ai-agents-for-beginners
(Kliknij powyższy obrazek, aby obejrzeć wideo do tej lekcji)
Wprowadzenie do Agentów AI i zastosowań Agentów
Witamy w kursie Agenci AI dla początkujących! Ten kurs dostarcza podstawowej wiedzy — oraz działającego kodu — aby zacząć tworzyć Agentów AI od podstaw.
Przyjdź i przywitaj się w Społeczności Azure AI na Discordzie — jest pełna uczących się i twórców AI, którzy chętnie odpowiedzą na pytania.
Zanim przejdziemy do budowania, upewnijmy się, że naprawdę rozumiemy, czym jest Agent AI i kiedy warto go używać.
Wprowadzenie
Ta lekcja obejmuje:
- Czym są Agenci AI oraz jakie istnieją ich typy
- Jakie zadania są najodpowiedniejsze dla Agentów AI
- Podstawowe elementy, których użyjesz projektując rozwiązanie oparte na Agentach
Cele nauki
Pod koniec tej lekcji powinieneś potrafić:
- Wyjaśnić, czym jest Agent AI i czym różni się od zwykłego rozwiązania AI
- Wiedzieć, kiedy sięgnąć po Agenta AI (a kiedy nie)
- Szkicować podstawowy projekt rozwiązania agentowego dla realnego problemu
Definicja Agentów AI i typy Agentów AI
Czym są Agenci AI?
Oto proste wyjaśnienie:
Agenci AI to systemy, które pozwalają Dużym Modelom Językowym (LLM) faktycznie działać — dając im narzędzia i wiedzę do działania w świecie, a nie tylko odpowiadania na zapytania.
Rozwińmy to trochę:
- System — Agent AI to nie tylko jedna rzecz. To zbiór współpracujących ze sobą części. W swojej istocie każdy agent ma trzy elementy:
- Środowisko — przestrzeń, w której działa agent. Dla agenta rezerwacji podróży będzie to sama platforma rezerwacyjna.
- Czujniki — sposób, w jaki agent odczytuje aktualny stan środowiska. Nasz agent podróży może sprawdzać dostępność hoteli lub ceny lotów.
- Aktuatory — sposób, w jaki agent wykonuje działania. Agent podróży może zarezerwować pokój, wysłać potwierdzenie lub anulować rezerwację.
-
Duże Modele Językowe — Agenci istnieli przed LLM, ale to LLM sprawiają, że nowoczesni agenci są tak potężni. Potrafią rozumieć język naturalny, rozważać kontekst i przekształcić niejasne żądanie użytkownika w konkretny plan działania.
-
Wykonywanie Działań — Bez systemu agenta, LLM tylko generuje tekst. W systemie agenta, LLM może faktycznie wykonywać kroki — wyszukiwać w bazie danych, wywoływać API, wysyłać wiadomości.
-
Dostęp do Narzędzi — Narzędzia, których agent może używać, zależą od (1) środowiska, w którym działa, i (2) co twórca mu udostępnił. Agent podróży może wyszukiwać loty, ale nie edytować danych klientów — wszystko zależy od połączeń.
-
Pamięć + Wiedza — Agenci mogą mieć pamięć krótkotrwałą (bieżąca rozmowa) i długotrwałą (baza klientów, wcześniejsze interakcje). Agent podróży może „pamiętać”, że wolisz miejsca przy oknie.
