ai-agents-for-beginners

AI ਏਜੰਟ ਫਰੇਮਵਰਕਸ ਦੀ ਖੋਜ

(ਇਸ ਪਾਠ ਦੀ ਵੀਡੀਓ ਨੂੰ ਦੇਖਣ ਲਈ ਉੱਪਰ ਦਿੱਤੀ ਤਸਵੀਰ ‘ਤੇ ਕਲਿੱਕ ਕਰੋ)

AI ਏਜੰਟ ਫਰੇਮਵਰਕਸ ਦੀ ਖੋਜ ਕਰੋ

AI ਏਜੰਟ ਫਰੇਮਵਰਕਸ ਸਾਫਟਵੇਅਰ ਮੰਚ ਹਨ ਜੋ AI ਏਜੰਟਾਂ ਦੇ ਬਣਾਉਣ, ਤੈਨਾਤ ਕਰਨ ਅਤੇ ਪ੍ਰਬੰਧਨ ਨੂੰ ਆਸਾਨ ਬਣਾਉਣ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤੇ ਗਏ ਹਨ। ਇਹ ਫਰੇਮਵਰਕ ਵਿਕਾਸਕਾਰਾਂ ਨੂੰ ਪ੍ਰੀ-ਬਿਲਟ ਭਾਗ, абਸਟ੍ਰੈਕਸ਼ਨ ਅਤੇ ਉਪਕਰਨ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ ਜੋ ਜਟਿਲ AI ਸਿਸਟਮਾਂ ਦੇ ਵਿਕਾਸ ਨੂੰ ਸਧਾਰਨ ਬਣਾਉਂਦੇ ਹਨ।

ਇਹ ਫਰੇਮਵਰਕ ਵਿਕਾਸਕਾਰਾਂ ਨੂੰ ਆਪਣੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਵਿਲੱਖਣ ਪੱਖਾਂ ‘ਤੇ ਧਿਆਨ ਕేందਰਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਇਹ AI ਏਜੰਟ ਵਿਕਾਸ ਵਿੱਚ ਆਮ ਚੁਣੌਤੀਆਂ ਲਈ ਮਿਆਰੀਕ੍ਰਿਤ ਪਹੁੰਚਾਂ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਇਹ AI ਸਿਸਟਮਾਂ ਨੂੰ ਬਣਾਉਣ ਵਿੱਚ ਸਕੇਲਬਿਲਿਟੀ, ਉਪਲਬਧਤਾ ਅਤੇ ਕੁਸ਼ਲਤਾ ਵਧਾਉਂਦੇ ਹਨ।

ਪਰਚય

ਇਸ ਪਾਠ ਵਿੱਚ ਕਵਰ ਕੀਤਾ ਜਾਵੇਗਾ:

ਸਿੱਖਣ ਦੇ ਲੱਖੜੇ

ਇਸ ਪਾਠ ਦਾ ਉਦੇਸ਼ ਤੁਹਾਨੂੰ ਸਹਾਇਤਾ ਕਰਨਾ ਹੈ ਕਿ:

AI Agent Frameworks ਕੀ ਹਨ ਅਤੇ ਇਹ ਵਿਕਾਸਕਾਰਾਂ ਨੂੰ ਕੀ ਕਰਨ ਦੇ ਯੋਗ ਬਨਾਉਂਦੇ ਹਨ?

ਪਰੰਪਰਾਤਮਕ AI ਫਰੇਮਵਰਕ ਤੁਹਾਡੇ ਐਪਾਂ ਵਿੱਚ AI ਨੂੰ ਜੋੜਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਇਹਨਾਂ ਐਪਾਂ ਨੂੰ ਹੇਠਾਂ ਦਿੱਤੀਆਂ ਤਰੀਕਿਆਂ ਨਾਲ ਬਿਹਤਰ ਬਣਾਉਂਦੇ ਹਨ:

ਇਹ ਸਭ ਵਧੀਆ ਲੱਗਦਾ ਹੈ, ਤਾਂ ਫਿਰ ਸਾਨੂੰ AI Agent Framework ਦੀ ਲੋੜ ਕਿਉਂ ਹੈ?

AI Agent ਫਰੇਮਵਰਕ ਸਿਰਫ AI ਫਰੇਮਵਰਕ ਤੋਂ ਵੱਧ ਚੀਜ਼ ਪ੍ਰਤੀਨਿਧਤ ਕਰਦੇ ਹਨ। ਇਹ ਇੰਟੈਲੀਜੈਂਟ ਏਜੰਟ ਬਣਾਉਣ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤੇ ਗਏ ਹਨ ਜੋ ਉਪਭੋਗਤਾਵਾਂ, ਹੋਰ ਏਜੰਟਾਂ ਅਤੇ ਵਾਤਾਵਰਨ ਨਾਲ ਅੰਤਰਕਿਰਿਆ ਕਰ ਸਕਦੇ ਹਨ ਤਾਂ ਜੋ ਨਿੱਜੀ ਲਕੜੇ ਪ੍ਰਾਪਤ ਕਰ ਸਕਣ। ਇਹ ਏਜੰਟ ਸੁਤੰਤਰ ਵਰਤਾਰਾ ਦਿਖਾ ਸਕਦੇ ਹਨ, ਫੈਸਲੇ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਬਦਲ ਰਹੇ ਹਾਲਾਤ ਦੇ ਅਨੁਕੂਲ ਹੋ ਸਕਦੇ ਹਨ। ਚਲੋ ਕੁਝ ਮੁੱਖ صلاحਤਾਂ ਵੇਖੀਏ ਜੋ AI Agent Frameworks ਦੁਆਰਾ ਕਾਇਮ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ:

ਇਸ ਲਈ ਸੰਖੇਪ ਵਿੱਚ, ਏਜੰਟ ਤੁਹਾਨੂੰ ਹੋਰ ਕਰਨ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ, ਆਟੋਮੇਸ਼ਨ ਨੂੰ ਅਗਲੇ ਪੱਧਰ ‘ਤੇ ਲੈ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਹੋਰ ਬੁੱਧਿਮਾਨ ਸਿਸਟਮ ਬਣਾਉਂਦੇ ਹਨ ਜੋ ਆਪਣੇ ਵਾਤਾਵਰਨ ਤੋਂ ਸਿੱਖ ਸਕਦੇ ਅਤੇ ਅਨੁਕੂਲ ਹੋ ਸਕਦੇ ਹਨ।

ਏਜੰਟ ਦੀਆਂ صلاحਤਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰੋਟੋਟਾਈਪ, ਸੁਧਾਰ ਅਤੇ ਵਧਾਉਣ ਦਾ ਤਰੀਕਾ?

ਇਹ ਇੱਕ ਤੇਜ਼ੀ ਨਾਲ ਬਦਲਦਾ ਖੇਤਰ ਹੈ, ਪਰ ਜ਼ਿਆਦਾਤਰ AI Agent Frameworks ਵਿੱਚ ਕੁਝ ਸਾਂਝੇ ਤੱਤ ਹਨ ਜੋ ਤੁਹਾਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰੋਟੋਟਾਈਪ ਅਤੇ ਸੁਧਾਰ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਮੋਡੀਊਲ ਭਾਗ, ਸਹਿਯੋਗੀ ਉਪਕਰਨ, ਅਤੇ ਰੀਅਲ-ਟਾਈਮ ਸਿੱਖਣਾ। ਚਲੋ ਇਨ੍ਹਾਂ ਵਿੱਚ ਡੁੱਬਕੀ ਮਾਰਦੇ ਹਾਂ:

ਮੋਡੀਊਲ ਭਾਗਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ

ਮਾਇਕ੍ਰੋਸੌਫਟ ਏਜੰਟ ਫਰੇਮਵਰਕ ਵਰਗੇ SDK ਮੋਡੀਊਲ ਭਾਗ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ ਜਿਵੇਂ AI ਕਨੈਕਟਰ, ਟੂਲ ਡਿਫਿਨੀਸ਼ਨ, ਅਤੇ ਏਜੰਟ ਪ੍ਰਬੰਧਨ।

ਟੀਮ ਇਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਵਰਤ ਸਕਦੀਆਂ ਹਨ: ਟੀਮਾਂ ਇਨ੍ਹਾਂ ਭਾਗਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਜੋੜ੍ਹ ਕੇ ਇੱਕ ਕਾਰਗਰ ਪ੍ਰੋਟੋਟਾਈਪ ਤਿਆਰ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਯੋਗਤਮ ਪ੍ਰਯੋਗ ਅਤੇ ਸੁਧਾਰ ਸੰਭਵ ਹੁੰਦਾ ਹੈ।

