ai-agents-for-beginners
(Kliknite na obrázok vyššie pre sledovanie videa k tejto lekcii)
Úvod do AI agentov a prípadov použitia agentov
Vitajte v kurze AI agenti pre začiatočníkov! Tento kurz vám poskytne základné vedomosti — a skutočný funkčný kód — aby ste mohli začať vytvárať AI agentov od základu.
Príďte sa pozdraviť do Azure AI Discord komunity — je plná študentov a tvorcov AI, ktorí radi odpovedia na vaše otázky.
Skôr než sa pustíme do tvorby, uistime sa, že naozaj rozumieme, čo AI agent je a kedy má zmysel ho použiť.
Úvod
Táto lekcia pokrýva:
- Čo sú AI agenti a rôzne typy, ktoré existujú
- Aké úlohy sú pre AI agentov najvhodnejšie
- Základné stavebné bloky, ktoré použijete pri navrhovaní agentického riešenia
Ciele učenia
Na konci tejto lekcie by ste mali byť schopní:
- Vysvetliť, čo je AI agent a ako sa líši od bežného AI riešenia
- Vedieť, kedy použiť AI agenta (a kedy nie)
- Náčrt základného dizajnu agentického riešenia pre reálny problém
Definovanie AI agentov a typy AI agentov
Čo sú AI agenti?
Tu je jednoduchý spôsob, ako o nich uvažovať:
AI agenti sú systémy, ktoré umožňujú veľkým jazykovým modelom (LLM) skutočne vykonávať činnosti — tým, že im dávajú nástroje a vedomosti, aby mohli pôsobiť vo svete, nie len odpovedať na podnety.
Rozoberme si to trochu podrobnejšie:
- Systém — AI agent nie je len jedna vec. Je to súbor častí pracujúcich spoločne. Základom každého agenta sú tri diely:
- Prostredie — Priestor, v ktorom agent pracuje. Pre cestovného agenta by to bola samotná rezervačná platforma.
- Senzory — Spôsob, akým agent číta aktuálny stav prostredia. Náš cestovný agent by mohol kontrolovať dostupnosť hotelov alebo ceny leteniek.
- Aktuátory — Spôsob, akým agent vykonáva akciu. Cestovný agent môže rezervovať izbu, poslať potvrdenie alebo zrušiť rezerváciu.
-
Veľké jazykové modely — Agent existovali aj pred LLM, ale to práve LLM robia moderných agentov takých silných. Dokážu rozumieť prirodzenému jazyku, uvažovať o kontexte a premeniť nejasnú požiadavku používateľa na konkrétny akčný plán.
-
Vykonávanie akcií — Bez agentného systému LLM len generuje text. V agentnom systéme môže LLM skutočne vykonať kroky — prehľadávať databázu, volať API, posielať správu.
-
Prístup k nástrojom — Aké nástroje môže agent používať závisí od (1) prostredia, v ktorom beží, a (2) čo mu vývojár poskytol. Cestovný agent môže vyhľadávať lety, ale nemôže meniť údaje o zákazníkovi — všetko závisí od prepojení.
-
Pamäť + vedomosti — Agent môže mať krátkodobú pamäť (aktuálny rozhovor) a dlhodobú pamäť (databázu zákazníkov, minulé interakcie). Cestovný agent si môže “pamätať”, že uprednostňujete sedadlá pri okne.
