ai-agents-for-beginners

Raziščite okvire za AI agente

(Kliknite sliko zgoraj za ogled videa te lekcije)

Raziskovanje okvirjev za AI agente

Okviri za AI agente so programske platforme, zasnovane za poenostavitev ustvarjanja, uvajanja in upravljanja AI agentov. Ti okvirji razvijalcem zagotavljajo vnaprej izdelane komponente, abstrakcije in orodja, ki poenostavijo razvoj zapletenih AI sistemov.

Ti okvirji razvijalcem pomagajo osredotočiti se na edinstvene vidike svojih aplikacij z zagotavljanjem standardiziranih pristopov k pogostim izzivom pri razvoju AI agentov. Povečujejo razširljivost, dostopnost in učinkovitost pri gradnji AI sistemov.

Uvod

Ta lekcija bo zajemala:

Cilji učenja

Cilj te lekcije je, da vam pomaga razumeti:

Kaj so okviri za AI agente in kaj omogočajo razvijalcem?

Tradicionalni okviri za AI vam lahko pomagajo integrirati AI v vaše aplikacije in izboljšajo te aplikacije na naslednje načine:

Vse to zveni odlično, kaj torej potrebujemo AI Agent Framework?

Okviri za AI agente predstavljajo nekaj več kot le AI okvire. Namenjeni so omogočanju ustvarjanja inteligentnih agentov, ki lahko komunicirajo z uporabniki, drugimi agenti in okoljem za doseganje določenih ciljev. Ti agenti lahko kažejo avtonomno vedenje, sprejemajo odločitve in se prilagajajo spreminjajočim se pogojem. Oglejmo si nekaj ključnih zmogljivosti, ki jih omogočajo okviri za AI agente:

Torej, povzemimo, agenti omogočajo več, dvigujejo avtomatizacijo na višjo raven, ustvarjajo inteligentnejše sisteme, ki se lahko prilagajajo in učijo iz svojega okolja.

Kako hitro prototipirati, ponavljati in izboljšati zmogljivosti agenta?

To je hitro spreminjajoče se področje, vendar obstajajo nekatere skupne stvari pri večini okvirjev za AI agente, ki vam lahko pomagajo hitro prototipirati in ponavljati, in sicer modularne komponente, orodja za sodelovanje in učenje v realnem času. Raziščimo jih:

Uporabite modularne komponente

SDK-ji, kot je Microsoft Agent Framework, ponujajo predpripravljene komponente, kot so AI povezovalci, definicije orodij in upravljanje agentov.

Kako to uporabljajo ekipe: Ekipe lahko hitro sestavijo te komponente, da ustvarijo funkcionalen prototip brez začetek iz nič, kar omogoča hitro eksperimentiranje in ponavljanje.

Kako to deluje v praksi: Lahko uporabite vnaprej izdelan parser za izločanje informacij iz uporabniškega vnosa, modul pomnilnika za shranjevanje in pridobivanje podatkov ter generator pozivov za interakcijo z uporabniki, vse brez potrebe po gradnji teh komponent od začetka.

Primer kode. Oglejmo si primer, kako lahko uporabite Microsoft Agent Framework z FoundryChatClient, da model odgovori na uporabniški vnos s klicanjem orodij:

# Microsoft Agent Framework Primer v Pythonu

import asyncio
import os

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


# Določi vzorčno orodje za rezervacijo potovanja
@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)
    # Primer izhoda: Vaš let v New York dne 1. januar 2025 je bil uspešno rezerviran. Srečno potovanje! ✈️🗽


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

Iz tega primera lahko vidite, kako lahko uporabite vnaprej izdelan parser za izločanje ključnih informacij iz uporabniškega vnosa, kot so izvor, cilj in datum zahteve za rezervacijo leta. Ta modularni pristop vam omogoča, da se osredotočite na logiko na višji ravni.

Izkoristite orodja za sodelovanje

Okviri, kot je Microsoft Agent Framework, omogočajo ustvarjanje več agentov, ki lahko skupaj delujejo.

Kako to uporabljajo ekipe: Ekipe lahko oblikujejo agente z določenimi vlogami in nalogami, kar jim omogoča testiranje in izboljševanje sodelovalnih delovnih tokov ter povečanje učinkovitosti sistema.

Kako to deluje v praksi: Lahko ustvarite ekipo agentov, kjer ima vsak agent specializirano funkcijo, kot je pridobivanje podatkov, analiza ali sprejemanje odločitev. Ti agenti lahko komunicirajo in si delijo informacije za doseganje skupnega cilja, na primer odgovarjanje na uporabniško vprašanje ali dokončanje naloge.

Primer kode (Microsoft Agent Framework):

# Ustvarjanje več agentov, ki sodelujejo z uporabo 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 za pridobivanje podatkov
agent_retrieve = provider.as_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

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

# Zagon agentov zaporedno za opravljanje naloge
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)

V prejšnji kodi vidite, kako lahko ustvarite nalogo, ki vključuje več agentov, ki skupaj analizirajo podatke. Vsak agent opravlja določeno funkcijo, naloga pa se izvaja s koordinacijo agentov za doseganje željenega rezultata. Z ustvarjanjem posebnih agentov z dodeljenimi vlogami lahko izboljšate učinkovitost in uspešnost naloge.

Učenje v realnem času

Napredni okviri zagotavljajo zmožnosti za razumevanje konteksta v realnem času in prilagajanje.

Kako to uporabljajo ekipe: Ekipe lahko uvedejo povratne zanke, v katerih se agenti učijo iz interakcij in dinamično prilagajajo svoje vedenje, kar vodi do stalnih izboljšav in izpopolnjevanja zmogljivosti.

Kako to deluje v praksi: Agenti lahko analizirajo povratne informacije uporabnikov, okoljske podatke in rezultate nalog za posodabljanje svoje baze znanja, prilagajanje algoritmov odločanja in izboljšanje učinkovitosti skozi čas. Ta iterativni učni proces omogoča agentom prilagajanje spreminjajočim se pogojem in uporabniškim preferencam, s čimer se izboljša splošna učinkovitost sistema.

Kakšne so razlike med Microsoft Agent Framework in Microsoft Foundry Agent Service?

Obstaja veliko načinov za primerjavo teh pristopov, poglejmo nekaj ključnih razlik glede njihove zasnove, zmogljivosti in ciljnih primerov uporabe:

Microsoft Agent Framework (MAF)

Microsoft Agent Framework ponuja poenostavljen SDK za gradnjo AI agentov z uporabo FoundryChatClient. Omogoča razvijalcem ustvarjanje agentov, ki uporabljajo Azure OpenAI modele z vgrajenim klicanjem orodij, upravljanjem pogovorov in varnostjo na ravni podjetja preko Azure identitete.

Primeri uporabe: Gradnja produkcijsko pripravljenih AI agentov z uporabo orodij, večstopenjskih delovnih tokov in scenarijev integracije v podjetju.

Tukaj so nekateri pomembni osnovni koncepti Microsoft Agent Frameworka:

Microsoft Foundry Agent Service

Microsoft Foundry Agent Service je novejši dodatek, predstavljen na Microsoft Ignite 2024. Omogoča razvoj in uvajanje AI agentov z bolj prilagodljivimi modeli, kot je neposredno klicanje odprtokodnih LLM-jev, kot so Llama 3, Mistral in Cohere.

Microsoft Foundry Agent Service ponuja močnejše varnostne mehanizme za podjetja in metode shranjevanja podatkov, zato je primeren za aplikacije v podjetjih.

Deluje takoj z Microsoft Agent Framework za ustvarjanje in uvajanje agentov.

Ta storitev je trenutno v javnem pregledu in podpira Python ter C# za gradnjo agentov.