ਅਮਲੀ ਤੌਰ ‘ਤੇ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ: ਤੁਸੀਂ ਇੱਕ ਪ੍ਰੀ-ਬਿਲਟ ਪਾਰਸਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਯੂਜ਼ਰ ਇਨਪੁਟ ਤੋਂ ਜਾਣਕਾਰੀ ਮਿਲਾ ਸਕਦੇ ਹੋ, ਇਕ ਮੈਮੋਰੀ ਮੋਡੀਊਲ ਵਿੱਚ ਡੇਟਾ ਸਟੋਰ ਅਤੇ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ, ਅਤੇ ਇੱਕ ਪ੍ਰਾਂਪਟ ਜਨਰੇਟਰ ਨਾਲ ਇੰਟਰਐਕਟ ਕਰ ਸਕਦੇ ਹੋ, ਬਿਨਾਂ ਇਨ੍ਹਾਂ ਭਾਗਾਂ ਨੂੰ ਸਿਰੇ ਤੋਂ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ।

ਕੋਡ ਦਾ ਉਦਾਹਰਨ: ਚਲੋ ਦੇਖੀਏ ਕਿ ਤੁਸੀਂ Microsoft Agent Framework ਨੂੰ FoundryChatClient ਨਾਲ ਕਿਵੇਂ ਵਰਤ ਕੇ ਮਾਡਲ ਨੂੰ ਯੂਜ਼ਰ ਇਨਪੁਟ ਤੇ ਟੂਲ ਕਾਲਿੰਗ ਨਾਲ ਜਵਾਬ ਦੇਣ ਲਈ ਕਿਵੇਂ ਬਣਾ ਸਕਦੇ ਹੋ:

# ਮਾਇਕ੍ਰੋਸਾਫਟ ਏਜੰਟ ਫਰੇਮਵਰਕ ਪਾਇਥਨ ਉਦਾਹਰਣ

import asyncio
import os

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


# ਯਾਤਰਾ ਬੁੱਕ ਕਰਨ ਲਈ ਇੱਕ ਨਮੂਨਾ ਟੂਲ ਫੰਕਸ਼ਨ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ
@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)
    # ਉਦਾਹਰਣ ਨਤੀਜਾ: ਤੁਹਾਡੀ 1 ਜਨਵਰੀ 2025 ਨੂੰ ਨਿਊਯਾਰਕ ਲਈ ਉਡਾਣ ਸਫਲਤਾਪੂਰਵਕ ਬੁੱਕ ਹੋ ਚੁੱਕੀ ਹੈ। ਸੁਰੱਖਿਅਤ ਯਾਤਰਾ! ✈️🗽


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

ਇਸ ਉਦਾਹਰਨ ਤੋਂ ਤੁਸੀਂ ਦੇਖ ਸਕਦੇ ਹੋ ਕਿ ਤੁਸੀਂ ਕਿਸ ਤਰ੍ਹਾਂ ਪ੍ਰੀ-ਬਿਲਟ ਪਾਰਸਰ ਦੀ ਵਰਤੋਂ ਕਰ ਕੇ ਯੂਜ਼ਰ ਇਨਪੁਟ ਤੋਂ ਮੁੱਖ ਜਾਣਕਾਰੀ, ਜਿਵੇਂ ਕਿ ਉਤਪੱਤੀ, ਮੰਜ਼ਿਲ, ਅਤੇ ਉਡਾਣ ਦੀ ਮਿਤੀ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ। ਇਹ ਮੋਡੀਊਲਰ ਪਹੁੰਚ ਤੁਹਾਨੂੰ ਉੱਚ-ਸਤਰ ਦੀ ਲਾਜ਼ਿਕ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਦੀ ਆਜ਼ਾਦੀ ਦਿੰਦੀ ਹੈ।

ਸਹਿਯੋਗੀ ਉਪਕਰਨ ਲਾਭ

Microsoft Agent Framework ਵਰਗੇ ਫਰੇਮਵਰਕ ਵੱਖ-ਵੱਖ ਏਜੰਟਾਂ ਨੂੰ ਮਿਲ ਕੇ ਕੰਮ ਕਰਨ ਦੀ ਸਮਰਥਾ ਦਿੱਦੇ ਹਨ।

ਟੀਮ ਇਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਵਰਤ ਸਕਦੀਆਂ ਹਨ: ਟੀਮਾਂ ਵਿਸ਼ੇਸ਼ ਭੂਮਿਕਾਵਾਂ ਅਤੇ ਟਾਸਕਾਂ ਵਾਲੇ ਏਜੰਟ ਡਿਜ਼ਾਈਨ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਜੋ ਸਹਿਯੋਗੀ ਵਰਕਫਲੋਜ਼ ਦੀ ਟੈਸਟਿੰਗ ਅਤੇ ਸੁਧਾਰ ਵੱਲ ਮਦਦ ਕਰਦਾ ਹੈ ਅਤੇ ਸਿਸਟਮ ਦੀ ਕੁੱਲ ਕੁਸ਼ਲਤਾ ਵਧਾਉਂਦਾ ਹੈ।

