ai-agents-for-beginners

Истраживање AI оквира за агенте

(Кликните на горњу слику да бисте погледали видео о овој лекцији)

Истражите AI оквире за агенте

AI оквири за агенте су софтверске платформе дизајниране да поједноставе креирање, постављање и управљање AI агентима. Ови оквири обезбеђују програмерима унапред изграђене компоненте, апстракције и алате који убрзавају развој сложених AI система.

Ови оквири помажу програмерима да се фокусирају на јединствене аспекте својих апликација пружајући стандардизоване приступе за уобичајене изазове у развоју AI агената. Они побољшавају скалабилност, приступачност и ефикасност у изградњи AI система.

Увод

Ова лекција ће обухватити:

Циљеви учења

Циљеви ове лекције су да вам помогну да разумете:

Шта су AI оквири за агенте и шта омогућавају програмерима?

Традиционални AI оквири вам могу помоћи да интегришете AI у своје апликације и учините их бољим на следеће начине:

Све то звучи одлично, зашто нам онда треба AI оквир за агенте?

AI оквири за агенте представљају нешто више од обичних AI оквира. Они су дизајнирани да омогуће креирање интелигентних агената који могу да интерагују са корисницима, другим агентима и окружењем како би остварили одређене циљеве. Ови агенти могу показивати аутономно понашање, доносити одлуке и прилагодити се променљивим условима. Погледајмо неке кључне могућности које омогућавају AI оквири за агенте:

Дакле, у резимеу, агенти вам дозвољавају да урадите више, да подигнете аутоматизацију на виши ниво, да креирате интелигентније системе који се могу прилагодити и учити из свог окружења.

Како брзо прототиповати, итеративно унапређивати и побољшавати капацитете агента?

Ово је брзо развијајући се простор, али постоје неке ствари заједничке за већину AI оквира за агенте које вам могу помоћи да брзо направите прототип и итерацију, а то су модуларне компоненте, колективни алати и учење у реалном времену. Хајде да их погледамо:

Користите модуларне компоненте

SDK-ови као Microsoft Agent Framework нуде унапред изграђене компоненте као што су AI конектори, дефиниције алата и управљање агентима.

Како тимови могу користити ово: Тимови могу брзо саставити ове компоненте да направе функционалан прототип без почињања од нуле, што омогућава брзо експериментисање и итерацију.

Како то функционише у пракси: Можете користити унапред изграђени парсер за екстракцију информација из корисничког уноса, меморијски модул за чување и проналажење података, као и генератор упита за интеракцију са корисницима, све без потребе да градите ове компоненте од нуле.

Пример кода. Погледајмо пример како можете користити Microsoft Agent Framework са FoundryChatClient да модел одговара на кориснички унос позивајући алате:

# Пример Microsoft Agent Framework у Python-у

import asyncio
import os

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


# Дефиниши пример функције алата за резервацију путовања
@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)
    # Пример излаза: Ваш лет за Њујорк 1. јануара 2025. је успешно резервисан. Срећан пут! ✈️🗽


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

Оно што из овог примера можете видети је како можете искористити унапред изграђени парсер да извучете кључне информације из корисничког уноса, као што су порекло, одредиште и датум захтева за резервацију лета. Овај модуларни приступ вам дозвољава да се фокусирате на логичку надоградњу.

Искоришћавајте колективне алате

Оквири као Microsoft Agent Framework олакшавају креирање више агената који могу радити заједно.

Како тимови могу користити ово: Тимови могу дизајнирати агенте са специфичним улогама и задацима, омогућавајући им да тестирају и унапреде колаборативне токове рада и побољшају укупну ефикасност система.

Како то функционише у пракси: Можете креирати тим агената где сваки агент има специјализовану функцију, као што су дохватање података, анализа или доношење одлука. Ови агенти могу комуницирати и делити информације да би постигли заједнички циљ, као што је одговор на кориснички упит или завршetak задатка.

Пример кода (Microsoft Agent Framework):

# Креирање више агената који раде заједно користећи 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(),
)

# Агента за преузимање података
agent_retrieve = provider.as_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

# Агента за анализу података
agent_analyze = provider.as_agent(
    name="dataanalysis",
    instructions="Analyze the retrieved data and provide insights.",
    tools=[analyze_tool],
)

# Покрени агенте секвенцијално на задатку
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)

У претходном коду видите како можете креирати задатак у коме више агената ради заједно на анализи података. Сваки агент обавља специфичну функцију, а задатак се извршава координацијом агената како би се постигао жељени резултат. Креирањем посвећених агената са специјализованим улогама, можете побољшати ефикасност и перформансе задатка.

Учење у реалном времену

Напредни оквири пружају могућности за разумевање контекста и прилагођавање у реалном времену.

Како тимови могу користити ово: Тимови могу имплементирати петље повратних информација где агенти уче из интеракција и динамички прилагођавају своје понашање, што води ка континуираном унапређењу и дорађивању капацитета.

