ai-agents-for-beginners

(यस पाठको भिडियो हेर्न माथिको तस्वीरमा क्लिक गर्नुहोस्)

AI एजेन्ट फ्रेमवर्कहरू अन्वेषण गर्नुहोस्

AI एजेन्ट फ्रेमवर्कहरू सफ्टवेयर प्लेटफर्महरू हुन् जुन AI एजेन्टहरूको सिर्जना, परिनियोजन, र व्यवस्थापन सजिलो बनाउन डिजाइन गरिएका छन्। यी फ्रेमवर्कहरूले विकासकर्ताहरूलाई पूर्वनिर्मित कम्पोनेन्टहरू, अमूर्तताहरू, र उपकरणहरू उपलब्ध गराउँछन् जसले जटिल AI प्रणालीहरूको विकासलाई सरल बनाउँछन्।

यी फ्रेमवर्कहरूले विकासकर्ताहरूलाई AI एजेन्ट विकासमा सामान्य चुनौतीहरूको लागि मानकीकृत दृष्टिकोणहरू प्रदान गरेर आफ्ना अनुप्रयोगहरूको अनौठा पक्षहरूमा ध्यान केन्द्रित गर्न मद्दत गर्छन्। यसले AI प्रणालीहरूको स्केलेबिलिटी, पहुँचयोग्यता, र दक्षता सुधार गर्दछ।

परिचय

यस पाठमा समेटिने कुरा:

AI एजेन्ट फ्रेमवर्कहरू के हुन् र ती विकासकर्ताहरूले के हासिल गर्न सक्दछन्?
टोलीहरूले एजेन्टको क्षमता छिटो प्रोटोटाइप, पुनरावृत्ति, र सुधार गर्न यी कसरी प्रयोग गर्न सक्छन्?
माइक्रोसफ्ट द्वारा सिर्जित फ्रेमवर्कहरू र उपकरणहरू बीच के फरक छन् (Microsoft Foundry Agent Service र Microsoft Agent Framework)?
के म मेरो अवस्थित Azure इकोसिस्टम उपकरणहरू सीधै एकीकृत गर्न सक्छु, वा मलाई स्वतन्त्र समाधानहरूको आवश्यकता छ?
Microsoft Foundry Agent Service के हो र यसले मलाई कसरी सहयोग गरिरहेको छ?

सिकाइका उद्देश्यहरू

यस पाठको उद्देश्य तपाईंलाई बुझ्न मद्दत गर्नु हो:

AI विकासमा AI एजेन्ट फ्रेमवर्कहरूको भूमिका।
बुद्धिमान एजेन्टहरू निर्माण गर्न AI एजेन्ट फ्रेमवर्कहरूको कसरी प्रयोग गर्ने।
AI एजेन्ट फ्रेमवर्कहरूले सक्षम गर्ने मुख्य क्षमताहरू।
Microsoft Agent Framework र Microsoft Foundry Agent Service बीचका भिन्नताहरू।

AI एजेन्ट फ्रेमवर्कहरू के हुन् र तिनीहरूले विकासकर्ताहरूलाई के गर्न सक्षम पार्छन्?

परम्परागत AI फ्रेमवर्कहरूले तपाईंलाई AI लाई तपाईंका अनुप्रयोगहरूमा समावेश गर्न र यी अनुप्रयोगहरूलाई निम्न तरिकाले सुधार गर्न मद्दत गर्छन्:

व्यक्तिगतकरण: AI ले प्रयोगकर्ताको व्यवहार र प्राथमिकताहरू विश्लेषण गरेर व्यक्तिगत सिफारिसहरू, सामग्री, र अनुभवहरू प्रदान गर्न सक्छ। उदाहरण: Netflix जस्ता स्ट्रिमिङ सेवाहरूले हेर्ने इतिहासको आधारमा फिल्म र शोहरू सिफारिस गर्न AI प्रयोग गर्छन्, जसले प्रयोगकर्ताको सहभागिता र सन्तुष्टि बढाउँछ।
स्वचालन र दक्षता: AI ले दोहोरिने कार्यहरू स्वचालित गर्न, कार्यप्रवाहहरू सरल बनाउन, र सञ्चालनको दक्षता सुधार गर्न सक्छ। उदाहरण: ग्राहक सेवा अनुप्रयोगहरूले सामान्य प्रश्नहरूको ह्यान्डल गर्न AI-समर्थित च्याटबोटहरू प्रयोग गर्छन्, जसले प्रतिक्रिया समय घटाउँछ र मानव एजेन्टहरूलाई बढी जटिल समस्या समाधानका लागि स्वतन्त्र बनाउँछ।
सुधारिएको प्रयोगकर्ता अनुभव: AI ले आवाज पहिचान, प्राकृतिक भाषा प्रशोधन, र पूर्वानुमानित पाठ जस्ता बुद्धिमान विशेषताहरू प्रदान गरेर समग्र प्रयोगकर्ता अनुभव सुधार गर्न सक्छ। उदाहरण: Siri र Google Assistant जस्ता भर्चुअल सहायकहरूले आवाज आदेश बुझ्न र जवाफ दिन AI प्रयोग गर्छन्, जसले प्रयोगकर्ताहरूलाई आफ्ना उपकरणहरूसँग सहज अन्तरक्रिया गर्न अनुमति दिन्छ।

सबै राम्रो सुनिन्छ हैन, यति भए पनि हामीलाई AI एजेन्ट फ्रेमवर्क किन चाहिन्छ?

AI एजेन्ट फ्रेमवर्कहरू केवल AI फ्रेमवर्कहरू मात्र होइनन्। तिनीहरू बुद्धिमान एजेन्टहरूको सिर्जना सक्षम गर्न डिजाइन गरिएका छन् जसले प्रयोगकर्ताहरू, अन्य एजेन्टहरू, र वातावरणसँग अन्तरक्रिया गर्न सक्छन् र विशिष्ट लक्ष्यहरू हासिल गर्न सक्छन्। यी एजेन्टहरूले स्वायत्त व्यवहार प्रदर्शन गर्न, निर्णय लिन, र परिवर्तनशील परिस्थितिहरूमा अनुकूल हुन सक्छन्। AI एजेन्ट फ्रेमवर्कहरूले सक्षम गर्ने केहि मुख्य क्षमताहरू हेर्नुहोस्:

एजेन्ट सहकार्य र समन्वय: धेरै AI एजेन्टहरू सिर्जना गर्ने क्षमता दिन्छ जुन मिलेर काम गर्न, सञ्चार गर्न, र जटिल कार्यहरू समाधान गर्न सँगै समन्वय गर्न सक्छन्।
कार्य स्वचालन र व्यवस्थापन: बहु-चरण कार्यप्रवाहहरू स्वचालित गर्न, कार्य सुम्पन, र एजेन्टहरू बीच गतिशील कार्य व्यवस्थापनका लागि यन्त्रहरू प्रदान गर्छ।
संदर्भगत बुझाइ र अनुकूलन: एजेन्टहरूलाई सन्दर्भ बुझ्ने, परिवर्तित वातावरणमा अनुकूल हुन, र वास्तविक-समय सूचना आधारमा निर्णय लिन सक्षम बनाउँछ।

सारांशमा, एजेन्टहरूले तपाईंलाई बढी गर्न, स्वचालनलाई अर्को तहमा लैजान, र अधिक बुद्धिमान प्रणालीहरू सिर्जना गर्न अनुमति दिन्छन् जसले वातावरणबाट सिक्न र अनुकूल गर्न सक्छन्।

कसरी छिटो प्रोटोटाइप बनाउन, पुनरावृत्ति गर्न र एजेन्टको क्षमता सुधार गर्ने?

यो छिटो गतिमा विकसित हुने क्षेत्र हो, तर धेरै AI एजेन्ट फ्रेमवर्कहरूमा साझा केहि तत्वहरू छन् जसले तपाईंलाई छिटो प्रोटोटाइप र पुनरावृत्ति गर्न मद्दत गर्न सक्छन् जस्तै मोड्युल कम्पोनेन्टहरू, सहकार्य उपकरणहरू, र वास्तविक-समय सिकाइ। यीमा हेरौं:

मोड्युलर कम्पोनेन्टहरू प्रयोग गर्नुहोस्: AI SDKहरूले AI र मेमोरी कनेक्टरहरू, प्राकृतिक भाषा वा कोड प्लगइनबाट फङ्शन कलिङ, प्रम्प्ट टेम्प्लेटहरू, र थप पूर्वनिर्मित कम्पोनेन्टहरू प्रदान गर्छन्।
सहकार्य उपकरणहरूको फाइदा लिनुहोस्: विशिष्ट भूमिका र कार्यका साथ एजेन्ट डिजाइन गर्नुहोस् जसले सहकार्यशील कार्यप्रवाहहरू परीक्षण र सुधार गर्न सक्षम बनाउँछ।
वास्तविक-समय सिक्नुहोस्: प्रतिक्रियाको लूपहरू लागू गर्नुहोस् जहाँ एजेन्टहरूले अन्तरक्रियाबाट सिक्छन् र आफ्ना व्यवहारहरू गतिशील रूपमा समायोजन गर्छन्।

मोड्युलर कम्पोनेन्टहरू प्रयोग गर्नुहोस्

माइक्रोसफ्ट एजेन्ट फ्रेमवर्कजस्ता SDKहरूले AI कनेक्टरहरू, उपकरण परिभाषाहरू, र एजेन्ट व्यवस्थापनका पूर्वनिर्मित कम्पोनेन्टहरू प्रदान गर्छन्।

टोलीहरूले यसलाई कसरी प्रयोग गर्न सक्छन्: टोलीहरूले यी कम्पोनेन्टहरू छिटो जम्मा गरेर कार्यशील प्रोटोटाइप बनाउन सक्छन्, शुरुदेखि निर्माण गर्नु आवश्यक छैन, जसले तीव्र परीक्षण र पुनरावृत्ति सम्भव बनाउँछ।

व्यावहारिक रूपमा कसरी काम गर्छ: तपाईंले पूर्वनिर्मित पार्सर प्रयोग गरेर प्रयोगकर्ताको इनपुटबाट जानकारी निकाल्न, मेमोरी मोड्युल प्रयोग गरेर डेटा भण्डारण र पुनःप्राप्त गर्न, र प्रयोगकर्तासँग अन्तरक्रिया गर्न प्रम्प्ट जेनेरेटर प्रयोग गर्न सक्नुहुन्छ, सबै कम्पोनेन्टहरू शुरुदेखि बनाए बिना।

उदाहरण कोड. माइक्रोसफ्ट एजेन्ट फ्रेमवर्कलाई FoundryChatClient सँग कसरी प्रयोग गर्ने उदाहरण हेरौं जसले उपकरण कलसहित प्रयोगकर्ताको इनपुटमा प्रतिक्रिया दिन्छ:

# Microsoft Agent Framework पाइथन उदाहरण

import asyncio
import os

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


# यात्रा बुक गर्नको लागि एउटा नमूना उपकरण कार्य परिभाषित गर्नुहोस्
@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)
    # उदाहरण आउटपुट: तपाईंको जनवरी १, २०२५ को लागि नियू योर्क उडान सफलतापूर्वक बुक गरिएको छ। सुरक्षित यात्रा! ✈️🗽


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

यस उदाहरणबाट तपाईंले देख्न सक्नुहुन्छ कि पूर्वनिर्मित पार्सरलाई कसरी प्रयोगकर्ताको इनपुटबाट प्रमुख जानकारी निकाल्न प्रयोग गर्न सकिन्छ, जस्तै उडान बुकिंग अनुरोधको मूल, गन्तव्य, र मिति। यस मोड्युलर दृष्टिकोणले तपाईंलाई उच्च-स्तरीय तर्कमा ध्यान केन्द्रित गर्न अनुमति दिन्छ।

