Willkommen zum Kurs "Erste Schritte mit KI-Agenten"! Dieser Kurs vermittelt Ihnen die Grundlagen und Anwendungsbeispiele für die Erstellung von KI-Agenten.
Mitglied werden Azure AI Discord Gemeinschaft Treffen Sie andere Lernende, KI-Agentenentwickler und stellen Sie Ihre Fragen zu diesem Kurs.
Zu Beginn dieses Kurses werden wir zunächst ein besseres Verständnis dafür entwickeln, was KI-Agenten sind und wie sie in erstellten Anwendungen und Arbeitsabläufen eingesetzt werden können.
kurz
Dieser Kurs umfasst:
- Was sind KI-Agenten und was sind die verschiedenen Arten von Agenten?
- Was sind die besten Anwendungsfälle für KI-Agenten und wie können sie helfen?
- Was sind einige der grundlegenden Bausteine bei der Entwicklung einer Agentic-Lösung?
Lernziel
Nach Abschluss dieses Kurses sollten Sie in der Lage sein:
- Verstehen Sie das Konzept der KI-Agenten und wie sie sich von anderen KI-Lösungen unterscheiden.
- die effektivste Anwendung von KI-Agenten.
- Agentische Lösungen für Benutzer und Kunden effizient gestalten.
Definition von KI-Agenten und Arten von KI-Agenten
Was sind KI-Agenten?
AI-Agenten JaSystemeEs machtGroße Sprachmodelle (LLMs) satisfaktionsfähigZugriffswerkzeugim Gesang antwortenwissensbezogenseine Fähigkeiten zu erweitern und damitausführbare Operation.
Lassen Sie uns diese Definition in kleinere Teile zerlegen:
- Systeme - Es ist wichtig, sich den Agenten als ein System aus vielen Komponenten vorzustellen, nicht nur als eine einzelne Komponente. Zu den grundlegenden Komponenten eines KI-Agenten gehören:
- Matrix - Der definierte Raum, in dem der KI-Agent arbeitet. Bei einem KI-Agenten für Reisebuchungen könnte die Umgebung zum Beispiel das Reisebuchungssystem sein, das der KI-Agent zur Erfüllung seiner Aufgaben verwendet.
- Messwertgeber - Die Umgebung verfügt über Informationen und gibt Rückmeldungen, und KI-Agenten verwenden Sensoren, um diese Informationen über den aktuellen Zustand der Umgebung zu sammeln und zu interpretieren. Im Beispiel des Reisebuchungsagenten kann das Reisebuchungssystem Informationen wie die Verfügbarkeit von Hotels oder Flugpreise liefern.
- Stellantriebe - Sobald der KI-Agent den aktuellen Zustand der Umgebung für die aktuelle Aufgabe erhält, bestimmt er die Aktion, die er durchführen muss, um die Umgebung zu verändern. Bei einem Reisebuchungsagenten könnte dies die Buchung eines freien Zimmers für einen Benutzer sein.
Makrolanguage-Modell - