ai-agents-for-beginners
(Натисніть на зображення вище, щоб переглянути відео до цього уроку)
Вступ до AI Агентів та випадки їх застосування
Ласкаво просимо до курсу AI Agents for Beginners! Цей курс дає вам базові знання — і реальний робочий код — щоб почати створювати AI Агентів з нуля.
Приходьте познайомитись у Azure AI Discord Community — це спільнота учнів та розробників AI, які із задоволенням відповідають на питання.
Перед тим, як почати будувати, давайте переконаємося, що ми дійсно розуміємо, що таке AI Агент і коли доцільно його використовувати.
Вступ
У цьому уроці ви дізнаєтеся:
- Що таке AI Агенти та які існують їх типи
- Для яких завдань AI Агенти підходять найкраще
- Основні складові, які ви використовуватимете при проектуванні агентського рішення
Цілі навчання
До кінця цього уроку ви зможете:
- Пояснити, що таке AI Агент і чим він відрізняється від звичайного AI рішення
- Знати, коли варто використовувати AI Агента (і коли ні)
- Накреслити базове проектування агентського рішення для реальної проблеми
Визначення AI агентів та типи AI агентів
Що таке AI Агенти?
Ось простий спосіб це зрозуміти:
AI Агенти — це системи, які дозволяють Великим Мовним Моделям (LLM) дійсно робити речі — надаючи їм інструменти та знання для дії у світі, а не лише відповідати на запити.
Розберемо це детальніше:
- Система — AI Агент — це не просто одна річ. Це збірка частин, що працюють разом. В основі кожного агента є три компоненти:
- Середовище — Простір, у якому працює агент. Для агента з бронювання подорожей це сама платформа бронювання.
- Датчики — Як агент зчитує поточний стан свого середовища. Наш агент з подорожей може перевіряти наявність готелів чи ціни на рейси.
- Виконавці — Як агент виконує дії. Агент з подорожей може забронювати кімнату, надіслати підтвердження або скасувати бронювання.
-
Великі Мовні Моделі — Агенти існували ще до LLM, але саме LLM роблять сучасних агентів дуже потужними. Вони розуміють природну мову, аналізують контекст і перетворюють розпливчастий запит користувача на чіткий план дій.
-
Виконання Дій — Без агентської системи LLM просто генерує текст. В агентській системі LLM може виконувати кроки — шукати в базі даних, викликати API, надсилати повідомлення.
-
Доступ до Інструментів — Якими інструментами агент може користуватися, залежить від (1) середовища, в якому він працює, і (2) того, що розробник вирішив йому надати. Туристичний агент може шукати рейси, але не редагувати записи клієнтів — усе залежить від підключених інструментів.
-
Пам’ять + Знання — Агенти можуть мати короткострокову пам’ять (поточна розмова) і довгострокову пам’ять (база клієнтів, минулі взаємодії). Агент з подорожей може “пам’ятати”, що ви надаєте перевагу віконним місцям.
Різні типи AI агентів
Не всі агенти створені однаково. Ось розподіл основних типів, з прикладом туристичного агента:
| Тип агента | Що він робить | Приклад туристичного агента |
|---|---|---|
| Прості рефлекторні агенти | Діють за жорстко заданими правилами — без пам’яті та планування. | Бачить скаргу — перенаправляє її до служби підтримки. Ось і все. |
| Рефлекторні агенти на основі моделі | Підтримують внутрішню модель світу та оновлюють її при змінах. | Слідкує за історією цін на рейси і позначає маршрути з раптово високими цінами. |
| Агенти на основі цілей | Має мету і поетапно визначає, як її досягти. | Бронює повну поїздку (авіарейси, авто, готель) від вашого поточного місця до пункту призначення. |
| Агенти на основі корисності | Шукає не просто будь-яке рішення, а найкраще, зважуючи компроміси. | Балансує вартість і зручність, щоб знайти поїздку з найвищими оцінками за вашими уподобаннями. |
| Агенти, що навчаються | Покращуються з часом, навчаючись на відгуках. | Коригує майбутні рекомендації з бронювання на основі результатів опитування після поїздки. |
| Ієрархічні агенти | Вищий агент розділяє роботу на підзавдання та делегує нижчим агентам. | Запит на “скасувати поїздку” розбивається на: скасувати рейс, скасувати готель, скасувати авто — кожне виконує під-агент. |
| Системи з кількома агентами (MAS) | Кілька незалежних агентів працюють разом (або конкурують). | Кооперативні: різні агенти опрацьовують готелі, рейси та розваги. Конкурентні: кілька агентів конкурують за бронювання кімнат за найкращою ціною. |
Коли використовувати AI Агентів
Те, що ви можете використовувати AI Агента, не означає, що завжди варто. Ось ситуації, у яких агенти справді виправдовують себе:
- Відкриті задачі — Коли кроки для розв’язання проблеми неможливо запрограмувати заздалегідь. Потрібно, щоб LLM динамічно знаходила шлях.
- Багатокрокові процеси — Завдання, що потребують використання інструментів протягом кількох кроків, а не одного запиту чи генерації.
- Покращення з часом — Коли бажано, щоб система ставала розумнішою на основі відгуків користувачів або сигналів середовища.
Докладніше про те, коли (і коли не) варто використовувати AI Агентів, поговоримо у уроці Building Trustworthy AI Agents пізніше в курсі.
Основи агентських рішень
Розробка агентів
Перш за все, під час створення агента потрібно визначити * що він може робити* — його інструменти, дії та поведінку.
У цьому курсі ми використовуємо Azure AI Agent Service як основну платформу. Вона підтримує:
- Моделі від провайдерів, таких як OpenAI, Mistral і Meta (Llama)
- Ліцензовані дані від провайдерів, як Tripadvisor
- Стандартизовані визначення інструментів OpenAPI 3.0
Агентські патерни
Ви спілкуєтеся з LLM через запити (prompts). З агентами не завжди можна вручну створювати кожен запит — агент повинен діяти протягом багатьох кроків. Саме тут з’являються Агентські патерни. Це повторно використовувані стратегії для формування запитів та оркестрації LLM більш масштабовано і надійно.
Цей курс побудовано навколо найпоширеніших і найкорисніших агентських патернів.
Агентські фреймворки
Агентські фреймворки дають розробникам готові шаблони, інструменти та інфраструктуру для побудови агентів. Вони спрощують:
- Підключення інструментів та можливостей
- Спостереження за тим, що робить агент (і налагодження помилок)
- Співпрацю між кількома агентами
У цьому курсі ми зосереджені на Microsoft Agent Framework (MAF) для створення готових до виробництва агентів.
Приклади коду
Готові побачити це в дії? Ось приклади коду для цього уроку:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Є запитання?
Приєднуйтесь до Microsoft Foundry Discord, щоб зв’язатися з іншими учнями, відвідати години консультацій і отримати відповіді на питання про AI Агентів від спільноти.
Попередній урок
Наступний урок
Відмова від відповідальності: Цей документ було перекладено за допомогою сервісу штучного інтелекту для перекладу Co-op Translator. Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.