सहकार्य उपकरणहरूको फाइदा लिनुहोस्

माइक्रोसफ्ट एजेन्ट फ्रेमवर्कजस्ता फ्रेमवर्कहरूले एकैसाथ काम गर्न सक्ने धेरै एजेन्टहरूको सिर्जना सजिलो बनाउँछन्।

टोलीहरूले यसलाई कसरी प्रयोग गर्न सक्छन्: टोलीहरूले विशिष्ट भूमिका र कार्यहरूसहित एजेन्टहरू डिजाइन गर्न सक्छन् जसले सहकार्ययोग्य कार्यप्रवाहहरू परीक्षण र सुधार गर्न र प्रणालीको समग्र दक्षता बढाउन मद्दत गर्छ।

व्यावहारिक रूपमा कसरी काम गर्छ: तपाईंले एउटा टोली बनाउन सक्नुहुन्छ जहाँ प्रत्येक एजेन्टले डेटा पुनःप्राप्ति, विश्लेषण, वा निर्णय-निर्माण जस्ता विशेष कार्य गर्दछ। यी एजेन्टहरूले सञ्चार गर्न र साझा जानकारी प्रयोग गरेर साझा लक्ष्य हासिल गर्न सक्छन् जस्तै प्रयोगकर्ता सोधपुछको जवाफ दिन वा कुनै कार्य पूरा गर्न।

उदाहरण कोड (माइक्रोसफ्ट एजेन्ट फ्रेमवर्क):

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

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(),
)

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

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

# कार्यमा एजेन्टहरूलाई क्रमानुसार 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)

अघिल्लो कोडमा तपाईंले देख्न सक्नुहुन्छ कि कसरी बहुप्रतिनिधि कार्य सिर्जना गर्ने जुन डेटा विश्लेषण गर्न मिलेर काम गर्छन्। प्रत्येक एजेन्टले विशेष कार्य गर्दछ, र कार्य एजेन्टहरूलाई समन्वय गरेर सञ्चालन गरिन्छ जसले आवश्यक परिणाम प्राप्त गर्दछ। विशेष भूमिकाहरू साथ समर्पित एजेन्टहरू सिर्जना गरेर, तपाईं कार्य दक्षता र प्रदर्शन सुधार गर्न सक्नुहुन्छ।

वास्तविक-समयमा सिक्नुहोस्

उन्नत फ्रेमवर्कहरूले वास्तविक-समय सन्दर्भ बुझाइ र अनुकूलनका लागि क्षमताहरू प्रदान गर्छन्।

टोलीहरूले यसलाई कसरी प्रयोग गर्न सक्छन्: टोलीहरूले प्रतिक्रियाको लूपहरू लागू गर्न सक्छन् जहाँ एजेन्टहरूले अन्तरक्रियाबाट सिक्छन् र आफ्ना व्यवहारहरू गतिशील रूपमा समायोजन गर्छन्, जसले निरन्तर सुधार र क्षमताहरूको शुद्धीकरण ल्याउँछ।

व्यावहारिक रूपमा कसरी काम गर्छ: एजेन्टहरूले प्रयोगकर्ता प्रतिक्रिया, वातावरण डेटा, र कार्य नतिजाहरू विश्लेषण गर्न सक्छन्, तिनीहरूको ज्ञान आधार अपडेट गर्न, निर्णय-निर्माण एल्गोरिदम समायोजन गर्न, र समयक्रमसँग प्रदर्शन सुधार गर्न सक्छन्। पाँच कृषि प्रक्रियाले एजेन्टहरूलाई परिवर्तनशील अवस्था र प्रयोगकर्ता प्राथमिकताहरूसँग अनुकूल हुन सक्षम बनाउँछ, जसले समग्र प्रणाली प्रभावकारिता सुधार गर्छ।

माइक्रोसफ्ट एजेन्ट फ्रेमवर्क र माइक्रोसफ्ट फाउन्ड्री एजेन्ट सेवाबीच के फरक छ?

