ai-agents-for-beginners
(Kliknij powyższy obraz, aby obejrzeć wideo do tej lekcji)
Wprowadzenie do AI Agents i przypadków użycia Agentów
Witamy na kursie AI Agents dla początkujących! Ten kurs daje Ci podstawową wiedzę — oraz działający kod — aby zacząć tworzyć AI Agents od podstaw.
Wpadnij przywitać się na Azure AI Discord Community — pełne jest uczniów i twórców AI, którzy chętnie odpowiedzą na pytania.
Zanim przejdziemy do budowania, upewnijmy się, że faktycznie rozumiemy, czym jest AI Agent i kiedy ma sens go używać.
Wprowadzenie
W tej lekcji omówimy:
- Czym są AI Agents i jakie istnieją ich rodzaje
- Jakie zadania najlepiej nadają się dla AI Agents
- Podstawowe elementy, których użyjesz przy projektowaniu rozwiązania agentowego
Cele nauki
Pod koniec tej lekcji powinieneś być w stanie:
- Wyjaśnić, czym jest AI Agent i czym różni się od zwykłego rozwiązania AI
- Wiedzieć, kiedy warto sięgnąć po AI Agent (a kiedy nie warto)
- Nakreślić podstawowy projekt rozwiązania agentowego dla rzeczywistego problemu
Definicja AI Agents i rodzaje AI Agents
Czym są AI Agents?
Oto proste podejście do tematu:
AI Agents to systemy, które pozwalają dużym modelom językowym (LLM) faktycznie coś robić — przez udostępnienie im narzędzi i wiedzy do działania na świecie, nie tylko odpowiadania na zapytania.
Rozwińmy to trochę:
- System — AI Agent to nie jest pojedynczy element. To zbiór części współpracujących ze sobą. W swojej istocie każdy agent składa się z trzech elementów:
- Środowisko — przestrzeń, w której agent działa. Dla agenta rezerwacji podróży, to będzie sama platforma rezerwacyjna.
- Czujniki — jak agent odczytuje aktualny stan środowiska. Nasz agent podróży może sprawdzać dostępność hoteli lub ceny lotów.
- Aktuatory — jak agent podejmuje działania. Agent podróży może rezerwować pokój, wysyłać potwierdzenie lub anulować rezerwację.
-
Duże modele językowe — Agenci istnieli przed LLM, ale to właśnie LLM czynią nowoczesnych agentów tak potężnymi. Potrafią rozumieć język naturalny, analizować kontekst i zamieniać niejasne zapytania użytkownika w konkretne plany działania.
-
Wykonywanie działań — Bez systemu agenta, LLM tylko generuje tekst. W systemie agenta LLM może faktycznie wykonywać kroki — przeszukiwać bazę danych, wywoływać API, wysyłać wiadomości.
-
Dostęp do narzędzi — To, jakich narzędzi agent może użyć, zależy (1) od środowiska, w którym działa i (2) od wyboru programisty. Agent podróży może mieć możliwość wyszukiwania lotów, ale nie edytować rekordów klientów — wszystko zależy od tego, co jest połączone.
-
Pamięć + Wiedza — Agenci mogą mieć pamięć krótkoterminową (bieżąca rozmowa) i długoterminową (baza klientów, wcześniejsze interakcje). Agent podróży może „zapamiętać”, że wolisz miejsca przy oknie.
