ai-agents-for-beginners
(ఈ పాఠం కోసం వీడియో చూడటానికి పై చిత్రాన్ని క్లిక్ చేయండి)
AI ఏజెంట్ల పరిచయం మరియు ఏజెంట్ వినియోగ కేసులు
AI ఏజెంట్స్ ఫర్ బిగినర్స్ కోర్సుకు స్వాగతం! ఈ కోर्स్ మీకు ప్రాథమిక జ్ఞానం మరియు నిజమైన పని కోడ్ను అందిస్తుంది — ప్రారంభం నుంచి AI ఏజెంట్లను నిర్మించటం ప్రారంభించడానికి.
Azure AI Discord Community లో హాయ్ చెప్పండి — ఇది అభ్యసనులు మరియు AI నిర్మాణకర్తలతో నిండినది, వారు ప్రశ్నలకు సంతోషంగా సమాధానం ఇస్తారు.
నిర్మాణం ప్రారంభించే ముందు, AI ఏజెంట్ ఏమిటి అనే విషయం మరియు ఎప్పుడు దానిని ఉపయోగించడం బాగుంటుందో అందంగా అర్థం చేసుకుందాం.
పరిచయం
ఈ పాఠం కవర్ చేస్తుంది:
- AI ఏజెంట్స్ అంటే ఏమిటి, మరియు వేర్వేరు రకాల ఏమిటి
- ఏ పనులకు AI ఏజెంట్స్ గొప్పగా సరిపోతాయి
- ఏజెంటిక్ పరిష్కారాన్ని రూపకల్పన చేసే సమయంలో మీరు ఉపయోగించే మూల భాగాలు
నేర్చుకోవాల్సిన లక్ష్యాలు
ఈ పాఠం ముగిసినప్పుడు, మీరు చేయగలుగుతారు:
- AI ఏజెంట్ ఏమిటి మరియు సాధారణ AI పరిష్కారంతో తేడా ఏమిటి వివరించగలగాలి
- ఎప్పుడు AI ఏజెంట్ కోసం చేరుకోవాలి (మరియు ఎప్పుడు కాదు) తెలిసి ఉండాలి
- వాస్తవ ప్రపంచ సమస్యకు ఒక ప్రాథమిక ఏజెంటిక్ పరిష్కార రూపకల్పన రేఖాచిత్రం తయారు చేయగలగాలి
AI ఏజెంట్ల నిర్వచనం మరియు వేర్వేరు రకాల AI ఏజెంట్స్
AI ఏజెంట్లు ఏమిటి?
ఇది అర్థం చేసుకోవడానికి ఒక సులభమైన విధానం:
AI ఏజెంట్లు అనేవి పెద్ద భాషా నమూనాలు (LLMs) నిజంగా చేయడాన్ని అనుమతించే వ్యవస్థలు — ప్రాంప్ట్లకు జవాబులు మాత్రమే కాదు, ప్రపంచంపై ప్రవర్తించడానికి టూల్స్ మరియు జ్ఞానాన్ని ఇచ్చి.
కొంచెం పేర్చుకుందాం:
- వ్యవస్థ — AI ఏజెంట్ ఒకటి మాత్రమే కాదు. ఇది అంశాల సమాహారం. ప్రతి ఏజెంట్ కింద మూడు భాగాలు ఉంటాయి:
- పరిసరాల వాతావరణం — ఏజెంట్ పనిచేస్తున్న స్థలం. ప్రయాణ బుకింగ్ ఏజెంట్ కు అది బుకింగ్ వేదికే.
- సెన్సార్లు — ఏజెంట్ తన స్థితి చదవటానికి. మన ప్రయాణ ఏజెంట్ హోటల్ లభ్యత లేదా విమాన ధరలు చెక్ చేయవచ్చు.
- కార్యాచరణలు — ఏజెంట్ చేసే చర్యలు. ప్రివాణి ఏజెంట్ గది బుక్ చేయటం, ధృవీకరణ పంపటం లేదా బుకింగ్ రద్దు చేయటం చేయవచ్చు.
-
పెద్ద భాషా నమూనాలు — ఏజెంట్లు LLMs కంటే ముందే ఉన్నాయి, కానీ LLMs ఆధునిక ఏజెంట్లకు చాలా శక్తివంతంగా చేస్తాయి. అవి సహజ భాషను అర్ధం చేసుకోగలవు, సੰਦਰభాన్ని తరిగిపారవచ్చు, మరియు కర్దములు సూచించే అజ్ఞాత అభ్యర్థనను స్పష్టమైన కార్యాచరణ ప్రణాళికగా మార్చగలవు.
-
చర్యలు చేయడం — ఏజెంట్ వ్యవస్థ లేకుండా, LLM కేవలం టెక్స్ట్ రూపొందిస్తుంది. ఏజెంట్ వ్యవస్థలో LLM నిజంగా నేర్పే క్రమాలను అమలు చేయవచ్చు — డేటాబేస్ శోధన, API పిలుపు, సందేశ పంపడం.