यी दुवै दृष्टिकोणहरू तुलना गर्ने धेरै तरिकाहरू छन्, तर तिनीहरूको डिजाइन, क्षमताहरू, र लक्षित प्रयोग केसहरूका केही मुख्य भिन्नताहरू हेरौं:

माइक्रोसफ्ट एजेन्ट फ्रेमवर्क (MAF)

माइक्रोसफ्ट एजेन्ट फ्रेमवर्कले FoundryChatClient प्रयोग गरी AI एजेन्टहरू निर्माण गर्न एक सादगीपूर्ण SDK प्रदान गर्दछ। यसले विकासकर्ताहरूलाई Azure OpenAI मोडेलहरू प्रयोग गर्ने एजेन्टहरू सिर्जना गर्न सक्षम पार्दछ जसमा निर्मित उपकरण कलिङ, संवाद व्यवस्थापन, र Azure पहिचानमार्फत उद्यम-ग्रेड सुरक्षा हुन्छ।

प्रयोग केसहरू: उत्पादन-तयार AI एजेन्टहरू उपकरण प्रयोग, बहु-चरण कार्यप्रवाहहरू, र उद्यम समाकलन परिदृश्यहरूसहित निर्माण गर्ने।

माइक्रोसफ्ट एजेन्ट फ्रेमवर्कका केहि महत्वपूर्ण मुख्य अवधारणाहरू यस्ता छन्:

एजेन्टहरू। FoundryChatClient मार्फत एजेन्ट सिर्जना गरिन्छ र नाम, निर्देशनहरू, र उपकरणहरूसँग कन्फिगर गरिन्छ। एजेन्टले गर्न सक्छ:
- प्रयोगकर्ता सन्देशहरू प्रशोधन गर्न र Azure OpenAI मोडेलहरू प्रयोग गरी प्रतिक्रिया उत्पन्न गर्न।
- स्वचालित रूपमा उपकरणहरू कल गर्न वार्तालाप सन्दर्भ अनुसार।
- विभिन्न अन्तरक्रियाहरूमा संवाद अवस्था कायम राख्न।
यसरी एजेन्ट सिर्जना कसरी गर्ने कोड स्निपेट यहाँ छ:
```
  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(),
  )
  agent = provider.as_agent(
      name="my_agent",
      instructions="You are a helpful assistant.",
  )

  response = await agent.run("Hello, World!")
  print(response)
```
उपकरणहरू। फ्रेमवर्कले पाइथन फङ्शनहरूको रूपमा उपकरण परिभाषित गर्न र एजेन्टले तिनीहरूलाई स्वचालित रूपमा कल गर्न अनुमति दिन्छ। उपकरणहरू एजेन्ट सिर्जना गर्दा दर्ता गरिन्छ:
```
  def get_weather(location: str) -> str:
      """Get the current weather for a location."""
      return f"The weather in {location} is sunny, 72\u00b0F."

  agent = provider.as_agent(
      name="weather_agent",
      instructions="Help users check the weather.",
      tools=[get_weather],
  )
```

बहु-एजेन्ट समन्वय। तपाईं फरक विशेषज्ञता भएका धेरै एजेन्टहरू सिर्जना गर्न र तिनीहरूको काम समन्वय गर्न सक्नुहुन्छ:

  planner = provider.as_agent(
      name="planner",
      instructions="Break down complex tasks into steps.",
  )

  executor = provider.as_agent(
      name="executor",
      instructions="Execute the planned steps using available tools.",
      tools=[execute_tool],
  )

  plan = await planner.run("Plan a trip to Paris")
  result = await executor.run(f"Execute this plan: {plan}")

Azure पहिचान एकीकरण। फ्रेमवर्कले AzureCliCredential (वा DefaultAzureCredential) प्रयोग गरेर सुरक्षित, कुञ्जी रहित प्रमाणीकरण गर्छ, जसले API कुञ्जीहरू सिधै व्यवस्थापन गर्न आवश्यकतालाई हटाउँछ।

माइक्रोसफ्ट फाउन्ड्री एजेन्ट सेवा

माइक्रोसफ्ट फाउन्ड्री एजेन्ट सेवा माइक्रोसफ्ट Ignite 2024 मा परिचित गराइएको नयाँ सेवा हो। यसले फरक मोडेलहरू प्रयोग गरेर AI एजेन्ट विकास र परिनियोजन गर्न अनुमति दिन्छ, जस्तै Llama 3, Mistral, र Cohere जस्ता खुला स्रोत LLMs सिधै कल गर्न सकिन्छ।

