ai-agents-for-beginners

Explorarea cadrelor de agent AI

(Faceți clic pe imaginea de mai sus pentru a vizualiza videoclipul acestei lecții)

Explorați cadrele de agenți AI

Cadrele de agenți AI sunt platforme software proiectate pentru a simplifica crearea, implementarea și gestionarea agenților AI. Aceste cadre oferă dezvoltatorilor componente preconstruite, abstracții și instrumente care eficientizează dezvoltarea sistemelor AI complexe.

Aceste cadre ajută dezvoltatorii să se concentreze pe aspectele unice ale aplicațiilor lor oferind abordări standardizate pentru provocările comune în dezvoltarea agenților AI. Ele îmbunătățesc scalabilitatea, accesibilitatea și eficiența în construcția sistemelor AI.

Introducere

Această lecție va acoperi:

Obiective de învățare

Obiectivele acestei lecții sunt să vă ajute să înțelegeți:

Ce sunt cadrele de agenți AI și ce le permit dezvoltatorilor să facă?

Cadrele AI tradiționale vă pot ajuta să integrați AI în aplicațiile dvs. și să faceți aceste aplicații mai bune în următoarele moduri:

Sună bine, nu-i așa? Atunci de ce avem nevoie de cadru de agenți AI?

Cadrele de agenți AI reprezintă ceva mai mult decât simple cadre AI. Ele sunt proiectate să permită crearea de agenți inteligenți care pot interacționa cu utilizatorii, alți agenți și cu mediul pentru a atinge obiective specifice. Acești agenți pot manifesta comportament autonom, pot lua decizii și se pot adapta la condiții în schimbare. Să vedem câteva capabilități cheie activate de cadrele de agenți AI:

Pe scurt, agenții vă permit să faceți mai mult, să duceți automatizarea la nivelul următor, să creați sisteme mai inteligente care pot învăța și adapta din mediul înconjurător.

Cum să prototipați rapid, să iterați și să îmbunătățiți capabilitățile agentului?

Aceasta este o piață în mișcare rapidă, dar există câteva aspecte comune în majoritatea cadrelor de agenți AI care vă pot ajuta să prototipați rapid și să iterați, și anume componente modulare, instrumente colaborative și învățare în timp real. Să explorăm acestea:

Folosiți componente modulare

SDK-uri precum Microsoft Agent Framework oferă componente preconstruite precum conectori AI, definiții de instrumente și gestionarea agenților.

Cum pot echipele să le folosească: Echipele pot asambla rapid aceste componente pentru a crea un prototip funcțional fără a începe de la zero, permițând experimentare rapidă și iterație.

Cum funcționează în practică: Puteți folosi un parser preconstruit pentru a extrage informații din input-ul utilizatorului, un modul de memorie pentru a stoca și recupera date și un generator de prompturi pentru interacțiunea cu utilizatorii, toate fără a construi aceste componente de la zero.

Cod exemplu. Să vedem un exemplu de cum puteți folosi Microsoft Agent Framework cu FoundryChatClient pentru a face modelul să răspundă la input-ul utilizatorului cu apelare de instrumente:

# Exemplu Microsoft Agent Framework în Python

import asyncio
import os

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


# Definește o funcție exemplu pentru rezervarea călătoriilor
@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)
    # Exemplu de rezultat: Zborul tău către New York pe 1 ianuarie 2025 a fost rezervat cu succes. Călătorie plăcută! ✈️🗽


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

Din acest exemplu puteți observa cum puteți valorifica un parser preconstruit pentru a extrage informații cheie din input-ul utilizatorului, precum originea, destinația și data unei cereri de rezervare zbor. Această abordare modulară vă permite să vă concentrați pe logica de nivel înalt.

Valorificați instrumentele colaborative

Cadre precum Microsoft Agent Framework facilitează crearea mai multor agenți care pot lucra împreună.

