(点击上方图片观看本课视频)
欢迎参加AI 代理入门课程!本课程为你提供基础知识——以及可实际运行的代码——帮助你从零开始构建 AI 代理。
来Azure AI Discord 社区打个招呼吧——这里汇聚了许多学习者和 AI 构建者,乐于回答你的问题。
在开始构建之前,让我们确保真正了解什么是 AI 代理,以及何时适合使用它们。
本课内容包括:
完成本课后,你应该能够:
可以这样简单理解:
AI 代理是让大型语言模型(LLM)真正做事的系统——通过赋予它们工具和知识,让它们操控世界,而不仅仅是响应提示。
我们来详细拆解一下:

大型语言模型 — 代理在 LLM 出现之前就存在,但 LLM 使现代代理更加强大。它们能理解自然语言、推理上下文,并将模糊的用户请求转化为具体的行动方案。
执行操作 — 如果没有代理系统,LLM 仅生成文本。代理系统内,LLM 可以执行步骤——比如搜索数据库、调用 API、发送消息。
工具访问 — 代理能用哪些工具,取决于(1)其运行的环境和(2)开发者赋予它的能力。旅游代理可能能搜索航班但不能修改客户记录——这由你连接的组件决定。
记忆与知识 — 代理可以拥有短期记忆(当前对话)和长期记忆(客户数据库、过去的交互)。旅游代理或许“记得”你偏好靠窗座位。
代理构建方式各异。以下以旅游预订代理为例,列出主要代理类型:
| 代理类型 | 功能 | 旅游代理示例 |
|---|---|---|
| 简单反射代理 | 遵循硬编码规则——无记忆,无计划。 | 看到投诉邮件 → 转发给客服。仅此而已。 |
| 基于模型的反射代理 | 拥有内部世界模型,并随着环境变化更新它。 | 跟踪历史机票价格,标记突然上涨的航线。 |
| 基于目标的代理 | 心怀目标,逐步设计如何实现它。 | 规划完整行程(航班、汽车、酒店),从当前位置到目的地。 |
| 基于效用的代理 | 不仅找一个解决方案,还通过权衡利弊找到最佳方案。 | 权衡成本与便利,找到符合偏好的最佳行程。 |
| 学习型代理 | 通过反馈不断学习进步。 | 根据旅行后的调查结果调整未来预订推荐。 |
| 分层代理 | 高层代理将任务拆分成子任务,并分派给下级代理。 | “取消行程”请求拆分为:取消航班、取消酒店、取消租车——由子代理分别处理。 |
| 多代理系统(MAS) | 多个独立代理协作(或竞争)。 | 协作:独立代理分别处理酒店、航班和娱乐。竞争:多个代理竞争以最佳价格填满酒店房间。 |
能用 AI 代理不代表任何时候都应该用。以下情况代理尤其适合:

稍后课程中的构建可信 AI 代理章节将深入探讨何时(以及何时不)使用 AI 代理。
构建代理的第一步是定义它能做什么——包括工具、动作和行为。
本课程使用Azure AI Agent Service作为主要平台,支持:
你通过提示与 LLM 交互。使用代理时,不能总依靠手工定制每个提示——代理需要跨多步骤采取行动。这时代理模式(Agentic Patterns)就派上用场了。它们是可复用的策略,用于更可扩展、更可靠地提示和协调 LLM。
本课程围绕最常用和最实用的代理模式展开。
代理框架为开发者提供现成的模板、工具和基础设施,使构建代理更便捷。它们帮助你:
本课程重点讲解用于构建生产级代理的Microsoft Agent Framework (MAF)。
准备好现场演示了吗?以下是本课的代码示例:
加入 Microsoft Foundry Discord,与其他学习者交流,参加答疑时间,并由社区解答你的 AI 代理问题。
免责声明:
本文件使用 AI 翻译服务 Co-op Translator 进行翻译。虽然我们力求准确,但请注意自动翻译可能包含错误或不准确之处。原始文件的母语版本应视为权威来源。对于关键信息,建议采用专业人工翻译。对于因使用本翻译而产生的任何误解或误释,我们不承担任何责任。