ai-agents-for-beginners

AI ایجنٹ فریم ورکس کی کھوج

(ویڈیو دیکھنے کے لئے اوپر تصویر پر کلک کریں)

AI ایجنٹ فریم ورکس کی کھوج

AI ایجنٹ فریم ورکس ایسے سافٹ ویئر پلیٹ فارمز ہیں جو AI ایجنٹس کی تخلیق، تعیناتی، اور انتظام کو آسان بنانے کے لیے ڈیزائن کیے گئے ہیں۔ یہ فریم ورکس ڈویلپرز کو پہلے سے بنے ہوئے اجزاء، خلاصہ جات، اور اوزار فراہم کرتے ہیں جو پیچیدہ AI نظاموں کی ترقی کو ہموار کرتے ہیں۔

یہ فریم ورکس ڈویلپرز کو ان کی ایپلیکیشنز کے منفرد پہلوؤں پر توجہ مرکوز کرنے میں مدد دیتے ہیں، عمومی چیلنجز کے لیے معیاری طریقے فراہم کر کے AI ایجنٹ ترقی کو آسان بناتے ہیں۔ یہ AI نظاموں کی scalability، accessibility، اور efficiency کو بڑھاتے ہیں۔

تعارف

اس سبق میں یہ موضوعات شامل ہوں گے:

سیکھنے کے مقاصد

اس سبق کے مقاصد آپ کو یہ سمجھنے میں مدد دینا ہیں:

AI ایجنٹ فریم ورکس کیا ہیں اور یہ ڈویلپرز کو کیا کرنے کی اجازت دیتے ہیں؟

روایتی AI فریم ورکس آپ کی ایپس میں AI کو شامل کرنے اور ان ایپس کو بہتر بنانے میں درج ذیل طریقوں سے مدد کرتے ہیں:

یہ سب اچھا ہے، تو پھر AI ایجنٹ فریم ورک کیوں چاہیے؟

AI ایجنٹ فریم ورکس صرف AI فریم ورکس سے زیادہ ہیں۔ یہ ذہین ایجنٹس کی تخلیق کے لیے بنائے گئے ہیں جو صارفین، دیگر ایجنٹس، اور ماحول کے ساتھ مخصوص مقاصد کے لیے تعامل کر سکتے ہیں۔ یہ ایجنٹس خودکار رویہ دکھا سکتے ہیں، فیصلے کر سکتے ہیں، اور بدلتے ہوئے حالات کے مطابق ڈھل سکتے ہیں۔ آئیے کچھ کلیدی صلاحیتوں پر نظر ڈالیں جو AI ایجنٹ فریم ورکس فراہم کرتے ہیں:

خلاصہ یہ ہے کہ ایجنٹس آپ کو زیادہ کرنے دیتے ہیں، خودکاری کو اگلے درجے پر لے جانے دیتے ہیں، اور زیادہ ذہین نظام بنانے دیتے ہیں جو اپنے ماحول سے سیکھ اور ڈھل سکتے ہیں۔

ایجنٹ کی صلاحیتوں کو جلدی پروٹوٹائپ، iterations، اور بہتر کیسے بنایا جائے؟

یہ ایک تیزی سے بدلنے والا میدان ہے، لیکن زیادہ تر AI ایجنٹ فریم ورکس میں کچھ عمومی چیزیں ہیں جو آپ کو جلدی پروٹوٹائپ بنانے اور iterations کرنے میں مدد دیتی ہیں، یعنی ماڈیولر اجزاء، اشتراکی اوزار، اور حقیقی وقت کی سیکھنے کی صلاحیت۔ آئیے ان پر تفصیل سے بات کرتے ہیں:

ماڈیولر اجزاء کا استعمال کریں

Microsoft Agent Framework جیسے SDK پہلے سے بنے ہوئے اجزاء پیش کرتے ہیں جیسے AI کنیکٹرز، ٹول کی تعریفیں، اور ایجنٹ مینجمنٹ۔

ٹیمیں ان کا استعمال کیسے کر سکتی ہیں: ٹیمیں ان اجزاء کو جلدی جمع کر کے بغیر شروع کیے ایک فعال پروٹوٹائپ بنا سکتی ہیں، جس سے تیزی سے تجربہ کرنے اور بہتری کی گنجائش ہوتی ہے۔

عملی طور پر یہ کیسے کام کرتا ہے: آپ صارف کی ان پٹ سے معلومات نکالنے کے لیے پہلے سے بنے ہوئے پارسر، ڈیٹا ذخیرہ کرنے اور حاصل کرنے کے لیے میموری ماڈیول، اور صارف سے بات چیت کے لیے پرامپٹ جنریٹر استعمال کر سکتے ہیں، یہ سب بغیر اجزاء کو دوبارہ بنانے کے۔

