ai-agents-for-beginners
(Kliknite na obrázok vyššie pre sledovanie videa k tejto lekcii)
Úvod do AI agentov a príklady použitia agentov
Vitajte v kurze AI agenti pre začiatočníkov! Tento kurz vám poskytne základné vedomosti — a skutočný funkčný kód — aby ste mohli začať stavať AI agentov od základov.
Príďte sa pozdraviť do Azure AI Discord komunity — je plná študentov a tvorcov AI, ktorí radi zodpovedajú otázky.
Predtým než začneme stavať, poďme si ujasniť, čo AI agent vlastne je a kedy má zmysel ho použiť.
Úvod
Táto lekcia pokrýva:
- Čo sú AI agenti a rôzne typy, ktoré existujú
- Na aké úlohy sú AI agenti najvhodnejší
- Základné stavebné bloky, ktoré použijete pri navrhovaní Agentickej riešenia
Učebné ciele
Na konci tejto lekcie by ste mali vedieť:
- Vysvetliť, čo je AI agent a ako sa líši od bežného AI riešenia
- Vedieť, kedy použiť AI agenta (a kedy nie)
- Načrtnúť základný návrh Agentického riešenia pre reálny problém
Definovanie AI agentov a typy AI agentov
Čo sú AI agenti?
Tu je jednoduchý spôsob, ako o tom premýšľať:
AI agenti sú systémy, ktoré umožňujú veľkým jazykovým modelom (LLM) skutočne robiť veci — tým, že im dávajú nástroje a poznatky na pôsobenie vo svete, nie len reagovať na požiadavky.
Trochu to rozoberme:
- Systém — AI agent nie je len jedna vec. Je to súbor častí, ktoré spolupracujú. V jadre má každý agent tri časti:
- Prostredie — Priestor, v ktorom agent pracuje. Pre cestovného agenta by to bola samotná rezervačná platforma.
- Senzory — Ako agent číta aktuálny stav svojho prostredia. Náš cestovný agent môže napríklad kontrolovať dostupnosť hotelov alebo ceny letov.
- Aktuátory — Ako agent koná. Cestovný agent môže rezervovať izbu, poslať potvrdenie alebo zrušiť rezerváciu.
-
Veľké jazykové modely — Agenti existovali pred LLM, ale práve LLM robia moderných agentov tak silnými. Dokážu rozumieť prirodzenému jazyku, uvažovať o kontexte a premeniť nejasnú požiadavku používateľa na konkrétny plán.
-
Vykonávanie akcií — Bez systému agenta LLM len generuje text. V rámci agenta môže LLM naozaj vykonávať kroky — vyhľadávať v databáze, volať API, posielať správu.
-
Prístup k nástrojom — Aké nástroje agent môže používať závisí (1) od prostredia, v ktorom beží, a (2) od toho, čo mu vývojár dovolil. Cestovný agent môže napríklad vyhľadávať lety, ale nemusí upravovať zákaznícke záznamy — všetko záleží na zapojení.
-
Pamäť + poznatky — Agenti môžu mať krátkodobú pamäť (aktuálny rozhovor) a dlhodobú pamäť (databázu zákazníkov, minulé interakcie). Cestovný agent si môže „pamätať“, že preferujete sedadlá pri okne.
