(点击上方图片观看本节视频)
欢迎来到 AI 代理入门 课程!本课程为你提供基础知识和实用代码,助你从零开始构建 AI 代理。
欢迎加入 Azure AI Discord 社区,这里汇聚了众多学习者和 AI 开发者,乐于解答你的问题。
在开始构建之前,让我们先理清什么是 AI 代理,以及何时使用它们才合适。
本节内容包括:
完成本节后,你应该能够:
简单来说:
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,来作用于现实世界,而不仅仅是响应提示。
具体拆解:

大型语言模型 — 代理在 LLM 出现前就存在,但 LLM 让现代代理更加强大。它们能理解自然语言、推理上下文,将模糊的用户请求转化为具体行动计划。
执行动作 — 没有代理系统,LLM 只有生成文本的能力。置于代理系统中,LLM 能真正执行步骤——搜索数据库、调用 API、发送消息。
接入工具 — 代理可用的工具取决于(1)其运行环境,(2)开发提供了哪些工具。旅游代理可能能搜索航班但不能修改客户记录——这取决于你的配置。
记忆 + 知识 — 代理可拥有短期记忆(当前对话)和长期记忆(客户数据库、过往交互)。旅游代理可能“记得”你偏好靠窗座位。
代理类型各异,以下用旅游预订代理作为例子:
| 代理类型 | 功能描述 | 旅游代理示例 |
|---|---|---|
| 简单反射代理 | 遵循硬编码规则——无记忆,无规划。 | 看到投诉邮件→转发客服。仅此而已。 |
| 基于模型的反射代理 | 内部维护世界模型,并随变化更新。 | 跟踪历史机票价格,标记突然昂贵的航线。 |
| 基于目标的代理 | 有具体目标,逐步策划达成路径。 | 预订完整行程(机票、租车、酒店),从你所在地到目的地。 |
| 基于效用的代理 | 不仅找到「一个」方案,而是权衡得到「最佳」方案。 | 平衡费用与便利性,找到最符合偏好的行程。 |
| 学习型代理 | 通过反馈不断学习并改进。 | 根据旅行后调查结果调整未来推荐。 |
| 层级代理 | 高层代理分解任务,委派底层代理完成。 | “取消行程”请求拆分为取消机票、取消酒店、取消租车,由子代理处理。 |
| 多代理系统(MAS) | 多个独立代理协作(或竞争)。 | 协作:不同代理负责酒店、航班和娱乐。竞争:多个代理争夺最优酒店房价。 |
能用 AI 代理不代表总该用。代理真正发光的场景包括:

本课程后续的 构建可信赖的 AI 代理 章节会更深入探讨何时适合(或不适合)使用 AI 代理。
构建代理的首要任务是定义代理能做什么——其工具、动作和行为。
课程中我们使用 Azure AI Agent Service 作为主要平台,支持:
与 LLM 通信依赖提示。代理需要跨多步骤行动,不能手工逐条设计所有提示。这时就用上了代理模式,它是可复用的提示与调度策略,助你更高效、可靠地组织 LLM 工作。
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模板、工具和基础设施,简化:
本课程侧重于构建生产级代理的 微软代理框架(MAF)。
准备好实践了吗?本节的代码示例:
加入 Microsoft Foundry Discord,与其他学习者讨论,参加办公时间,社区将助你解答 AI 代理相关疑问。
免责声明: 本文件由 AI 翻译服务 Co-op Translator 翻译完成。尽管我们力求准确,但请注意,自动翻译可能包含错误或不准确之处。原始语言版文件应视为权威来源。对于重要信息,建议使用专业人工翻译。我们对因使用本翻译而产生的任何误解或误释不承担责任。