाहरूसँग एकीकृत हुन्छ, र यसले तपाईंलाई आफ्नो एजेन्ट उपकरणहरूबाट सिधै Azure सेवाहरू कल गर्न अनुमति दिन्छ।

नमूना कोडहरू

AI एजेन्ट फ्रेमवर्कहरू सम्बन्धी थप प्रश्नहरू?

अन्य सिक्नेहरूसँग भेट गर्न, अफिस आवरहरूमा सहभागी हुन र आफ्नो AI एजेन्टहरू सम्बन्धी प्रश्नहरूको उत्तर पाउनको लागि Microsoft Foundry Discord मा सहभागी हुनुहोस्।

सन्दर्भहरू

अघिल्लो पाठ

AI एजेन्टहरू र एजेन्ट प्रयोग केसहरूको परिचय

अर्को पाठ

एजेन्टिक डिजाइन ढाँचाहरू बुझ्ने

अस्वीकरण: यो दस्तावेज AI अनुवाद सेवा Co-op Translator प्रयोग गरी अनुवाद गरिएको हो। हामी शुद्धताको लागि प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादमा त्रुटि वा अनिश्चितता हुन सक्छ। मूल दस्तावेजलाई त्यसको मूल भाषामा प्राधिकृत स्रोत मानिनु पर्छ। महत्वपूर्ण जानकारीको लागि पेशेवर मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न कुनै पनि भ्रम वा गलत व्याख्याका लागि हामी उत्तरदायी छैनौं।

This site is open source. Improve this page.