ai-agents-for-beginners

探索 AI Agent 框架

(點擊上方圖片觀看本課程影片)

探索 AI Agent 框架

AI Agent 框架是設計用來簡化 AI 代理創建、部署和管理的軟件平台。這些框架為開發者提供了預先構建的組件、抽象和工具，以便簡化複雜 AI 系統的開發。

這些框架幫助開發者專注於其應用程式的獨特部分，透過為 AI 代理開發中常見挑戰提供標準化方法，提升建構 AI 系統的擴展性、可及性及效率。

簡介

本課程將涵蓋：

學習目標

這堂課的目標是幫助你理解：

AI Agent 框架是什麼？它們讓開發者能做什麼？

傳統 AI 框架可以幫助你將 AI 整合到應用程式中，提升應用程式的以下特點：

聽起來很棒，那為什麼我們還需要 AI Agent 框架呢？

AI Agent 框架不單是 AI 框架，更用來創造能與用戶、其他代理及環境互動，完成特定目標的智能代理。這些代理能展現自主行為、做決策並適應變化環境。以下是 AI Agent 框架所支持的主要能力：

總結來說，代理讓你能做更多事，提高自動化層級，建構更智能且能從環境中學習與適應的系統。

如何快速原型設計、迭代及提升代理能力？

這是個快速變化的領域，但大多數 AI Agent 框架共有一些特點，能幫助快速原型設計與迭代：模組化元件、協作工具與即時學習。以下深入介紹：

使用模組化元件

像微軟 Agent Framework 這樣的 SDK 提供預建元件，如 AI 連接器、工具定義及代理管理。

團隊如何使用這些元件：團隊可迅速組合這些元件打造功能性原型，無需從零開始，能促進快速實驗與迭代。

實務運作方式：可使用預先建好的解析器從用戶輸入中提取資訊，使用記憶模組儲存並檢索資料，並利用提示產生器與用戶互動，皆免自行重建元件。

範例程式碼：讓我們看看如何使用 Microsoft Agent Framework 與 FoundryChatClient 讓模型回應用戶輸入並呼叫工具：

# Microsoft Agent Framework Python 範例

import asyncio
import os

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


# 定義一個範例工具函數來預訂旅行
@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)
    # 範例輸出：你於2025年1月1日前往紐約的航班已成功預訂。祝旅途愉快！✈️🗽


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

從此範例可見，如何利用預建解析器從用戶輸入中萃取關鍵資訊，如航班訂票請求的出發地、目的地與日期。這種模組化設計讓你能聚焦於高階邏輯。

利用協作工具

像 Microsoft Agent Framework 這樣的框架促進多代理共同工作。

團隊如何使用這些工具：設計具有特定角色和任務的代理，使其能測試、優化協作工作流程並提升系統整體效率。

實務示例：可建立一組代理團隊，讓每個代理專注於資料檢索、分析或決策等特定功能。代理間可溝通分享資訊，以達成共通目標，如回答用戶查詢或完成任務。

範例程式碼（Microsoft Agent Framework）：

# 使用 Microsoft Agent Framework 創建多個協同工作的代理

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(),
)

# 資料擷取代理
agent_retrieve = provider.as_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

# 資料分析代理
agent_analyze = provider.as_agent(
    name="dataanalysis",
    instructions="Analyze the retrieved data and provide insights.",
    tools=[analyze_tool],
)

# 按順序執行代理完成任務
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)

從前述範例可見，如何建立一個由多個代理協作分析資料的任務。每個代理負責特定功能，任務透過協調代理共同執行以達成預期結果。藉由創建專門角色的代理，可以提升任務效率與效能。

即時學習

進階框架提供即時情境理解與適應能力。

團隊如何使用這些能力：實作反饋迴圈，讓代理從互動中學習，並動態調整行為，不斷提升與精進能力。

實務運作：代理能分析用戶回饋、環境資料與任務結果，更新知識庫、調整決策演算法並提升性能。此迭代學習過程讓代理隨環境與用戶偏好變化適應，增強整體系統效能。

Microsoft Agent Framework 與 Microsoft Foundry Agent Service 有何差異？

有多種方式比較這兩者，以下著重於設計、能力與目標使用情境的主要差異：

Microsoft Agent Framework (MAF)