ਅਮਲੀ ਤੌਰ ‘ਤੇ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ: ਤੁਸੀਂ ਏਜੰਟਾਂ ਦੀ ਟੀਮ ਬਣਾ ਸਕਦੇ ਹੋ ਜਿੱਥੇ ਹਰ ਏਜੰਟ ਦੀ ਇਕ ਵਿਸ਼ੇਸ਼ ਕਿਰਦਾਰ ਹੁੰਦੀ ਹੈ, ਜਿਵੇਂ ਡੇਟਾ ਪ੍ਰਾਪਤੀ, ਵਿਸ਼ਲੇਸ਼ਣ ਜਾਂ ਫੈਸਲਾਬੰਦੀ। ਇਹ ਏਜੰਟ ਇੱਕਠੇ ਗੱਲਬਾਤ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਜਾਣਕਾਰੀ ਸਾਂਝੀ ਕਰਕੇ ਇੱਕ ਸਾਂਝਾ ਲਕੜਾ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਇੱਕ ਉਪਭੋਗਤਾ ਦੇ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣਾ ਜਾਂ ਕਿਸੇ ਟਾਸਕ ਨੂੰ ਪੂਰਾ ਕਰਨਾ।

ਕੋਡ ਦਾ ਉਦਾਹਰਨ (Microsoft Agent Framework):

# ਮਾਈਕਰੋਸਾਫਟ ਏਜੈਂਟ ਫਰੇਮਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਇਕੱਠੇ ਕੰਮ ਕਰਨ ਵਾਲੇ ਕਈ ਏਜੈਂਟ ਬਣਾਉਣਾ

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(),
)

# ਡਾਟਾ ਪ੍ਰਾਪਤੀ ਏਜੈਂਟ
agent_retrieve = provider.as_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

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

# ਇੱਕ ਟਾਸਕ 'ਤੇ ਕਰਮਬੱਧਤਾ ਨਾਲ ਏਜੈਂਟ ਚਲਾਓ
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)

ਤੁਹਾਨੂੰ ਪਿਛਲੇ ਕੋਡ ਵਿੱਚ ਦਿੱਸ ਰਹੀ ਹੈ ਕਿ ਤੁਸੀਂ ਕਿਵੇਂ ਵੱਖ-ਵੱਖ ਵਿਸ਼ੇਸ਼ਤਾ ਵਾਲੇ ਕਈ ਏਜੰਟਾਂ ਦੀ ਟੀਮ ਬਣਾਕੇ ਡਾਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਟਾਸਕ ਸਿਰਜ ਸਕਦੇ ਹੋ। ਹਰ ਏਜੰਟ ਇਕ ਨਿਰਧਾਰਤ ਫੰਕਸ਼ਨ ਕਰਦਾ ਹੈ, ਅਤੇ ਟਾਸਕ ਉਹਨਾਂ ਏਜੰਟਾਂ ਦਾ ਸਹਿਯੋਗ ਕਰਕੇ ਲਕੜਾ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ। ਮਖ਼ਸੂਸ ਭੂਮਿਕਾ ਵਾਲੇ ਸਮਰਪਿਤ ਏਜੰਟਾਂ ਦੀ ਰਚਨਾ ਨਾਲ ਤੁਸੀਂ ਟਾਸਕ ਦੀ ਕੁਸ਼ਲਤਾ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਵਧਾ ਸਕਦੇ ਹੋ।

ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਸਿੱਖਣਾ

ਅੱਗੇ ਵਧੇ ਹੋਏ ਫਰੇਮਵਰਕਸ ਰੀਅਲ-ਟਾਈਮ ਸਮੱਗਰੀ ਸਮਝਣ ਅਤੇ ਅਨੁਕੂਲਤਾ ਦੀਆਂ صلاحਤਾਂ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ।

