ai-agents-for-beginners
(Натисніть на зображення вище, щоб переглянути відео до цього уроку)
Вступ до AI Аґентів і їх випадки використання
Ласкаво просимо до курсу AI Аґенти для початківців! Цей курс надає вам базові знання — і реальний робочий код — щоб почати будувати AI Аґенти з нуля.
Зайдіть привітатися в Azure AI Discord Community — там багато учнів і творців AI, які із задоволенням відповідають на питання.
Перш ніж перейти до практики, давайте переконаємося, що ми дійсно розуміємо, що таке AI Аґент і коли варто його використовувати.
Вступ
У цьому уроці розглядається:
- Що таке AI Аґенти і які існують типи
- Для яких завдань AI Аґенти підходять найкраще
- Основні будівельні блоки, які ви використовуватимете при проєктуванні агенційного рішення
Цілі навчання
До кінця уроку ви зможете:
- Пояснити, що таке AI Аґент і чим він відрізняється від звичайного AI рішення
- Знати, коли варто звертатися до AI Аґента (і коли ні)
- Накреслити базовий дизайн агенційного рішення для реальної проблеми
Визначення AI Аґентів і типи AI Аґентів
Що таке AI Аґенти?
Ось простий спосіб це уявити:
AI Аґенти — це системи, які дозволяють Великим Мовним Моделям (LLM) насправді виконувати дії — надаючи їм інструменти та знання для взаємодії зі світом, а не лише відповідати на запити.
Розглянемо детальніше:
- Система — AI Аґент — це не просто одна річ. Це набір частин, що працюють разом. В основі кожного агента є три складові:
- Середовище — простір, в якому агент працює. Для агента з бронювання подорожей це буде сама платформа бронювання.
- Датчики — як агент зчитує поточний стан свого середовища. Наш туристичний агент може перевіряти наявність готелів або ціни на рейси.
- Актуатори — як агент робить дії. Туристичний агент може забронювати номер, надіслати підтвердження або скасувати бронювання.
-
Великі Мовні Моделі — агенти існували ще до LLM, але саме LLM роблять сучасних агентів настільки потужними. Вони розуміють природну мову, мислять у контексті і перетворюють нечіткі запити користувачів у конкретний план дій.
-
Виконують дії — без системи агента LLM просто генерує текст. У системі агента LLM може насправді виконувати кроки — шукати в базі даних, викликати API, надсилати повідомлення.
-
Доступ до інструментів — інструменти, які може використовувати агент, залежать від (1) середовища, у якому він працює і (2) від того, що розробник йому дав. Туристичний агент може шукати рейси, але не може редагувати записи клієнта — все залежить від того, що ви налаштували.
-
Пам’ять + Знання — агенти можуть мати короткочасну пам’ять (поточна розмова) і довготривалу пам’ять (база клієнтів, минулі взаємодії). Туристичний агент може «пам’ятати», що ви віддаєте перевагу віконним місцям.
Різні типи AI Аґентів
Не всі агенти побудовані однаково. Ось розподіл основних типів на прикладі туристичного агента:
| Тип агента | Що він робить | Приклад туристичного агента |
|---|---|---|
| Прості рефлекторні агенти | Діє за жорсткими правилами — без пам’яті, без планування. | Бачить скаргу в електронній пошті → пересилає її в службу підтримки. Все. |
| Рефлекторні агенти з моделлю | Має внутрішню модель світу і оновлює її зі змінами. | Відстежує історичні ціни на рейси і позначає маршрути, які раптово подорожчали. |
| Агенти з ціллю | Має мету і крок за кроком визначає, як її досягти. | Бронює повну подорож (перельоти, авто, готель) від вашого поточного місця до пункту призначення. |
| Агенти з утилітарним підходом | Не просто знаходить рішення — знаходить найкраще, оцінюючи компроміси. | Балансує вартість і зручність, щоб знайти подорож, що максимально відповідає вашим уподобанням. |
| Навчаючі агенти | Покращується з часом, навчаючись на зворотному зв’язку. | Коригує наступні рекомендації на основі результатів опитування після подорожі. |
| Ієрархічні агенти | Вищий агент розбиває роботу на підзадачі і делегує нижчим агентам. | Запит на скасування поїздки розбивається на: скасувати рейс, скасувати готель, скасувати оренду авто — кожне виконує під-агент. |
| Системи з кількома агентами (MAS) | Кілька незалежних агентів працюють разом (або конкурують). | Кооператив: окремі агенти обробляють готелі, рейси та розваги. Конкурент: кілька агентів змагаються за заповнення готельних номерів по найкращій ціні. |
Коли слід використовувати AI Аґенти
Те, що ви можете використати AI Аґента, не означає, що ви завжди повинні. Ось ситуації, у яких агенти справді показують себе:
- Відкриті проблеми — коли кроки для розв’язання не можна запрограмувати наперед. Потрібно, щоб LLM сам динамічно визначив шлях.
- Багатокрокові процеси — завдання, що потребують використання інструментів на кількох етапах, а не лише одного пошуку або генерації.
- Покращення з часом — коли ви хочете, щоб система ставала розумнішою на основі відгуків користувачів чи змін середовища.
Глибше розглянемо, коли (і коли не) використовувати AI Аґенти у уроці Побудова надійних AI Аґентів пізніше в курсі.
Основи агенційних рішень
Розробка агента
Перше, що ви робите при створенні агента — визначаєте, що він може робити — його інструменти, дії та поведінку.
У цьому курсі ми використовуємо Azure AI Agent Service як основну платформу. Вона підтримує:
- Відкриті моделі, такі як OpenAI, Mistral і Llama
- Ліцензовані дані від провайдерів, наприклад Tripadvisor
- Стандартизовані визначення інструментів OpenAPI 3.0
Агенційні патерни
Ви спілкуєтесь з LLM через підказки (промпти). З агентами не завжди можна вручну створювати кожен промпт — агент має виконувати дії в кілька кроків. Тут і приходять агенційні патерни. Це повторно використовувані стратегії для формування підказок і організації LLM у більш масштабований і надійний спосіб.
Цей курс побудовано навколо найбільш поширених і корисних агенційних патернів.
Агенційні фреймворки
Агенційні фреймворки дають розробникам готові шаблони, інструменти і інфраструктуру для будування агентів. Вони спрощують:
- Підключення інструментів і можливостей
- Спостереження за тим, що робить агент (і налагодження помилок)
- Співпрацю між кількома агентами
У цьому курсі ми зосереджуємося на Microsoft Agent Framework (MAF) для побудови агентів, готових до продуктивного використання.
Приклади коду
Готові побачити це в дії? Ось приклади коду для цього уроку:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Маєте питання?
Приєднуйтесь до Microsoft Foundry Discord, щоб спілкуватися з іншими учнями, відвідувати консультації та отримувати відповіді на питання про AI Агентів від спільноти.
Попередній урок
Наступний урок
Відмова від відповідальності: Цей документ було перекладено за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, зверніть увагу, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ його рідною мовою має розглядатися як авторитетне джерело. Для критично важливої інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильне тлумачення, що виникають у результаті використання цього перекладу.