Różne rodzaje AI Agents
Nie wszyscy agenci są zbudowani tak samo. Oto podział na główne typy, z przykładem agenta rezerwacji podróży:
| Typ agenta | Co robi | Przykład agenta podróży |
|---|---|---|
| Proste agenty refleksyjne | Podążają za zakodowanymi regułami — brak pamięci, brak planowania. | Widzi mail z reklamacją → przekazuje do obsługi klienta. Tyle. |
| Agenty refleksyjne oparte na modelu | Trzymają wewnętrzny model świata i aktualizują go gdy coś się zmienia. | Śledzi historyczne ceny lotów i zaznacza trasy, które nagle stały się drogie. |
| Agenty oparte na celach | Mają cel i krok po kroku planują, jak go osiągnąć. | Rezerwuje pełną wycieczkę (loty, samochód, hotel) zaczynając z twojej obecnej lokalizacji, aby dotrzeć do celu. |
| Agenty oparte na użyteczności | Nie znajdują tylko rozwiązania — szukają najlepszego rozwiązania przez analizę kompromisów. | Równoważy koszt i wygodę, aby znaleźć wycieczkę, która najlepiej pasuje do twoich preferencji. |
| Agenty uczące się | Polepszają się z czasem ucząc się na podstawie informacji zwrotnej. | Dostosowuje przyszłe rekomendacje rezerwacji na podstawie wyników ankiety po wycieczce. |
| Agenty hierarchiczne | Agent wysokiego poziomu dzieli zadanie na podzadania i deleguje je agentom niższego poziomu. | Prośba o “anulowanie wycieczki” zostaje podzielona na: anuluj lot, anuluj hotel, anuluj wynajem samochodu — każde z nich obsługiwane przez pod-agenta. |
| Systemy multi-agentowe (MAS) | Wiele niezależnych agentów współpracujących (lub konkurujących). | Kooperacyjne: oddzielne agenty obsługujące hotele, loty i rozrywkę. Konkurencyjne: wielu agentów konkuruje, aby zapełnić pokoje hotelowe najlepszą ceną. |
Kiedy korzystać z AI Agents
Nie każda możliwość użycia AI Agenta oznacza, że zawsze trzeba tego używać. Oto sytuacje, w których agenci naprawdę błyszczą:
- Problemy o otwartym zakończeniu — Gdy kroki rozwiązania problemu nie mogą być wstępnie zaprogramowane. LLM musi dynamicznie znaleźć ścieżkę.
- Procesy wieloetapowe — Zadania wymagające użycia narzędzi na wielu etapach, a nie tylko jednorazowego wyszukiwania lub generowania.
- Poprawa w czasie — Gdy chcesz, aby system stawał się mądrzejszy na podstawie informacji zwrotnej od użytkownika lub sygnałów środowiskowych.
Dogłębniej omówimy, kiedy (i kiedy nie) należy używać AI Agents na lekcji Budowanie godnych zaufania AI Agents później w kursie.
Podstawy rozwiązań agentowych
Rozwój agenta
Pierwszą rzeczą, którą robisz przy budowie agenta, jest zdefiniowanie co może robić — jego narzędzi, działań i zachowań.
Na tym kursie używamy Azure AI Agent Service jako głównej platformy. Obsługuje ona:
- Modele od dostawców takich jak OpenAI, Mistral i Meta (Llama)
- Licencjonowane dane od dostawców takich jak Tripadvisor
- Standardowe definicje narzędzi OpenAPI 3.0
Wzorce agentowe
Komunikujesz się z LLM przez prompt-y. W przypadku agentów nie da się ręcznie tworzyć każdego promptu — agent musi działać na wielu krokach. Właśnie dlatego powstały wzorce agentowe. To powtarzalne strategie promptowania i orkiestracji LLM w sposób bardziej skalowalny i niezawodny.
Ten kurs jest zorganizowany wokół najczęstszych i najbardziej przydatnych wzorców agentowych.
Frameworki agentowe
Frameworki agentowe dają programistom gotowe szablony, narzędzia i infrastrukturę do tworzenia agentów. Ułatwiają one:
- Podłączenie narzędzi i funkcjonalności
- Obserwowanie, co agent robi (oraz debugowanie błędów)
- Współpracę między wieloma agentami
W tym kursie skupiamy się na Microsoft Agent Framework (MAF) do budowy agentów gotowych do produkcji.
Przykłady kodu
Gotowy zobaczyć to w akcji? Oto przykłady kodu do tej lekcji:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Masz pytania?
Dołącz do Microsoft Foundry Discord, aby połączyć się z innymi uczniami, uczestniczyć w godzinach konsultacji i uzyskać odpowiedzi na pytania dotyczące AI Agents od społeczności.
Poprzednia lekcja
Następna lekcja
Poznawanie frameworków agentowych
Zastrzeżenie: Niniejszy dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Choć dążymy do dokładności, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub niedokładności. Oryginalny dokument w jego języku źródłowym należy uznawać za autorytatywne źródło. W przypadku informacji krytycznych zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.