ਟੀਮ ਇਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਵਰਤ ਸਕਦੀਆਂ ਹਨ: ਟੀਮਾਂ ਫੀਡਬੈਕ ਲੂਪ ਲਾਗੂ ਕਰ ਸਕਦੀਆਂ ਹਨ ਜਿੱਥੇ ਏਜੰਟ ਇੰਟਰਐਕਸ਼ਨਾਂ ਤੋਂ ਸਿੱਖਦੇ ਹਨ ਅਤੇ ਆਪਣਾ ਵਰਤਾਰਾ ਗਤੀਸ਼ੀਲ ਤੌਰ ‘ਤੇ ਢਾਲਦੇ ਹਨ, ਜਿਸ ਨਾਲ صلاحਤਾਂ ਦਾ ਲਗਾਤਾਰ ਸੁਧਾਰ ਅਤੇ ਸੰਵਰਧਨ ਹੁੰਦਾ ਹੈ।

ਅਮਲੀ ਤੌਰ ‘ਤੇ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ: ਏਜੰਟ ਉਪਭੋਗਤਾ ਫੀਡਬੈਕ, ਵਾਤਾਵਰਨ ਡੇਟਾ ਅਤੇ ਟਾਸਕ ਨਤੀਜੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਨ ਤਾਂ ਜੋ ਉਹਨਾਂ ਦਾ ਗਿਆਨ ਬੇਸ ਅਪਡੇਟ ਹੋਵੇ, ਫੈਸਲਾ ਕਰਨ ਵਾਲੇ ਅਲਗੋਰਿਦਮ ਢਾਲੇ ਜਾਣ ਅਤੇ ਸਮੇਂ ਨਾਲ ਪ੍ਰਦਰਸ਼ਨ ਸੁਧਰੇ। ਇਹ ਦੋਹਰਾਇਆ ਜਾਣ ਵਾਲਾ ਸਿੱਖਣ ਵਾਲਾ ਪ੍ਰਕ੍ਰਿਆ ਏਜੰਟਾਂ ਨੂੰ ਬਦਲ ਰਹੀਆਂ ਸਥਿਤੀਆਂ ਅਤੇ ਉਪਭੋਗਤਾ ਦੀਆਂ ਪਸੰਦਾਂ ਦੇ ਅਨੁਕੂਲ ਬਣਾਉਂਦਾ ਹੈ, ਜੋ ਸਮੁੱਚੇ ਸਿਸਟਮ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਵਧਾਉਂਦਾ ਹੈ।

Microsoft Agent Framework ਅਤੇ Microsoft Foundry Agent Service ਵਿਚਕਾਰ ਕੀ ਫਰਕ ਹਨ?

ਇਨ੍ਹਾਂ ਪਹੁੰਚਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਦੇ ਕਈ ਤਰੀਕੇ ਹਨ, ਪਰ ਆਓ ਕੁਝ ਮੁੱਖ ਫਰਕਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ, صلاحਤਾਂ ਅਤੇ ਲਕੜਾ ਵਰਤੋਂ ਮਾਮਲਿਆਂ ਦੇ ਮੂਡ ਵਿੱਚ ਵੇਖੀਏ:

Microsoft Agent Framework (MAF)

Microsoft Agent Framework ਇੱਕ ਸੁਧਾਰਿਆ ਹੋਇਆ SDK ਮੁਹੱਈਆ ਕਰਦਾ ਹੈ ਜੋ FoundryChatClient ਦੀ ਵਰਤੋਂ ਕਰਕੇ AI ਏਜੰਟ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਵਿਕਾਸਕਾਰਾਂ ਨੂੰ Azure OpenAI ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਨਾਲ ਟੂਲ ਕਾਲਿੰਗ, ਗੱਲਬਾਤ ਪ੍ਰਬੰਧਨ ਅਤੇ ਐਜ਼ਯੂਰ ਆਈਡੈਂਟਿਟੀ ਦੁਆਰਾ ਏਜੰਟ ਬਣਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।

ਵਰਤੋਂ ਮਾਮਲੇ: ਟੂਲ ਯੂਜ਼, ਬਹੁ-ਕਦਮੀ ਵਰਕਫਲੋਜ਼, ਅਤੇ ਇੰਟਰਪਰਾਈਜ਼ ਏਕਤਾ ਸਥਿਤੀਆਂ ਨਾਲ ਪ੍ਰੋਡਕਸ਼ਨ ਯੋਗ AI ਏਜੰਟ ਬਣਾਉਣਾ।

Microsoft Agent Framework ਦੇ ਕੁਝ ਮੁੱਖ ਮੂਲ ਧਾਰਨਾ ਇਹ ਹਨ:

Microsoft Foundry Agent Service

Microsoft Foundry Agent Service ਮਾਇਕ੍ਰੋਸੌਫਟ Ignite 2024 ਵਿੱਚ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਇੱਕ ਨਵਾਂ ਐਡ-ਆਨ ਹੈ। ਇਹ AI ਏਜੰਟਾਂ ਦਾ ਵਿਕਾਸ ਅਤੇ ਤੈਨਾਤ ਕਰਨ ਲਈ ਵਧੇਰੇ ਲਚਕੀਲੇ ਮਾਡਲ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਆਪਣੇ ਆਪ Llama 3, Mistral, ਅਤੇ Cohere ਵਰਗੇ ਖੁੱਲ੍ਹਾ ਸਰੋਤ LLMs ਨੂੰ ਸਿੱਧਾ ਕਾਲ ਕਰਨਾ।

Microsoft Foundry Agent Service ਵਧੀਆ ਇੰਟਰਪਰਾਈਜ਼ ਸੁਰੱਖਿਆ ਮਕੈਨਜ਼ਮ ਅਤੇ ਡੇਟਾ ਸਟੋਰੇਜ਼ ਤਰੀਕੇ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਹ ਇੰਟਰਪਰਾਈਜ਼ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਉਚਿਤ ਹੋ ਜਾਂਦਾ ਹੈ।

ਇਹ Microsoft Agent Framework ਦੇ ਨਾਲ ਬਿਨਾਂ ਕਿਸੇ ਰੁਕਾਵਟ ਦੇ ਕੰਮ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਏਜੰਟ ਬਿਲਡਿੰਗ ਅਤੇ ਤੈਨਾਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਮਿਲੇ।

ਇਹ ਸੇਵਾ ਅਜੇ ਜਨਤਾ ਲਈ ਪ੍ਰੀਵੀਊ ਵਿੱਚ ਹੈ ਅਤੇ ਏਜੰਟ ਬਿਲਡਿੰਗ ਲਈ Python ਅਤੇ C# ਲੈਂਗਵੇਜ ਸਹਾਇਤਾ ਕਰਦੀ ਹੈ।

Microsoft Foundry Agent Service Python SDK ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਅਸੀਂ ਇੱਕ ਯੂਜ਼ਰ-ਡਿਫਾਈਨਡ ਟੂਲ ਨਾਲ ਏਜੰਟ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਾਂ:

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

# ਟੂਲ ਫੰਕਸ਼ਨਾਂ ਦੀ ਪਰਿਭਾਸ਼ਾ ਕਰੋ
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-5-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())

ਮੁੱਖ ਧਾਰਨਾਵਾਂ

Microsoft Foundry Agent Service ਦੇ ਕੁਝ ਮੁੱਖ ਧਾਰਨਾ ਇਹ ਹਨ:

ਵਰਤੋਂ ਮਾਮਲੇ: Microsoft Foundry Agent Service ਉਹਨਾਂ ਇੰਟਰਪਰਾਈਜ਼ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ ਜਿਹੜੇ ਸੁਰੱਖਿਅਤ, ਸਕੇਲਯੋਗ ਅਤੇ ਲਚਕੀਲੀ AI ਏਜੰਟ ਤੈਨਾਤੀ ਦੀ ਲੋੜ ਰੱਖਦੇ ਹਨ।

ਇਹਨਾਂ ਪਹੁੰਚਾਂ ਵਿਚਕਾਰ ਕੀ ਫਰਕ ਹੈ?

ਇਹ ਸਚ ਹੈ ਕਿ ਇਨ੍ਹਾਂ ਵਿੱਚ ਕੁਝ ਓਵਰਲੈਪ ਹੈ, ਪਰ ਡਿਜ਼ਾਈਨ, صلاحਤਾਂ ਅਤੇ ਲਕੜਾ ਵਰਤੋਂ ਮਾਮਲਿਆਂ ਵਿੱਚ ਕੁਝ ਮੁੱਖ ਫਰਕ ਹਨ:

ਅਜੇ ਵੀ ਇਹ ਪਤਾ ਨਹੀਂ ਕਿ ਕਿਹੜਾ ਚੁਣਨਾ ਹੈ?