Како то функционише у пракси: Агенти могу анализирати повратне информације корисника, податке из околине и резултате зададка да ажурирају своју базу знања, прилагођавају алгоритме доношења одлука и побољшавају перформансе током времена. Овај итеративни процес учења омогућава агентима да се прилагоде променљивим условима и преференцијама корисника, повећавајући укупну ефикасност система.

Које су разлике између Microsoft Agent Framework и Microsoft Foundry Agent Service?

Постоји много начина за поређење ових приступа, али хајде да погледамо неке кључне разлике у погледу њиховог дизајна, могућности и циљних случајева употребе:

Microsoft Agent Framework (MAF)

Microsoft Agent Framework пружа поједностављени SDK за изградњу AI агената користећи FoundryChatClient. Омогућава програмерима да креирају агенте који користе Azure OpenAI моделе са уграђеним позивом алата, управљањем разговором и сигурношћу на нивоу предузећа путем Azure идентитета.

Примене: Изградња AI агената спремних за производњу са употребом алата, више корака у токовима рада и сценарије интеграције на нивоу предузећа.

Ево неких важних основних концепата Microsoft Agent Framework:

Microsoft Foundry Agent Service

Microsoft Foundry Agent Service је новији додатак, представљен на Microsoft Ignite 2024. Омогућава развој и постављање AI агената са флексибилнијим моделима, као што је директан позив отворених LLM као што су Llama 3, Mistral и Cohere.

Microsoft Foundry Agent Service пружа јаче механизме безбедности на нивоу предузећа и методе складиштења података, што га чини погодним за предузетничке апликације.

Ради одмах у складу са Microsoft Agent Framework за изградњу и постављање агената.

Ова услуга је тренутно у Јавној претпреми и подржава Python и C# за изградњу агената.

Користећи Microsoft Foundry Agent Service Python SDK, можемо креирати агента са алатом дефинисаним од стране корисника:

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

# Дефиниши функције алата
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())

Основни концепти

Microsoft Foundry Agent Service има следеће основне концепте:

Примене: Microsoft Foundry Agent Service је дизајниран за предузетничке апликације које захтевају сигурно, скалабилно и флексибилно постављање AI агената.

Која је разлика између ових приступа?

Чини се да постоји преклапање, али постоје неке кључне разлике у погледу дизајна, могућности и циљних случајева употребе:

Још увек нисте сигурни који да одаберете?

Случајеви употребе

Погледајмо ако вам можемо помоћи проласком кроз неке уобичајене случајеве употребе:

П: Изградим производне AI агент апликације и желим да брзо почнем

О: Microsoft Agent Framework је одличан избор. Пружа једноставан, питхонички API преко FoundryChatClient који вам омогућава да дефинишете агенте са алатима и упутствима у само неколико линија кода.

П: Треба ми постављање на нивоу предузећа са Azure интеграцијама као што су Search и извршење кода

О: Microsoft Foundry Agent Service је најбољи избор. То је платформа која пружа уграђене могућности за више модела, Azure AI Search, Bing Search и Azure Functions. Лако је изградити ваше агенте у Foundry порталу и поставити их на скали.

П: Још увек сам збуњен, само ми дајте једну опцију

О: Почните са Microsoft Agent Framework за изградњу агената, а затим користите Microsoft Foundry Agent Service када требате да их поставите и скалирате у производњи. Овај приступ вам омогућава брзу итерацију логике агената уз јасан пут ка постављању на нивоу предузећа.

Хајде да резимирамо кључне разлике у табели:

Оквир Фокус Основни концепти Случајеви употребе
Microsoft Agent Framework Пoједностављени SDK за агенте са позивом алата Агенти, Алате, Azure идентитет Изградња AI агената, коришћење алата, више корака у токовима рада
Microsoft Foundry Agent Service Флексибилни модели, безбедност на нивоу предузећа, генерисање кода, позив алата Модуларност, сарадња, оркестрација процеса Сигурно, скалабилно и флексибилно постављање AI агената

Могу ли да интегришем своје постојеће алате Azure екосистема директно или ми требају самостална решења?

Одговор је да, можете интегрисати ваше постојеће Azure алате директно са Microsoft Foundry Agent Service, посебно јер је направљен да беспрекорно ради са другим Azure сервисима. На пример, могли бисте интегрисати Bing, Azure AI Search и Azure Functions. Постоји и дубока интеграција са Microsoft Foundry.

Microsoft Agent Framework такође интегрише Azure сервисе преко FoundryChatClient и Azure идентификације, омогућавајући вам да позивате Azure сервисе директно из ваших агентских алата.

Примери кода

Имате још питања о AI Agent Frameworks?

Придружите се Microsoft Foundry Discord где можете упознати друге учеснике, присуствовати канцеларијским часовима и добити одговоре на ваша питања о AI агентима.

Референце

Претходна лекција

Увод у AI Агенте и употребу агената

Следећа лекција

Разумевање агентских дизајн образаца

Изјава о одрицању одговорности: Овај документ је преведен коришћењем услуге за аутоматски превод Co-op Translator. Иако тежимо тачности, имајте у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални људски превод. Нисмо одговорни за било каква неспоразума или погрешна тумачења која произилазе из коришћења овог превода.

This site is open source. Improve this page.