माइक्रोसफ्ट फाउन्ड्री एजेन्ट सेवाले बलियो उद्यम सुरक्षा संयन्त्रहरू र डेटा भण्डारण विधिहरू प्रदान गर्छ, जसले यसलाई उद्यम अनुप्रयोगहरूमाका लागि उपयुक्त बनाउँछ।

यो माइक्रोसफ्ट एजेन्ट फ्रेमवर्कसँग आउट-अफ-द-बक्स काम गर्छ जसले एजेन्टहरू निर्माण र परिनियोजन गर्न सहज बनाउँछ।

यो सेवा हाल सार्वजनिक प्रिभ्यूमा छ र एजेन्टहरू निर्माणका लागि Python र C# समर्थन गर्छ।

माइक्रोसफ्ट फाउन्ड्री एजेन्ट सेवा Python SDK प्रयोग गरेर प्रयोगकर्ता-परिभाषित उपकरणसहित एजेन्ट सिर्जना गर्न सकिन्छ:

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-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())

मुख्य अवधारणाहरू

माइक्रोसफ्ट फाउन्ड्री एजेन्ट सेवाका मुख्य अवधारणाहरू यस्ता छन्:

एजेन्ट। माइक्रोसफ्ट फाउन्ड्रीसँग एकीकृत, AI एजेन्ट “स्मार्ट” माइक्रोसर्भिसको रूपमा कार्य गर्छ जसले प्रश्नहरूको जवाफ दिन (RAG), कार्य गर्नु, वा पूर्ण स्वचालित कार्यप्रवाहहरू सञ्चालन गर्न सक्छ। यसले जेनेरेटिभ AI मोडेलहरूको शक्ति उपकरणहरूसँग संयोजन गरेर यथार्थ विश्वका डाटा स्रोतहरूमा पहुँच र अन्तरक्रिया गर्न सक्छ। एउटा एजेन्टको उदाहरण यहाँ छ:
```
  agent = project_client.agents.create_agent(
      model="gpt-4.1-mini",
      name="my-agent",
      instructions="You are helpful agent",
      tools=code_interpreter.definitions,
      tool_resources=code_interpreter.resources,
  )
```
यस उदाहरणमा, gpt-4.1-mini मोडेल, my-agent नाम, र निर्देश You are helpful agent प्रयोग गरेर एजेन्ट सिर्जना गरिएको छ। एजेन्टलाई कोड व्याख्या कार्यहरू प्रदर्शन गर्न उपकरणहरू र स्रोतहरूसँग सुसज्जित गरिएको छ।
थ्रेड र सन्देशहरू। थ्रेड अर्को महत्वपूर्ण अवधारणा हो। यसले एजेन्ट र प्रयोगकर्ताबीचको संवाद वा अन्तरक्रियालाई प्रतिनिधित्व गर्छ। थ्रेडहरूले संवादको प्रगति ट्र्याक गर्न, सन्दर्भ जानकारी भण्डारण गर्न र अन्तरक्रिया अवस्थाको व्यवस्थापन गर्न प्रयोग गर्न सकिन्छ। थ्रेडको उदाहरण यस्तो छ:
```
  thread = project_client.agents.create_thread()
  message = project_client.agents.create_message(
      thread_id=thread.id,
      role="user",
      content="Could you please create a bar chart for the operating profit using the following data and provide the file to me? Company A: $1.2 million, Company B: $2.5 million, Company C: $3.0 million, Company D: $1.8 million",
  )
    
  # एजेण्टलाई थ्रेडमा काम गर्न भनौं
  run = project_client.agents.create_and_process_run(thread_id=thread.id, agent_id=agent.id)
    
  # एजेण्टको प्रतिक्रिया हेर्न सबै सन्देशहरू ल्याउनुहोस् र लग गर्नुहोस्
  messages = project_client.agents.list_messages(thread_id=thread.id)
  print(f"Messages: {messages}")
```
अघिल्लो कोडमा थ्रेड सिर्जना गरिएको छ। त्यसपछि थ्रेडमा सन्देश पठाइएको छ। create_and_process_run कल गरेर एजेन्टलाई थ्रेडमा कार्य गर्ने अनुरोध गरिएको छ। अन्तमा, सन्देशहरू फेच गरी एजेन्टको प्रतिक्रिया हेर्न लग गरिएको छ। सन्देशहरूले प्रयोगकर्ता र एजेन्ट बीचको संवादको प्रगति जनाउँछन्। सन्देशहरू विभिन्न प्रकारका हुन सक्छन् जस्तै पाठ, छवि, वा फाइल, जुन एजेन्टको कामको परिणाम हुन सक्छ जस्तै टेक्स्ट वा छवि प्रतिक्रिया। विकासकर्ताले यो जानकारी पछि प्रतिक्रिया थप प्रशोधन गर्न वा प्रयोगकर्तालाई प्रस्तुत गर्न प्रयोग गर्न सक्छ।
माइक्रोसफ्ट एजेन्ट फ्रेमवर्कसँग एकीकृत। माइक्रोसफ्ट फाउन्ड्री एजेन्ट सेवा माइक्रोसफ्ट एजेन्ट फ्रेमवर्कसँग सुचारु रूपमा काम गर्छ, जसको अर्थ तपाईं FoundryChatClient प्रयोग गरी एजेन्टहरू निर्माण गरी उत्पादन परिदृश्यहरूका लागि एजेन्ट सेवा मार्फत तिनीहरूलाई परिनियोजन गर्न सक्नुहुन्छ।