ਵਰਤੋਂ ਮਾਮਲੇ

ਆਓ ਕੁਝ ਆਮ ਵਰਤੋਂ ਮਾਮਲਿਆਂ ‘ਚੋਂ ਤੁਹਾਡੇ ਲਈ ਮਦਦ ਕਰੀਏ:

ਸਵਾਲ: ਮੈਂ ਪ੍ਰੋਡਕਸ਼ਨ AI ਏਜੰਟ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦਾ ਵਿਕਾਸ ਕਰ ਰਿਹਾ ਹਾਂ ਅਤੇ ਤੇਜ਼ੀ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰਨੀ ਚਾਹੁੰਦਾ ਹਾਂ

ਜਵਾਬ: Microsoft Agent Framework ਇੱਕ ਵਧੀਆ ਚੋਣ ਹੈ। ਇਹ FoundryChatClient ਰਾਹੀਂ ਇੱਕ ਸਧਾਰਨ, Python ਪ੍ਰਕਾਰ ਦਾ API ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਕੁਝ ਲਾਈਨਾਂ ਕੋਡ ਨਾਲ ਟੂਲਾਂ ਅਤੇ ਨਿਰਦੇਸ਼ਾਂ ਵਾਲੇ ਏਜੰਟ ਤਿਆਰ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।

ਸਵਾਲ: ਮੈਨੂੰ ਇੰਟਰਪਰਾਈਜ਼-ਗ੍ਰੇਡ ਤੈਨਾਤੀ ਦੀ ਜ਼ਰੂਰਤ ਹੈ ਜਿਸ ਵਿੱਚ Azure ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਜਿਵੇਂ Search ਅਤੇ ਕੋਡ ਚਲਾਉਣਾ ਸ਼ਾਮਲ ਹਨ

ਜਵਾਬ: Microsoft Foundry Agent Service ਸਭ ਤੋਂ ਉਚਿਤ ਹੈ। ਇਹ ਪਲੇਟਫਾਰਮ ਸੇਵਾ ਹੈ ਜੋ ਕਈ ਮਾਡਲ, Azure AI Search, Bing Search ਅਤੇ Azure Functions ਲਈ ਇੰਬਿਲਟ صلاحਤਾਂ ਮੁਹੱਈਆ ਕਰਵਾਉਂਦੀ ਹੈ। ਇਹ Foundry ਪੋਰਟਲ ਵਿੱਚ ਤੁਹਾਡੇ ਏਜੰਟ ਬਨਾਉਣ ਅਤੇ ਸਕੇਲ ਤੇ ਤੈਨਾਤ ਕਰਨ ਨੂੰ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ।

ਸਵਾਲ: ਮੈਂ ਹੁਣ ਵੀ ਗੁੰਝਲ ਵਿੱਚ ਹਾਂ, ਸਿਰਫ ਇੱਕ ਵਿਕਲਪ ਦਿਓ

ਜਵਾਬ: ਆਪਣੇ ਏਜੰਟ ਬਣਾਉਣ ਲਈ Microsoft Agent Framework ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰੋ, ਅਤੇ ਜਦੋਂ ਤੁਹਾਨੂੰ ਉਨ੍ਹਾਂ ਨੂੰ ਪ੍ਰੋਡਕਸ਼ਨ ਵਿੱਚ ਤੈਨਾਤ ਅਤੇ ਸਕੇਲ ਕਰਨ ਦੀ ਲੋੜ ਹੋਵੇ ਤਾਂ Microsoft Foundry Agent Service ਦੀ ਵਰਤੋਂ ਕਰੋ। ਇਹ ਪਹੁੰਚ ਤੁਹਾਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਆਪਣੀ ਏਜੰਟ ਲਾਜਿਕ ‘ਤੇ ਕੰਮ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ ਅਤੇ ਇੰਟਰਪਰਾਈਜ਼ ਤੈਨਾਤੀ ਲਈ ਇੱਕ ਸਾਫ ਰਸਤਾ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ।

ਆਓ ਕੁਝ ਮੁੱਖ ਫਰਕਾਂ ਬਾਰੇ ਇੱਕ ਟੇਬਲ ਵਿੱਚ ਸੰਖੇਪ ਕਰੀਏ:

ਫਰੇਮਵਰਕ ਧਿਆਨ ਮੁੱਖ ਧਾਰਨਾ ਵਰਤੋਂ ਮਾਮਲੇ
Microsoft Agent Framework ਟੂਲ ਕਾਲਿੰਗ ਨਾਲ ਸੁਧਾਰਿਆ ਗਿਆ ਏਜੰਟ SDK ਏਜੰਟ, ਟੂਲਜ਼, Azure ਆਈਡੈਂਟਿਟੀ AI ਏਜੰਟ ਬਣਾਉਣਾ, ਟੂਲ ਵਰਤੋਂ, ਬਹੁ-ਕਦਮੀ ਵਰਕਫਲੋਜ਼
Microsoft Foundry Agent Service ਲਚਕੀਲੇ ਮਾਡਲ, ਇੰਟਰਪਰਾਈਜ਼ ਸੁਰੱਖਿਆ, ਕੋਡ ਜਨਰੇਸ਼ਨ, ਟੂਲ ਕਾਲਿੰਗ ਮੋਡੀਊਲਰਿਟੀ, ਸਹਿਯੋਗ, ਪ੍ਰਕਿਰਿਆ ਆਰਕੀਸਟ੍ਰੇਸ਼ਨ ਸੁਰੱਖਿਅਤ, ਸਕੇਲਯੋਗ, ਅਤੇ ਲਚਕੀਲੀ AI ਏਜੰਟ ਤੈਨਾਤੀ