Z uporabo Microsoft Foundry Agent Service Python SDK-ja lahko ustvarimo agenta z orodjem, ki ga določi uporabnik:

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

# Določite funkcije orodja
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-4.1-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())

Osnovni koncepti

Microsoft Foundry Agent Service vključuje naslednje osnovne koncepte:

Primeri uporabe: Microsoft Foundry Agent Service je zasnovan za podjetniške aplikacije, ki zahtevajo varno, razširljivo in prilagodljivo uvajanje AI agentov.

Kakšna je razlika med tema pristopoma?

Res se zdi, da obstajajo prekrivanja, vendar pa so nekatere ključne razlike glede zasnove, zmogljivosti in ciljnih primerov uporabe:

Še vedno ne veste, kateri izbrati?

Primeri uporabe

Poglejmo, če vam lahko pomagamo z nekaj pogostimi primeri uporabe:

V: Gradim produkcijske aplikacije z AI agenti in želim hitro začeti

O: Microsoft Agent Framework je odlična izbira. Ponuja enostaven, Pythonov API prek FoundryChatClient, ki vam omogoča definiranje agentov z orodji in navodili v le nekaj vrsticah kode.

V: Potrebujem uvajanje na ravni podjetja z integracijami Azure, kot so Search in izvajanje kode

O: Microsoft Foundry Agent Service je najbolj primeren. Je platformna storitev, ki omogoča vgrajene zmogljivosti za več modelov, Azure AI Search, Bing Search in Azure Functions. Omogoča enostavno gradnjo agentov v Foundry Portalu in njihovo uvajanje v obsegu.

V: Še vedno sem zmeden, samo povejte mi eno možnost

O: Začnite z Microsoft Agent Framework za gradnjo agentov, nato pa uporabite Microsoft Foundry Agent Service, ko jih boste morali uvajati in razširjati v produkciji. Ta pristop vam omogoča hitro ponavljanje na logiki agenta z jasno potjo do uvajanja na ravni podjetja.

Povzemimo ključne razlike v tabeli:

Okvir Poudarek Osnovni koncepti Primeri uporabe
Microsoft Agent Framework Poenostavljen SDK za agente z klici orodij Agenti, Orodja, Azure identiteta Gradnja AI agentov, uporaba orodij, večstopenjski delovni tokovi
Microsoft Foundry Agent Service Prilagodljivi modeli, podjetniška varnost, generiranje kode, klicanje orodij Modularnost, sodelovanje, orkestracija procesov Varno, razširljivo in prilagodljivo uvajanje AI agentov

Ali lahko neposredno integriram obstoječa orodja iz Azure ekosistema ali potrebujem samostojne rešitve?

Odgovor je da, lahko neposredno integrirate obstoječa orodja iz ekosistema Azure z Microsoft Foundry Agent Service, še posebej, ker je bilo razvito za nemoteno delovanje z drugimi storitvami Azure. Na primer, lahko integrirate Bing, Azure AI Search in Azure Functions. Obstaja tudi globoka integracija z Microsoft Foundry.

Microsoft Agent Framework se prav tako integrira s storitvami Azure preko FoundryChatClient in Azure identitete, kar vam omogoča, da kličete storitve Azure neposredno iz vaših agentnih orodij.

Primeri kode

Imate več vprašanj o AI Agent Frameworks?

Pridružite se Microsoft Foundry Discord, da se srečate z ostalimi učenci, se udeležite uradnih ur in dobite odgovore na vprašanja o AI agentih.

Reference

Prejšnja lekcija

Uvod v AI agente in primere uporabe agentov

Naslednja lekcija

Razumevanje vzorcev agentnega oblikovanja

Omejitev odgovornosti: Ta dokument je bil preveden z uporabo AI prevajalske storitve Co-op Translator. Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da avtomatizirani prevodi lahko vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku je treba obravnavati kot avtoritativni vir. Za kritične informacije je priporočljiv strokovni človeški prevod. Ne odgovarjamo za morebitna nesporazume ali napačne interpretacije, ki izhajajo iz uporabe tega prevoda.

This site is open source. Improve this page.