Rôzne typy AI agentov
Nie všetci agenti sú postavení rovnako. Tu je rozdelenie hlavných typov na príklade cestovného agenta:
| Typ agenta | Čo robí | Príklad cestovného agenta |
|---|---|---|
| Jednoduchí reflexní agenti | Dodržiavajú pevne naprogramované pravidlá — bez pamäte, bez plánovania. | Vidí sťažnosť v emaile → posiela ju zákazníckemu servisu. To je všetko. |
| Modelovo založení reflexní agenti | Udržiavajú interný model sveta a aktualizujú ho podľa zmien. | Sleduje historické ceny leteniek a označuje trasy, ktoré sú náhle drahé. |
| Cieľovo založení agenti | Majú cieľ a krok za krokom zisťujú, ako ho dosiahnuť. | Rezervuje celý výlet (lety, auto, hotel) od vašej aktuálnej polohy k cieľu. |
| Agentí založení na užitočnosti | Nájdu nielen nejaké riešenie, ale najlepšie riešenie vyvažovaním kompromisov. | Vyvažuje cenu a pohodlie, aby našiel výlet, ktorý najviac vyhovuje vašim preferenciám. |
| Učiaci sa agenti | Zlepšujú sa postupne učením sa z reakcií. | Upravuje budúce odporúčania rezervácií podľa výsledkov dotazníkov po výlete. |
| Hierarchickí agenti | Vysokopostavený agent rozdelí prácu na podúlohy a deleguje nižším agentom. | Žiadosť “zrušiť výlet” sa rozdelí na: zrušiť let, zrušiť hotel, zrušiť prenájom auta — každý rieši pod-agent. |
| Systémy viacerých agentov (MAS) | Viac nezávislých agentov pracujúcich spoločne (alebo súťažiacich). | Kooperatívne: rôzni agenti spravujú hotely, lety a zábavu. Súťaživé: viacerí agenti súťažia o najlepšie ceny hotelových izieb. |
Kedy používať AI agentov
Len preto, že môžete použiť AI agenta, neznamená, že by ste mali vždy. Tu sú situácie, kde agenti naozaj vynikajú:
- Otvorené problémy — Keď sa kroky na vyriešenie problému nedajú pevne naprogramovať. Potrebujete, aby LLM dynamicky zistil cestu.
- Viackrokové procesy — Úlohy vyžadujúce používanie nástrojov počas viacerých krokov, nie len jedno vyhľadanie alebo generovanie.
- Zlepšenie v priebehu času — Keď chcete, aby systém bol múdrejší na základe spätnej väzby od používateľa alebo signálov z prostredia.
Podrobnejšie preskúmame, kedy (a kedy nie) použiť AI agentov v lekcii Budovanie dôveryhodných AI agentov neskôr v kurze.
Základy agentických riešení
Vývoj agenta
Prvou vecou pri budovaní agenta je definovať, čo dokáže — jeho nástroje, akcie a správanie.
V tomto kurze používame ako hlavnú platformu Azure AI Agent Service. Podporuje:
- Modely od poskytovateľov ako OpenAI, Mistral, a Meta (Llama)
- Licencované údaje od poskytovateľov ako Tripadvisor
- Štandardizované definície nástrojov OpenAPI 3.0
Agentické vzory
S LLM komunikujete pomocou výziev (promptov). Pri agentoch nemôžete vždy ručne skladať každý prompt — agent musí konať cez viacero krokov. Tu prichádzajú na scénu agentické vzory. Sú to opakovane použiteľné stratégie na promptovanie a koordináciu LLM spôsobom, ktorý je škálovateľnejší a spoľahlivejší.
Tento kurz je postavený na najbežnejších a najpoužívanejších agentických vzoroch.
Agentické rámce
Agentické rámce dávajú vývojárom hotové šablóny, nástroje a infraštruktúru na tvorbu agentov. Uľahčujú:
- Prepojenie nástrojov a schopností
- Monitorovanie činností agenta (a ladenie problémov)
- Spoluprácu viacerých agentov
V tomto kurze sa zameriavame na Microsoft Agent Framework (MAF) pre tvorbu produkčne pripravených agentov.
Ukážky kódu
Pripravení vidieť to v praxi? Tu sú ukážky kódu pre túto lekciu:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Máte otázky?
Pridajte sa do Microsoft Foundry Discord a spojte sa s ostatnými študentmi, zúčastnite sa konzultačných hodín a získajte odpovede na otázky o AI agentoch od komunity.
Predchádzajúca lekcia
Nasledujúca lekcia
Preskúmanie agentických rámcov
Vyhlásenie o zodpovednosti: Tento dokument bol preložený pomocou AI prekladateľskej služby Co-op Translator. Hoci sa snažíme o presnosť, vezmite prosím na vedomie, že automatické preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho natívnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za žiadne nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.