مثالی کوڈ۔ آئیے دیکھتے ہیں کہ آپ Microsoft Agent Framework کو FoundryChatClient کے ساتھ کیسے استعمال کر سکتے ہیں تاکہ ماڈل صارف کی ان پٹ پر ٹول کالنگ کے ساتھ جواب دے سکے:

# مائیکروسافٹ ایجنٹ فریم ورک پائتھن کی مثال

import asyncio
import os

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


# سفر کی بکنگ کے لیے ایک نمونہ ٹول فنکشن کی تعریف کریں
@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)
    # مثال کا نتیجہ: آپ کی پرواز 1 جنوری 2025 کو نیویارک کے لیے کامیابی سے بک ہو گئی ہے۔ محفوظ سفر! ✈️🗽


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

اس مثال سے آپ دیکھ سکتے ہیں کہ کس طرح آپ پہلے سے بنے ہوئے پارسر کی مدد سے صارف کی ان پٹ سے کلیدی معلومات نکال سکتے ہیں، جیسے پرواز کی بکنگ کی درخواست کے لئے آغاز، منزل، اور تاریخ۔ یہ ماڈیولر طریقہ کار آپ کو اعلی سطحی منطق پر توجہ دینے کی اجازت دیتا ہے۔

اشتراکی اوزار سے فائدہ اٹھائیں

Microsoft Agent Framework جیسے فریم ورکس متعدد ایجنٹس کی تخلیق میں مدد دیتے ہیں جو مل کر کام کر سکیں۔

ٹیمیں ان کا استعمال کیسے کر سکتی ہیں: ٹیمیں مخصوص کرداروں اور کاموں کے ساتھ ایجنٹس ڈیزائن کر کے اشتراکی ورک فلو کو بہتر بنا سکتی ہیں اور مجموعی نظام کی کارکردگی کو بڑھا سکتی ہیں۔

عملی طور پر یہ کیسے ہوتا ہے: آپ مختلف خصوصیات رکھنے والے ایجنٹس کی ایک ٹیم بنا سکتے ہیں، جیسے ڈیٹا ریکوری، تجزیہ، یا فیصلہ سازی۔ یہ ایجنٹس بات چیت کر کے معلومات شیئر کر سکتے ہیں تاکہ صارف کے سوال کا جواب دے سکیں یا کوئی کام مکمل کر سکیں۔

مثالی کوڈ (Microsoft Agent Framework):

# مائیکروسافٹ ایجنٹ فریم ورک استعمال کرتے ہوئے ایک ساتھ کام کرنے والے متعدد ایجنٹس تخلیق کرنا

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(),
)

# ڈیٹا بازیافت ایجنٹ
agent_retrieve = provider.as_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

# ڈیٹا تجزیہ ایجنٹ
agent_analyze = provider.as_agent(
    name="dataanalysis",
    instructions="Analyze the retrieved data and provide insights.",
    tools=[analyze_tool],
)

# کسی کام پر ایجنٹس کو ترتیب سے چلانا
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)

پچھلے کوڈ میں آپ دیکھ سکتے ہیں کہ کس طرح آپ ایک ایسا کام بنا سکتے ہیں جس میں متعدد ایجنٹس ڈیٹا کا تجزیہ کرنے کے لیے مل کر کام کرتے ہیں۔ ہر ایجنٹ مخصوص کام انجام دیتا ہے، اور کام کا نفاذ ایجنٹس کی ہم آہنگی سے ہوتا ہے تاکہ مطلوبہ نتیجہ حاصل ہو۔ مخصوص کرداروں کے ساتھ ایجنٹس بنانے سے آپ کام کی کارکردگی اور کارگزاری بہتر بنا سکتے ہیں۔

حقیقی وقت میں سیکھیں

جدید فریم ورکس حقیقی وقت میں سیاق و سباق کی سمجھنے اور مطابقت کی صلاحیتیں فراہم کرتے ہیں۔

ٹیمیں ان کا استعمال کیسے کر سکتی ہیں: ٹیمیں فیڈبیک لوپس نافذ کر سکتی ہیں جہاں ایجنٹس تعاملات سے سیکھتے ہیں اور اپنے رویے کو متحرک طور پر ایڈجسٹ کرتے ہیں، جو صلاحیتوں کی مسلسل بہتری اور نکھار کا باعث بنتا ہے۔