-
సాధనాల ప్రాప్యత — ఏజెంట్ ఉపయోగించే టూల్స్ వాస్తవ పరిస్థితి (environment) మరియు అభివృద్ధిదారు ఇచ్చిన దానిపై ఆధారపడి ఉంటుంది. ప్రయాణ ఏజెంట్ విమానాలను శోధించవచ్చు కానీ కస్టమర్ రికార్డులను మార్చలేరు — మీరు కనెక్ట్ చేసినదానిపై అన్నీ ఆధారపడి ఉంటుంది.
-
స్మృతి + జ్ఞానం — ఏజెంట్లు తాత్కాలిక స్మృతి (ప్రస్తుత సంభాషణ) మరియు దీర్ఘకాలిక స్మృతి (కస్టమర్ డేటాబేసు, గత పరిచయాలు) కలిగి ఉండవచ్చు. ప్రయాణ ఏజెంట్ మీరు విండో సీట్స్ ఇష్టపడుతారని “గుర్తుంచుకోగలదు”.
వేర్వేరు రకాల AI ఏజెంట్లు
ప్రతి ఏజెంట్ ఒకేలా ఉండరు. ప్రయాణ బుకింగ్ ఏజెంట్ ఉదాహరణగా తీసుకుని ప్రధాన రకాలను వివరిద్దాం:
| ఏజెంట్ రకం | అది ఏమి చేస్తుంది | ప్రయాణ ఏజెంట్ ఉదాహరణ |
|---|---|---|
| సింపుల్ రిఫ్లెక్స్ ఏజెంట్లు | కఠిన నియమాలను అనుసరిస్తాయి — స్మృతి లేదు, ప్రణాళిక లేదు. | అందుకున్న ఫిర్యాదు ఇమెయిల్ → కస్టమర్ సర్వీస్ కి పంపుతుంది. అంతే. |
| మోడల్-బేస్డ్ రిఫ్లెక్స్ ఏజెంట్లు | లోపలి ప్రపంచ మోడల్ ఉంచి మార్పులెప్పుడు అప్డేట్ చేస్తాయి. | చరిత్రాత్మక విమాన ధరలను ట్రాక్ చేసి, ఆకస్మికంగా ఎక్కువ ధర ఉన్న రూట్లను గుర్తిస్తుంది. |
| గోల్-బేస్డ్ ఏజెంట్లు | లక్ష్యాన్ని గుర్తించి దాన్ని దశల వారీగా చేరుకోవడమే. | మీరు ఉన్న ప్రస్తుత స్థలం నుండి గమ్యస్థానానికి పూర్తి ట్రిప్ (విమానాలు, కారు, హోటల్) బుక్ చేస్తుంది. |
| యుటిలిటీ-బేస్డ్ ఏజెంట్లు | కేవలం ఏదైనా పరిష్కారం కాదు — ఉత్తమ పరిష్కారాన్ని వెతుకుతాయి, ప్రత్యామ్నాయాలను బరువు వేసి. | ఖర్చు మరియు సౌకర్యం మధ్య సంతులనం చేసి మీరు ఇష్టపడే ప్రయాణాన్ని కనుగొంటుంది. |
| లెర్నింగ్ ఏజెంట్లు | అభ్యాసంతో సమయంతో మెరుగుపడతాయి. | ట్రిప్ తర్వాత సర్వే ఫలితాల ఆధారంగా భవిష్యత్తు బుకింగ్ సిఫార్సులు సర్దుబాటు చేస్తుంది. |
| హైకరార్చికల్ ఏజెంట్లు | ఉన్నత స్థాయి ఏజెంట్ పని ను ఉప-పనులుగా విభజించి తక్కువ స్థాయి ఏజెంట్లకు అప్పగిస్తుంది. | “ట్రిప్ రద్దు” అభ్యర్థన ను: విమానం రద్దు, హోటల్ రద్దు, కారు అద్దె రద్దు — ప్రతి ఏజెంట్ ఉత్తరం వ్యవహరిస్తుంది. |
| మల్టీ-ఏజెంట్ సిస్టమ్లు (MAS) | అనేక స్వతంత్ర ఏజెంట్లు కలిసి పని (లేదా పోటీ) చేస్తాయి. | సహకారం: వేర్వేరు ఏజెంట్లు హోటల్స్, విమానాలు, వినోదం నిర్వహిస్తాయి. పోటీ: ఎక్కువ ఏజెంట్లు హోటల్ రూమ్లకు ఉత్తమ ధర కోసం పోటీ చేస్తాయి. |
ఎప్పుడు AI ఏజెంట్లను ఉపయోగించాలి
మీకు AI ఏజెంట్ ఉపయోగించగలిగినా, మీరు ఎప్పుడూ ఉపయోగించాలి అనుగాకపోవచ్చు. ఏ సన్నివేశాలలో ఏజెంట్లు నిజంగా మెరుగ్గా పనిచేస్తాయో ఇవి:
- ఓపెన్-ఎండెడ్ సమస్యలు — పరిష్కారం దశలను ముందుగానే ప్రోగ్రామ్ చేయలేని సందర్భాలు. LLM దారిని డైనమిక్ గా కనుగొనాలి.
- బహుళ దశల ప్రక్రియలు — ఒకే శరీరం lookup లేకే ఉత్పత్తి కాకుండా అనేక దశలలో టూల్స్ ఉపయోగిస్తే.
- సమయంతో మెరుగుదల — వినియోగదారు స్పందన లేదా వాతావరణ సంకేతాల ఆధారంగా వ్యవస్థ మెరుగవ్వాలి.
ఇదే AI ఏజెంట్లను ఎప్పుడు (మరి ఎప్పుడూ కాదు) ఉపయోగించాలి అని మనం ఈ కోర్సులో బిల్డింగ్ ట్రస్ట్వర్థి AI ఏజెంట్స్ పాఠంలో మరింత లోతుగా చూడబోతున్నాం.
ఏజెంటిక్ పరిష్కారాల ప్రాథమికాలు
ఏజెంట్ అభివృద్ధి
ఏజెంట్ తయారులో మొదట మీరు చేస్తే, అది చేస్తునది ఏమిటి (అంటే, దాని టూల్స్, చర్యలు, ప్రవర్తనలు) నిర్వచించడం.
ఈ కోర్సులో, మనం Azure AI ఏజెంట్ సేవ ని ప్రధాన వేదికగా ఉపయోగిస్తాము. ఇది మద్దతిస్తుంది:
- OpenAI, Mistral, Llama వంటి ఓపెన్ మోడల్స్
- Tripadvisor వంటి ప్రొవైడర్ల నుండి లైసెన్స్ పొందిన డేటా
- సులభీకృత OpenAPI 3.0 టూల్ నిర్వచనలు
ఏజెంటిక్ నమూనాలు
మీరు LLM లతో ప్రాంప్ట్ ల ద్వారా సంభాషిస్తారు. ఏజెంట్లలో ప్రతి ప్రాంప్ట్ను చేతితో తయారు చేయలేరు — ఏజెంట్ అనేక దశలలో చర్య తీసుకోవాల్సి ఉంటుంది. ఇక్కడే Agentic Patterns సహాయపడతాయి. ఇవి LLM లను ప్రాంప్ట్ చేయడం మరియు నిర్వహణ కోసం మళ్ళీ ఉపయోగించుకునే వ్యూహాలు.
ఈ కోర్సు సాధారణ మరియు ఉపయోగకరమైన ఏజెంటిక్ నమూనాల చుట్టూ నిర్మించబడింది.
Agentic Frameworks
Agentic Frameworks అభివృద్ధిదారులకు సాదారణ టెంప్లేట్లు, టూల్స్ మరియు వసతులు ఇస్తాయి. ఇవి సులభతరం చేస్తాయ్:
- టూల్స్ మరియు సామర్ధ్యాలను కనెక్ట్ చేయడం
- ఏజెంట్ చేస్తున్నదానిని గమనించడం (పొరపాట్లు దొర్లితే ఓ వైపు చూడటం)
- అనేక ఏజెంట్ల మధ్య సహకారం
ఈ కోర్సులో, మైక్రోసాఫ్ట్ ఏజెంట్ Framework (MAF) పై ఫోకస్ చేస్తాం, ఇది ప్రొడక్షన్-రెడీ ఏజెంట్ల నిర్మాణానికి ఉపయోగపడుతుంది.
కోడ్ నమూనాలు
చర్యలో చూడడానికి సిద్ధమా? ఈ పాఠం కోసం కోడ్ నమూనాలు:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
ప్రశ్నలు ఉన్నాయా?
Microsoft Foundry Discord లో చేరండి – ఇతర అభ్యాసనులతో যোগাযোগం, కార్యాలయ సమయాల్లో పాల్గొనడం, మరియు మీ AI ఏజెంట్ ప్రశ్నలకు సమాధానాలు పొందండిఅందిం.
గత పాఠం
తదుపరి పాఠం
ఇంక్యత:
ఈ డాక్యుమెంట్ని AI అనువাদ సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మనము ఖచ్చితత్వానికి ప్రయత్నించినా, ఆటోమేటెడ్ అనువాదాల్లో లోపాలు లేదా అపార్థాలు ఉండవచ్చు. మూల డాక్యుమెంట్ దాని స్వదేశీ భాషలో అధికారిక మూలంగా పరిగణించబడాలి. అత్యవసరం సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాద ఉపయోగంతో ఉత్పన్నమయ్యే ఏదైనా పొరపాటు లేదా అపార్థం గురించి మేము బాధ్యులు కాదు.