Różne Typy Agentów AI
Nie wszyscy agenci są tworzeni tak samo. Oto podział głównych typów, używając agenta rezerwacji podróży jako przykładu:
| Typ Agenta | Co robi | Przykład agenta podróży |
|---|---|---|
| Agenci prostego odruchu | Kierują się sztywnymi regułami — brak pamięci, brak planowania. | Widzi mail z reklamacją → przekazuje do obsługi klienta. Tylko tyle. |
| Agenci odruchowi oparte na modelu | Utrzymuje wewnętrzny model świata i aktualizuje go, gdy się zmienia. | Śledzi historyczne ceny lotów i zaznacza trasy, które nagle staniały lub podrożały. |
| Agenci oparte na celach | Ma określony cel i krok po kroku planuje, jak go osiągnąć. | Rezerwuje pełną podróż (loty, auto, hotel) zaczynając z Twojej lokalizacji, aby dotrzeć do celu. |
| Agenci oparte na użyteczności | Nie tylko znajduje jakieś rozwiązanie — szuka najlepszego poprzez ważenie kompromisów. | Równoważy koszt i wygodę, by znaleźć podróż najlepiej dopasowaną do Twoich preferencji. |
| Agenci uczący się | Poprawia się z czasem ucząc się na podstawie informacji zwrotnych. | Dostosowuje przyszłe rekomendacje rezerwacji na podstawie ankiety po podróży. |
| Agenci hierarchiczni | Agent wysokiego poziomu dzieli zadania na podzadania, delegując je niższym agentom. | „Anuluj podróż” rozbija na: anuluj lot, anuluj hotel, anuluj wynajem auta — każdy obsługiwany przez pod-agenta. |
| Systemy wieloagentowe (MAS) | Wielu niezależnych agentów współpracuje (lub rywalizuje). | Współpraca: osobne agenty odpowiadają za hotele, loty i rozrywkę. Rywalizacja: wielu agentów konkuruje o rezerwacje hotelowe w najlepszej cenie. |
Kiedy używać Agentów AI
Tylko dlatego, że możesz użyć Agenta AI, nie znaczy, że zawsze powinieneś. Oto sytuacje, w których agenci naprawdę się sprawdzają:
- Problemy otwarte — Gdy kroki rozwiązania problemu nie mogą być zaprogramowane na sztywno. LLM musi dynamicznie wyznaczyć ścieżkę działania.
- Procesy wieloetapowe — Zadania, które wymagają użycia narzędzi w wielu krokach, nie tylko jednorazowego wyszukiwania czy generowania.
- Ulepszanie z czasem — Gdy chcesz, aby system stawał się mądrzejszy na podstawie opinii użytkowników lub sygnałów środowiskowych.
Dogłębniej omówimy, kiedy (a kiedy nie) używać Agentów AI w lekcji Budowanie zaufanych Agentów AI później w kursie.
Podstawy rozwiązań agentowych
Tworzenie Agenta
Pierwszą rzeczą, którą robisz budując agenta, jest zdefiniowanie co potrafi — czyli jego narzędzi, działań i zachowań.
W tym kursie korzystamy głównie z Azure AI Agent Service jako platformy. Obsługuje ona:
- Otwarte modele, takie jak OpenAI, Mistral i Llama
- Licencjonowane dane od dostawców, np. Tripadvisor
- Standards Definicje narzędzi OpenAPI 3.0
Wzorce agentowe
Komunikujesz się z LLM przez prompty. W przypadku agentów nie zawsze można ręcznie tworzyć każdy prompt — agent musi działać na wielu krokach. Tutaj z pomocą przychodzą wzorce agentowe. To wielokrotnego użytku strategie promptowania i orkiestracji LLM, które są bardziej skalowalne i niezawodne.
Ten kurs opiera się na najczęstszych i najbardziej użytecznych wzorcach agentowych.
Frameworki agentowe
Frameworki agentowe dostarczają programistom gotowe szablony, narzędzia i infrastrukturę do tworzenia agentów. Ułatwiają one:
- Łączenie narzędzi i funkcji
- Obserwowanie działania agenta (i debugowanie błędów)
- Współpracę między wieloma agentami
W tym kursie skupiamy się na Microsoft Agent Framework (MAF) do tworzenia agentów gotowych do wdrożenia produkcyjnego.
Przykłady kodu
Chcesz zobaczyć to w akcji? Oto przykładowe kody do tej lekcji:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Masz pytania?
Dołącz do Microsoft Foundry Discord, aby połączyć się z innymi uczącymi się, uczestniczyć w godzinach konsultacji i uzyskać odpowiedzi na pytania dotyczące Agentów AI od społeczności.
Poprzednia lekcja
Następna lekcja
Poznawanie frameworków agentowych
Zastrzeżenie:
Dokument ten został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż dążymy do jak największej dokładności, prosimy pamiętać, że tłumaczenia automatyczne mogą zawierać błędy lub niedokładności. Oryginalny dokument w języku pierwotnym powinien być uznawany za źródło autorytatywne. W przypadku informacji krytycznych zaleca się korzystanie z profesjonalnego, ludzkiego tłumaczenia. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.