Cum pot echipele să le folosească: Echipele pot proiecta agenți cu roluri și sarcini specifice, permitând testarea și rafinarea fluxurilor de lucru colaborative și îmbunătățirea eficienței sistemului în ansamblu.

Cum funcționează în practică: Puteți crea o echipă de agenți unde fiecare agent are o funcție specializată, cum ar fi recuperarea datelor, analiza sau luarea deciziilor. Acești agenți pot comunica și partaja informații pentru a atinge un scop comun, cum ar fi răspunsul la o întrebare a utilizatorului sau îndeplinirea unei sarcini.

Cod exemplu (Microsoft Agent Framework):

# Crearea mai multor agenți care lucrează împreună folosind Microsoft Agent Framework

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 pentru preluarea datelor
agent_retrieve = provider.as_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

# Agent pentru analiza datelor
agent_analyze = provider.as_agent(
    name="dataanalysis",
    instructions="Analyze the retrieved data and provide insights.",
    tools=[analyze_tool],
)

# Rularea agenților în secvență pentru o sarcină
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)

Ce vedeți în codul precedent este cum puteți crea o sarcină care implică mai mulți agenți care lucrează împreună pentru a analiza date. Fiecare agent îndeplinește o funcție specifică, iar sarcina este executată prin coordonarea agenților pentru a atinge rezultatul dorit. Prin crearea de agenți dedicați cu roluri specializate, puteți îmbunătăți eficiența și performanța sarcinii.

Învățați în timp real

Cadrele avansate oferă capacități pentru înțelegerea contextului și adaptarea în timp real.

Cum pot echipele să le folosească: Echipele pot implementa bucle de feedback în care agenții învață din interacțiuni și își ajustează comportamentul dinamic, ducând la îmbunătățire continuă și rafinare a capabilităților.

Cum funcționează în practică: Agenții pot analiza feedback-ul utilizatorilor, date de mediu și rezultatele sarcinilor pentru a-și actualiza baza de cunoștințe, a ajusta algoritmii de luare a deciziilor și a îmbunătăți performanța în timp. Acest proces iterativ de învățare permite agenților să se adapteze la condiții și preferințe în schimbare ale utilizatorilor, sporind eficacitatea generală a sistemului.

Care sunt diferențele dintre Microsoft Agent Framework și Microsoft Foundry Agent Service?

Există multe moduri de a compara aceste abordări, dar să vedem câteva diferențe cheie în termeni de design, capabilități și cazuri de utilizare targetate:

Microsoft Agent Framework (MAF)

Microsoft Agent Framework oferă un SDK simplificat pentru construirea agenților AI folosind FoundryChatClient. Permite dezvoltatorilor să creeze agenți care valorifică modelele Azure OpenAI cu apelare încorporată de instrumente, gestionarea conversațiilor și securitate la nivel enterprise prin identitate Azure.

Cazuri de utilizare: Construirea de agenți AI gata pentru producție cu utilizarea de instrumente, fluxuri de lucru multi-pas și scenarii de integrare enterprise.

Iată câteva concepte de bază importante ale Microsoft Agent Framework:

Microsoft Foundry Agent Service

Microsoft Foundry Agent Service este o adiție mai recentă, introdusă la Microsoft Ignite 2024. Permite dezvoltarea și implementarea agenților AI cu modele mai flexibile, cum ar fi apelarea directă a LLM-urilor open-source precum Llama 3, Mistral și Cohere.

Microsoft Foundry Agent Service oferă mecanisme mai puternice de securitate enterprise și metode de stocare a datelor, făcându-l potrivit pentru aplicații enterprise.

Funcționează out-of-the-box cu Microsoft Agent Framework pentru construcția și implementarea agenților.

Acest serviciu este momentan în Public Preview și suportă Python și C# pentru construirea agenților.