ਕੀ ਮੈਂ ਆਪਣੇ ਮੌਜੂਦਾ Azure ਇਕੋਸਿਸਟਮ ਟੂਲਜ਼ ਨੂੰ ਸਿੱਧਾ ਜੋੜ ਸਕਦਾ ਹਾਂ, ਜਾਂ ਕੀ ਮੈਨੂੰ ਅਲੱਗ ਸਟੈਂਡਅਲੋਨ ਹੱਲਾਂ ਦੀ ਲੋੜ ਹੈ?

ਜਵਾਬ ਹਾਂ ਹੈ, ਤੁਸੀਂ ਆਪਣੇ ਮੌਜੂਦਾ Azure ਇੱਕੋਸਿਸਟਮ ਟੂਲਜ਼ ਨੂੰ Microsoft Foundry Agent Service ਨਾਲ ਸਿੱਧਾ ਇੰਟੀਗ੍ਰੇਟ ਕਰ ਸਕਦੇ ਹੋ, ਖਾਸ ਤੌਰ ‘ਤੇ ਕਿਉਂਕਿ ਇਹ ਹੋਰ Azure ਸੇਵਾਵਾਂ ਨਾਲ ਬਿਨਾ ਰੁਕਾਵਟ ਕੰਮ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਤੁਸੀਂ ਉਦਾਹਰਨ ਵਜੋਂ Bing, Azure AI Search, ਅਤੇ Azure Functions ਨੂੰ ਇੰਟੀਗ੍ਰੇਟ ਕਰ ਸਕਦੇ ਹੋ। Microsoft Foundry ਨਾਲ ਵੀ ਗਹਿਰਾ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਹੈ।

Microsoft Agent Framework ਵੀ FoundryChatClient ਅਤੇ Azure ਪਹਚਾਣ ਰਾਹੀਂ Azure ਸੇਵਾਵਾਂ ਨਾਲ ਇੰਟੀਗ੍ਰੇਟ ਹੁੰਦਾ ਹੈ, ਇਸ ਨਾਲ ਤੁਸੀਂ ਆਪਣੇ ਏਜੰਟ ਟੂਲਜ਼ ਤੋਂ ਸਿੱਧਾ Azure ਸੇਵਾਵਾਂ ਨੂੰ ਕਾਲ ਕਰ ਸਕਦੇ ਹੋ।

ਨਮੂਨਾ ਕੋਡ

AI ਏਜੰਟ ਫਰੇਮਵਰਕਸ ਬਾਰੇ ਹੋਰ ਸਵਾਲ ਹਨ?

ਹੋਰ ਸਿੱਖਣ ਵਾਲਿਆਂ ਨਾਲ ਮਿਲਣ ਲਈ, ਦਫ਼ਤਰ ਦੇ ਘੰਟਿਆਂ ਵਿੱਚ ਸ਼ਮੂਲੀਅਤ ਲਈ ਅਤੇ ਆਪਣੇ AI ਏਜੰਟਸ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਲੈਣ ਲਈ Microsoft Foundry Discord ਵਿੱਚ ਸ਼ਾਮਿਲ ਹੋਵੋ।

ਰੇਫਰੰਸز

ਪਿਛਲਾ ਪਾਠ

Introduction to AI Agents and Agent Use Cases

ਅਗਲਾ ਪਾਠ

Understanding Agentic Design Patterns

ਅਸਵੀਕਾਰੋਪਣ: ਇਸ ਦਸਤਾਵੇਜ਼ ਦਾ ਅਨੁਵਾਦ ਏਆਈ ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀਤਾਵਾਂ ਲਈ ਯਤਨਸ਼ੀਲ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਰੱਖੋ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸਮੱਤਿਆਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਆਪਣੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਜਰੂਰੀ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੇ ਉਪਯੋਗ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀਆਂ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆਵਾਂ ਲਈ ਜਵਾਬਦੇਹ ਨਹੀਂ ਹਾਂ।

This site is open source. Improve this page.