प्रयोग केसहरू: माइक्रोसफ्ट फाउन्ड्री एजेन्ट सेवा उद्यम अनुप्रयोगहरूको लागि डिजाइन गरिएको हो जसलाई सुरक्षित, स्केलेबल, र लचिलो AI एजेन्ट परिनियोजनको आवश्यकता हुन्छ।

यी दृष्टिकोणहरू बीच के फरक छ?

ओभरल्याप जस्तो लाग्छ, तर डिजाइन, क्षमताहरू, र लक्षित प्रयोग केसहरूमा मुख्य भिन्नताहरू छन्:

माइक्रोसफ्ट एजेन्ट फ्रेमवर्क (MAF): AI एजेन्टहरू निर्माणका लागि उत्पादन-तयार SDK हो। यसले उपकरण कलिङ, संवाद व्यवस्थापन, र Azure पहिचान एकीकरणका साथ एजेन्टहरू सिर्जना गर्न सुसज्जित API प्रदान गर्छ।
माइक्रोसफ्ट फाउन्ड्री एजेन्ट सेवा: Microsoft Foundry मा एजेन्टहरूको लागि प्लेटफर्म र परिनियोजन सेवा हो। यो Azure OpenAI, Azure AI Search, Bing Search र कोड निष्पादन जस्ता सेवाहरूमा निर्मित कनेक्टिविटी प्रदान गर्छ।

अझै निर्णय गर्न सक्नुभएन?

प्रयोग केसहरू

केही सामान्य प्रयोग केसहरूबाट मद्दत गर्ने प्रयास गरौं:

प्रश्न: म उत्पादन AI एजेन्ट अनुप्रयोगहरू निर्माण गर्दैछु र छिटो शुरु गर्न चाहन्छु

उत्तर: माइक्रोसफ्ट एजेन्ट फ्रेमवर्क उत्तम विकल्प हो। यसले FoundryChatClient मार्फत सरल, पायथनिक API प्रदान गर्छ जसले उपकरण र निर्देशनहरू सहित एजेन्टहरू केही कोड लाइनहरूमा परिभाषित गर्न दिन्छ।

प्रश्न: मलाई Azure इंटिग्रेसनहरू जस्तै Search र कोड निष्पादनसहित उद्यम-ग्रेड परिनियोजन चाहिन्छ