عملی طور پر یہ کیسے ہوتا ہے: ایجنٹس صارف کی فیڈبیک، ماحول کا ڈیٹا، اور کام کے نتائج کا تجزیہ کرتے ہیں تاکہ اپنی معلومات کی بنیاد کو اپ ڈیٹ کریں، فیصلے کے الگورتھمز کو ایڈجسٹ کریں، اور وقت کے ساتھ کارکردگی بہتر بنائیں۔ یہ تکراری سیکھنے کا عمل ایجنٹس کو بدلتے حالات اور صارف کی ترجیحات کے مطابق ڈھالنے کی اجازت دیتا ہے، جس سے مجموعی نظام کی تاثیر بہتر ہوتی ہے۔

Microsoft Agent Framework اور Microsoft Foundry Agent Service میں کیا فرق ہے؟

ان طریقوں کا موازنہ کرنے کے کئی طریقے ہیں، لیکن آئیں چند کلیدی اختلافات کو ان کے ڈیزائن، صلاحیتوں، اور ہدف کے استعمال کی بنا پر دیکھتے ہیں:

Microsoft Agent Framework (MAF)

Microsoft Agent Framework ایک آسان SDK فراہم کرتا ہے جو FoundryChatClient کے ذریعے AI ایجنٹس بنانے کے لیے ہے۔ یہ ڈویلپرز کو Azure OpenAI ماڈلز کے ساتھ ٹول کالنگ، گفتگو کا انتظام، اور Azure شناخت کے ذریعے انٹرپرائز سیکیورٹی فراہم کرتا ہے۔

استعمال کے میدان: ٹول استعمال، کثیر مرحلہ ورک فلو، اور انٹرپرائز انٹیگریشن سیناریوز کے ساتھ پروڈکشن کے قابل AI ایجنٹ بنانا۔

Microsoft Agent Framework کے چند اہم بنیادی تصورات یہ ہیں:

Microsoft Foundry Agent Service

Microsoft Foundry Agent Service حالیہ اضافہ ہے، جسے Microsoft Ignite 2024 میں متعارف کرایا گیا۔ یہ AI ایجنٹس کی تخلیق اور تعیناتی کی اجازت دیتا ہے جو زیادہ لچکدار ماڈلز استعمال کرتے ہیں، جیسے کہ براہِ راست اوپن سورس LLMs جیسے Llama 3، Mistral، اور Cohere کو کال کرنا۔

Microsoft Foundry Agent Service مضبوط انٹرپرائز سیکیورٹی میکانزمز اور ڈیٹا اسٹوریج کے طریقے فراہم کرتا ہے، جس سے یہ انٹرپرائز ایپلیکیشنز کے لیے موزوں ہے۔

یہ Microsoft Agent Framework کے ساتھ مل کر کام کرتا ہے تاکہ ایجنٹس بنانے اور تعینات کرنے میں آسانی ہو۔

یہ سروس فی الحال Public Preview میں ہے اور Python اور C# میں ایجنٹس بنانے کی حمایت کرتی ہے۔

Microsoft Foundry Agent Service Python SDK کا استعمال کرتے ہوئے، ہم ایک صارف کے بنائے ہوئے ٹول کے ساتھ ایک ایجنٹ بنا سکتے ہیں:

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

# ٹول فنکشنز کی تعریف کریں
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())

بنیادی تصورات

Microsoft Foundry Agent Service کے بنیادی تصورات یہ ہیں:

استعمال کے میدان: Microsoft Foundry Agent Service انٹرپرائز ایپلیکیشنز کے لیے ڈیزائن کیا گیا ہے جنہیں محفوظ، مقیاس پذیر، اور لچکدار AI ایجنٹ تعیناتی کی ضرورت ہوتی ہے۔

ان طریقوں کے درمیان کیا فرق ہے؟

یہ تو لگتا ہے کہ کچھ اوورلیپ ہے، لیکن ان کے ڈیزائن، صلاحیتوں، اور ہدف کے استعمال کی بنیاد پر چند کلیدی اختلافات ہیں:

ابھی بھی فیصلہ نہ کر پائے کہ کون سا استعمال کریں؟

استعمال کے منظرنامے

آئیے کچھ عام استعمال کے منظرناموں پر چلتے ہیں تاکہ مدد ملے:

سوال: میں پروڈکشن AI ایجنٹ ایپلیکیشنز بنا رہا ہوں اور جلدی شروع کرنا چاہتا ہوں۔

جواب: Microsoft Agent Framework بہترین انتخاب ہے۔ یہ FoundryChatClient کے ذریعے ایک سادہ، Pythonic API فراہم کرتا ہے جو آپ کو چند کوڈ لائنوں میں ایجنٹس کو ٹولز اور ہدایات کے ساتھ ڈیفائن کرنے دیتا ہے۔

سوال: مجھے Azure انٹیگریشنز جیسے سرچ اور کوڈ ایکزیکیوشن کے ساتھ انٹرپرائز گریڈ تعیناتی چاہیے۔

جواب: Microsoft Foundry Agent Service بہترین فٹ ہے۔ یہ ایک پلیٹ فارم سروس ہے جو متعدد ماڈلز، Azure AI سرچ، Bing سرچ، اور Azure Functions کی بلٹ ان صلاحیتیں فراہم کرتی ہے۔ آپ آسانی سے Foundry پورٹل میں اپنے ایجنٹس بنا سکتے ہیں اور انہیں اسکیل پر تعینات کر سکتے ہیں۔

سوال: میں ابھی بھی الجھن میں ہوں، مجھے صرف ایک آپشن دیں۔

جواب: Microsoft Agent Framework سے شروع کریں تاکہ ایجنٹس بنائیں، اور پھر جب پروڈکشن میں تعیناتی اور اسکیلنگ کی ضرورت ہو تو Microsoft Foundry Agent Service استعمال کریں۔ اس طریقے سے آپ اپنے ایجنٹ منطق پر تیزی سے iteration کر سکیں گے اور انٹرپرائز تعیناتی کے واضح راستے بھی حاصل ہوں گے۔

آئیے کچھ کلیدی اختلافات کو جدول میں خلاصہ کریں:

فریم ورک توجہ بنیادی تصورات استعمال کے منظرنامے
Microsoft Agent Framework ٹول کالنگ کے ساتھ اسٹریم لائنڈ ایجنٹ SDK ایجنٹس، ٹولز، Azure شناختی انضمام AI ایجنٹس کی تعمیر، ٹول استعمال، کثیر مرحلہ ورک فلو
Microsoft Foundry Agent Service لچکدار ماڈلز، انٹرپرائز سیکیورٹی، کوڈ جنریشن، ٹول کالنگ ماڈیولیریٹی، تعاون، پراسیس آرکسٹریشن محفوظ، مقیاس پذیر، اور لچکدار AI ایجنٹ تعیناتی

کیا میں اپنے موجودہ Azure ایکو سسٹم کے ٹولز کو براہِ راست شامل کر سکتا ہوں، یا مجھے علحیدہ حل کی ضرورت ہے؟

جواب ہاں ہے، آپ اپنے موجودہ Azure ماحولیاتی نظام کے اوزاروں کو خاص طور پر Microsoft Foundry Agent Service کے ساتھ براہ راست مربوط کر سکتے ہیں، کیونکہ یہ دوسرے Azure سروسز کے ساتھ بغیر کسی رکاوٹ کے کام کرنے کے لیے بنایا گیا ہے۔ مثلاً، آپ Bing، Azure AI Search، اور Azure Functions کی انضمام کر سکتے ہیں۔ Microsoft Foundry کے ساتھ گہری انضمام بھی موجود ہے۔

Microsoft Agent Framework بھی FoundryChatClient اور Azure شناخت کے ذریعے Azure سروسز کے ساتھ مربوط ہوتا ہے، جس سے آپ اپنے ایجنٹ اوزاروں سے براہ راست Azure سروسز کو کال کر سکتے ہیں۔

نمونہ کوڈز

AI Agent Frameworks کے بارے میں مزید سوالات ہیں؟

Microsoft Foundry Discord میں شامل ہوں تاکہ دوسرے سیکھنے والوں سے ملیں، دفتر کے اوقات میں شرکت کریں اور اپنے AI Agents کے سوالات کے جواب حاصل کریں۔

حوالہ جات

پچھلا سبق

Introduction to AI Agents and Agent Use Cases

اگلا سبق

Understanding Agentic Design Patterns

ڈس کلیمر: یہ دستاویز AI ترجمہ سروس Co-op Translator کے ذریعے ترجمہ کی گئی ہے۔ جبکہ ہم درستگی کے لیے کوشاں ہیں، براہ کرم اس بات سے آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستیاں ہو سکتی ہیں۔ اصل دستاویز اپنے مادری زبان میں مستند ماخذ سمجھی جائے گی۔ حساس معلومات کے لیے پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کی ذمہ داری ہم قبول نہیں کرتے۔

This site is open source. Improve this page.