Rôzne typy AI agentov
Nie všetci agenti sú postavení rovnako. Tu je prehľad hlavných typov, použijúc cestovného agenta ako príklad:
| Typ agenta | Čo robí | Príklad cestovného agenta |
|---|---|---|
| Jednoduché reflexné agenti | Dodržiavajú pevne stanovené pravidlá — bez pamäti, bez plánovania. | Vidí sťažnosť v e-maile → preposiela ju zákazníckej podpore. To je všetko. |
| Reflexní agenti s modelom | Udržujú interný model sveta a aktualizujú ho, keď sa situácia mení. | Sleduje historické ceny letov a upozorní na trasy, ktoré majú náhle vysoké ceny. |
| Agent založený na cieľoch | Má cieľ a zisťuje, ako ho dosiahnuť krok za krokom. | Rezervuje celú cestu (lety, auto, hotel) od vášho miesta k cieľu. |
| Agent založený na užitočnosti | Nielen nájde nejaké riešenie — hľadá najlepšie riešenie zvažovaním kompromisov. | Vyvažuje cenu a pohodlie, aby našiel cestu najviac vyhovujúcu vašim preferenciám. |
| Učiaci sa agenti | Zlepšujú sa v priebehu času učením sa z spätnej väzby. | Prispôsobuje budúce odporúčania na základe výsledkov prieskumu po ceste. |
| Hierarchickí agenti | Vysokopozičný agent rozdeľuje prácu na podúlohy a prideľuje ich nižším agentom. | Požiadavka „zrušiť cestu“ sa rozdelí na: zrušiť let, hotel, požičovňu auta — každý spracuje podagent. |
| Systémy viacerých agentov (MAS) | Niekoľko nezávislých agentov spolupracuje (alebo súťaží). | Kooperatívne: samostatní agenti zvládajú hotely, lety a zábavu. Súťažne: viac agentov bojuje o obsadenie hotelových izieb za najlepšiu cenu. |
Kedy použiť AI agentov
Len preto, že môžete použiť AI agenta, neznamená, že by ste vždy mali. Tu sú situácie, kde agenti naozaj vynikajú:
- Otvorené problémy — Keď nie je možné vopred naprogramovať kroky riešenia problému. LLM musí dynamicky nájsť cestu.
- Viacstupňové procesy — Úlohy, ktoré vyžadujú použitie nástrojov cez niekoľko krokov, nie len jedno vyhľadanie alebo generovanie.
- Zlepšovanie v čase — Keď chcete, aby sa systém zlepšoval na základe spätnej väzby používateľa alebo signálov z prostredia.
Podrobnejšie sa pozrieme na to, kedy (a kedy nie) používať AI agentov v lekcii Stavba dôveryhodných AI agentov neskôr v kurze.
Základy Agentických riešení
Vývoj agenta
Prvým krokom pri stavbe agenta je definovať čo môže robiť — jeho nástroje, akcie a správanie.
V tomto kurze používame Azure AI Agent Service ako hlavnú platformu. Podporuje:
- Otvorené modely ako OpenAI, Mistral a Llama
- Licencované dáta od poskytovateľov ako Tripadvisor
- Štandardizované definície nástrojov OpenAPI 3.0
Agentické vzory
S LLM komunikujete pomocou promptov. Pri agentoch však nemôžete vždy manuálne vytvárať každý prompt — agent musí konať naprieč mnohými krokmi. Tu prichádzajú na rad agentické vzory. Sú to znovupoužiteľné stratégie pre promptovanie a riadenie LLM, ktoré sú škálovateľnejšie a spoľahlivejšie.
Tento kurz je postavený okolo najbežnejších a najpoužívanejších agentických vzorov.
Agentické frameworky
Agentické frameworky dávajú vývojárom pripravené šablóny, nástroje a infraštruktúru na stavbu agentov. Uľahčujú:
- Pripojenie nástrojov a schopností
- Monitorovanie toho, čo agent robí (a ladeniu chýb)
- Spoluprácu medzi viacerými agentmi
V tomto kurze sa zameriavame na Microsoft Agent Framework (MAF) pre tvorbu agentov pripravených do produkcie.
Ukážky kódu
Pripravení vidieť to v akcii? Tu sú ukážky kódu k tejto lekcii:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Máte otázky?
Pridajte sa na Microsoft Foundry Discord, aby ste sa spojili s ďalšími študentmi, zúčastnili sa konzultačných hodín a získali odpovede na otázky o AI agentoch od komunity.
Predchádzajúca lekcia
Ďalšia lekcia
Preskúmanie agentických frameworkov
Upozornenie: Tento dokument bol preložený pomocou AI prekladačskej služby Co-op Translator. Aj keď sa snažíme o presnosť, majte prosím na pamäti, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Originálny dokument v jeho pôvodnom jazyku sa považuje za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.