उत्तर: माइक्रोसफ्ट फाउन्ड्री एजेन्ट सेवा उत्तम छ। यो एउटा प्लेटफर्म सेवा हो जसले बहु मोडेलहरू, Azure AI Search, Bing Search र Azure Functions को लागि निर्मित क्षमताहरू प्रदान गर्छ। तपाईं Foundry Portal मा सजिलै एजेन्टहरू निर्माण र स्केलमा परिनियोजन गर्न सक्नुहुन्छ।

प्रश्न: म अझै भ्रममा छु, केवल एउटा विकल्प देऊ

उत्तर: माईक्रोसफ्ट एजेन्ट फ्रेमवर्कबाट एजेन्टहरू निर्माण सुरु गर्नुहोस्, र उत्पादनमा तिनीहरूलाई परिनियोजन र स्केल गर्न माइक्रोसफ्ट फाउन्ड्री एजेन्ट सेवा प्रयोग गर्नुहोस्। यसले तपाईंलाई छिटो एजेन्ट तर्कमा पुनरावृत्ति गर्न र उद्यम परिनियोजनमा स्पष्ट मार्ग राख्न अनुमति दिन्छ।

मुख्य भिन्नताहरूलाई तालिकामा सारांश गरौं:

फ्रेमवर्क	फोकस	मुख्य अवधारणाहरू	प्रयोग केसहरू
माइक्रोसफ्ट एजेन्ट फ्रेमवर्क	उपकरण कलिङसहित सरल एजेन्ट SDK	एजेन्टहरू, उपकरणहरू, Azure पहिचान	AI एजेन्टहरू निर्माण, उपकरण प्रयोग, बहु-चरण कार्यप्रवाह
माइक्रोसफ्ट फाउन्ड्री एजेन्ट सेवा	लचिलो मोडेलहरू, उद्यम सुरक्षा, कोड उत्पादन, उपकरण कलिङ	मोड्युलरिटी, सहकार्य, प्रक्रिया अर्चेस्ट्रेशन	सुरक्षित, स्केलेबल र लचिलो AI एजेन्ट परिनियोजन

के म मेरो अवस्थित Azure इकोसिस्टम उपकरणहरू सिधै एकीकृत गर्न सक्छु वा मलाई स्वतन्त्र समाधान चाहिन्छ?

जवाफ हो, तपाईंले आफ्नो अवस्थित Azure ईकोसिस्टम उपकरणहरूलाई विशेष गरी Microsoft Foundry Agent Service सँग सिधै एकीकृत गर्न सक्नुहुन्छ, किनकि यो अन्य Azure सेवा सँग सहज रूपमा काम गर्न निर्माण गरिएको 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 FoundryChatClient र Azure पहिचानमार्फत Azure सेवाहरूसँग एकीकृत गर्दछ, जसले तपाईंलाई एजेन्ट उपकरणहरूबाट सिधा Azure सेवाहरू कल गर्न दिन्छ।

नमुना कोडहरू

Python: Agent Framework (Microsoft Foundry)
Python: Agent Framework (Azure OpenAI Responses API)
.NET: Agent Framework

AI Agent Frameworks सम्बन्धमा थप प्रश्नहरू छन्?

अन्य सिक्नेहरूलाई भेट्न, कार्यालय सत्रहरूमा सहभागी हुन र तपाईंका AI Agent सम्बन्धी प्रश्नहरूको समाधान पाउन Microsoft Foundry Discord मा सामेल हुनुहोस्।

सन्दर्भहरू

अघिल्लो पाठ

AI Agent र Agent प्रयोग केसहरूको परिचय

अर्को पाठ

Agentic Design Patterns को बुझाइ

अस्वीकरण: यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरेर अनुवाद गरिएको हो। हामी सही हुन प्रयास गर्छौं, तर कृपया जानकार हुनुस् कि स्वचालित अनुवादमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छन्। मूल दस्तावेज़ यसको मूल भाषामा आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीका लागि व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न कुनै पनि गलत बुझाइ वा त्रुटिको लागि हामी जिम्मेवार छैनौं।

This site is open source. Improve this page.