ai-agents-for-beginners
(Kliknite na obrázok vyššie a pozrite si video k tejto lekcii)
Úvod do AI agentov a prípadov použitia agentov
Vitajte v kurze AI agenti pre začiatočníkov! Tento kurz vám poskytne základné znalosti — a skutočný fungujúci kód — na začatie tvorby AI agentov od základu.
Príďte sa pozdraviť do Azure AI Discord komunity — je plná študentov a tvorcov AI, ktorí radi odpovedia na vaše otázky.
Predtým, ako sa pustíme do tvorby, poďme si najprv ujasniť, čo vlastne AI agent je a kedy má zmysel ho použiť.
Úvod
Táto lekcia pokrýva:
- Čo sú AI agenti a rôzne typy, ktoré existujú
- Aký druh úloh AI agenti najlepšie zvládajú
- Základné stavebné prvky, 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)
- Nakresliť základný návrh agentického riešenia pre reálny problém
Definovanie AI agentov a typy AI agentov
Čo sú AI agenti?
Tu je jednoduchý spôsob, ako to pochopiť:
AI agenti sú systémy, ktoré umožňujú veľkým jazykovým modelom (LLMs) skutočne robíť veci — tým, že im dávajú nástroje a znalosti na ovplyvňovanie sveta, nielen reagovanie na požiadavky.
Poďme si to trochu rozobrať:
- Systém — AI agent nie je len jedna vec. Je to súbor častí pracujúcich spolu. Každý agent má základne tri súčasti:
- 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 kontrolovať dostupnosť hotelov alebo ceny leteniek.
- Akčné prvky (aktuátory) — Ako agent vykonáva akciu. Cestovný agent môže rezervovať izbu, poslať potvrdenie alebo zrušiť rezerváciu.
-
Veľké jazykové modely — Agenti existovali aj pred LLM, no práve LLM robia moderných agentov takými silnými. Dokážu rozumieť prirodzenému jazyku, uvažovať o kontexte a premeniť nejasnú požiadavku používateľa na konkrétny plán.
-
Vykonávanie akcií — Bez systému agenta LLM iba generuje text. V agentickom systéme však môže LLM vykonávať kroky — vyhľadávanie v databáze, volanie API, zasielanie správ.
-
Prístup k nástrojom — Aké nástroje agent môže použiť závisí od (1) prostredia, v ktorom beží, a (2) čo mu vývojár poskytol. Cestovný agent môže vyhľadávať lety, ale nemusí upravovať zákaznícke záznamy — je to o tom, čo prepojíte.
-
Pamäť + Znalosti — Agenti môžu mať krátkodobú pamäť (aktuálny rozhovor) a dlhodobú pamäť (zákaznícka databáza, 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 na príklade cestovného agenta:
| Typ agenta | Čo robí | Príklad cestovného agenta |
|---|---|---|
| Jednoduchí reflexní agenti | Nasleduje pevné pravidlá — bez pamäti, bez plánovania. | Vidí sťažnosť v emaili → preposiela ju zákazníckej podpore. To je všetko. |
| Modelovo založení reflexní agenti | Uchováva vnútorný model sveta a aktualizuje ho, keď sa veci menia. | Sleduje historické ceny leteniek a upozorňuje na trasy, ktoré sa náhle zdraželi. |
| Agentí založení na cieľoch | Má určený cieľ a krok po kroku hľadá cestu k nemu. | Rezervuje celú cestu (letenky, auto, hotel) od vašej aktuálnej polohy, aby ste sa dostali do cieľa. |
| Agentí založení na užitočnosti | Namiesto nejakého riešenia hľadá najlepšie riešenie vážením kompromisov. | Vyvažuje cenu a pohodlie, aby našiel cestu, ktorá najviac vyhovuje vašim preferenciám. |
| Učiace sa agentí | Zlepšuje sa v priebehu času učením sa na základe spätnej väzby. | Prispôsobuje budúce odporúčania na rezervácie podľa výsledkov poanketového prieskumu. |
| Hierarchickí agentí | Vyššia úroveň agenta rozdelí prácu na podúlohy a deleguje ich na podriadených agentov. | Požiadavka “zrušiť cestu” sa rozdelí na: zrušiť let, zrušiť hotel, zrušiť prenájom auta — každý rieši podagent. |
| Systémy viacerých agentov (MAS) | Viacerí nezávislí agenti spolupracujú (alebo súperia). | Kooperatívne: samostatní agenti riešia hotely, lety a zábavu. Konkurenčné: viacerí agenti súperia o obsadenie hotelových izieb za najlepšiu cenu. |
Kedy použiť AI agentov
Len preto, že môžete použiť AI agenta, neznamená to, že by ste ho mali vždy použiť. Tu sú situácie, keď agenti naozaj vynikajú:
- Otvárané problémy — Keď kroky na vyriešenie problému nemožno dopredu naprogramovať. LLM musí dynamicky nájsť cestu.
- Viackrokové procesy — Úlohy, ktoré vyžadujú používanie nástrojov cez viacero krokov, nie len jednorazové vyhľadávanie alebo generovanie.
- Zlepšovanie v čase — Keď chcete, aby sa systém zdokonaľoval na základe spätnej väzby používateľov alebo signálov z prostredia.
Podrobnejšie sa budeme zaoberať kedy (a kedy nie) použiť AI agentov v lekcii Budovanie dôveryhodných AI agentov neskôr v kurze.
Základy agentických riešení
Vývoj agenta
Prvou vecou pri tvorbe agenta je definovať čo môže robiť — jeho nástroje, akcie a správanie.
V tomto kurze používame ako hlavnú platformu Microsoft Foundry Agent Service. Podporuje:
- Modely od poskytovateľov ako OpenAI, Mistral a Meta (Llama)
- Licencované dáta od poskytovateľov ako Tripadvisor
- Štandardizované definície nástrojov OpenAPI 3.0
Agentické vzory
Komunikujete s LLM cez promptové požiadavky. Pri agentoch však nie je vždy možné ručne vytvoriť každý prompt — agent musí vykonať akciu cez viacero krokov. Tu prichádzajú na scénu agentické vzory. Sú to znovupoužiteľné stratégie pre promptovanie a orchestráciu LLM spôsobom, ktorý je škálovateľnejší a spoľahlivejší.
Tento kurz je postavený na najčastejších a najužitočnejších agentických vzoroch.
Agentické rámce
Agentické rámce poskytujú vývojárom pripravené šablóny, nástroje a infraštruktúru na stavbu agentov. Uľahčujú:
- Prepojenie nástrojov a funkcií
- Sledovanie, čo agent robí (a ladenie chýb)
- Spoluprácu medzi viacerými agentmi
V tomto kurze sa zameriavame na Microsoft Agent Framework (MAF) pre tvorbu agentov pripravených na produkciu.
Ukážky kódu
Pripravení vidieť to v akcii? Tu sú ukážky kódu k tejto lekcii:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Máte otázky?
Pripojte sa k Microsoft Foundry Discord, aby ste sa spojili s inými študentmi, zúčastnili sa konzultačných hodín a odpovedali na otázky o AI agentoch od komunity.
Rýchle testovanie tohto agenta (voliteľné)
Keď sa naučíte nasadzovať agentov v Lekcii 16, môžete pridať rýchlu zdravotnú kontrolu po nasadení pre TravelAgent tejto lekcie pomocou hotového katalógu tests/lesson-01-smoke-tests.json. Pozrite si tests/README.md pre informácie, ako ho spustiť.
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.