Folosind SDK-ul Python Microsoft Foundry Agent Service, putem crea un agent cu un instrument definit de utilizator:

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

# Define funcțiile instrumentului
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())

Concepte de bază

Microsoft Foundry Agent Service are următoarele concepte de bază:

Cazuri de utilizare: Microsoft Foundry Agent Service este proiectat pentru aplicații enterprise care necesită implementare sigură, scalabilă și flexibilă a agenților AI.

Care este diferența între aceste abordări?

Pare că există suprapuneri, dar sunt diferențe cheie între ele în termeni de design, capabilități și cazuri țintă:

Încă nu sunteți sigur pe care să o alegeți?

Cazuri de utilizare

Să vedem dacă vă putem ajuta parcurgând câteva cazuri comune:

Î: Construiesc aplicații de agenți AI pentru producție și vreau să încep rapid

R: Microsoft Agent Framework este o alegere excelentă. Oferă o API simplă, Pythonică prin FoundryChatClient care vă permite să definiți agenți cu instrumente și instrucțiuni în doar câteva linii de cod.

Î: Am nevoie de implementare enterprise cu integrări Azure precum Search și executare cod

R: Microsoft Foundry Agent Service este cea mai potrivită. Este un serviciu de platformă care oferă capabilități încorporate pentru mai multe modele, Azure AI Search, Bing Search și Azure Functions. Facilitează construirea agenților dvs. în Foundry Portal și implementarea lor la scară.

Î: Încă sunt confuz, dați-mi o singură opțiune

R: Începeți cu Microsoft Agent Framework pentru a vă construi agenții, apoi folosiți Microsoft Foundry Agent Service când trebuie să îi implementați și scalați în producție. Această abordare vă permite să iterați rapid asupra logicii agentului în timp ce aveți o cale clară către implementarea enterprise.

Să sumarizăm diferențele cheie într-un tabel:

Cadru Focus Concepte de bază Cazuri de utilizare
Microsoft Agent Framework SDK simplificat pentru agenți cu apelare de instrumente Agenți, Instrumente, Identitate Azure Construirea de agenți AI, utilizarea instrumentelor, fluxuri de lucru multi-pas
Microsoft Foundry Agent Service Modele flexibile, securitate enterprise, generare cod, apelare instrumente Modularitate, Colaborare, Orchestrarea proceselor Implementare sigură, scalabilă și flexibilă a agenților AI

Pot integra direct instrumentele mele existente din ecosistemul Azure sau am nevoie de soluții independente?

Răspunsul este da, puteți integra instrumentele existente din ecosistemul Azure direct cu Serviciul Microsoft Foundry Agent, în special deoarece acesta a fost construit pentru a funcționa perfect cu alte servicii Azure. De exemplu, ați putea integra Bing, Azure AI Search și Azure Functions. Există, de asemenea, o integrare profundă cu Microsoft Foundry.

Framework-ul Microsoft Agent se integrează de asemenea cu serviciile Azure prin FoundryChatClient și identitatea Azure, permițându-vă să apelați serviciile Azure direct din instrumentele agentului dvs.

Exemple de cod

Ai mai multe întrebări despre AI Agent Frameworks?

Alăturați-vă Microsoft Foundry Discord pentru a întâlni alți cursanți, a participa la ore de birou și a primi răspunsuri la întrebările despre AI Agents.

Referințe

Lecția Anterioară

Introducere în AI Agents și cazuri de utilizare a agentului

Lecția Următoare

Înțelegerea pattern-urilor de design agentic

Declinare a responsabilității: Acest document a fost tradus folosind serviciul de traducere AI Co-op Translator. În timp ce ne străduim pentru acuratețe, vă rugăm să rețineți că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa nativă trebuie considerat sursa autorizată. Pentru informații critice, se recomandă traducerea profesională realizată de un om. Nu ne asumăm responsabilitatea pentru eventualele neînțelegeri sau interpretări greșite care decurg din utilizarea acestei traduceri.

This site is open source. Improve this page.