Microsoft Agent Framework 提供精簡的 SDK，用於構建使用 FoundryChatClient 的 AI 代理。它允許開發者創建利用 Azure OpenAI 模型的代理，內建工具呼叫、對話管理及通過 Azure 身分驗證的企業級安全性。

使用場景：用於構建生產就緒的 AI 代理，具工具使用、多步流程與企業整合場景。

以下是 Microsoft Agent Framework 的一些重要核心概念：

Microsoft Foundry Agent Service

Microsoft Foundry Agent Service 是較新推出的服務，在 Microsoft Ignite 2024 發表。它支援更靈活的模型，例如直接呼叫開源大型語言模型像是 Llama 3、Mistral 和 Cohere。

Microsoft Foundry Agent Service 提供更強企業安全機制與資料存儲方案，適用於企業級應用。

它與 Microsoft Agent Framework 無縫整合，可用於建構和部署代理。

此服務目前為公共預覽，支援 Python 和 C# 來構建代理。

使用 Microsoft Foundry Agent Service Python SDK，我們可以創建帶有自訂工具的代理：

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

# 定義工具功能
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())

核心概念

Microsoft Foundry Agent Service 具有以下核心概念：

使用場景：Microsoft Foundry Agent Service 為需安全、可擴展及靈活 AI 代理部署的企業應用設計。

這些方法有何差異？

兩者確實有重疊，但在設計、能力與目標使用案例上存在重要差異：

還是不確定該選哪一個？

使用案例

讓我們看看一些常見案例，看看是否能幫助你：

問：我正在建置生產級 AI 代理應用，想快速開始

答：Microsoft Agent Framework 是個好選擇。它提供簡單且符合 Python 使用習慣的 API（透過 FoundryChatClient），讓你只需數行程式碼即可定義帶工具與指令的代理。

問：我需要具備 Azure 整合（如搜尋與程式碼執行）的企業級部署

答：Microsoft Foundry Agent Service 最合適。這是一個平台服務，支援多模型、Azure AI 搜尋、Bing 搜尋與 Azure Functions。讓你能輕鬆在 Foundry Portal 建構代理並大規模部署。

問：我還是不確定，給我一個選項就好

答：先從 Microsoft Agent Framework 開始建構代理，之後當你需部署與擴展到生產環境時，再使用 Microsoft Foundry Agent Service。這能讓你快速迭代代理邏輯，同時擁有明確路徑前往企業部署。

我們用表格總結主要差異：

框架 重點 核心概念 使用案例
Microsoft Agent Framework 精簡代理 SDK 並支援工具呼叫 代理、工具、Azure 身分 構建 AI 代理、工具使用、多步工作流程
Microsoft Foundry Agent Service 靈活模型、企業安全、程式碼生成、工具呼叫 模組化、協作、流程編排 安全、可擴展與靈活的 AI 代理部署

我可以直接整合現有 Azure 生態系工具，還是需要獨立解決方案？

答案是肯定的，您可以將現有的 Azure 生態系統工具直接與 Microsoft Foundry Agent Service 整合，特別是因為它已經設計成可以與其他 Azure 服務無縫協作。您例如可以整合 Bing、Azure AI 搜尋和 Azure Functions。Microsoft Foundry 也有深度整合。

Microsoft Agent Framework 也透過 FoundryChatClient 和 Azure 身份整合了 Azure 服務，讓您可以直接從代理工具呼叫 Azure 服務。

範例程式碼

有更多關於 AI Agent Framework 的問題嗎？

加入 Microsoft Foundry Discord 與其他學習者交流，參加辦公時間並獲得您的 AI Agents 問題解答。

參考資料

上一課

Introduction to AI Agents and Agent Use Cases

下一課

Understanding Agentic Design Patterns

免責聲明： 本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們力求準確，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議尋求專業人工翻譯。我們不對因使用本翻譯而引起的任何誤解或曲解承擔責任。

This site is open source. Improve this page.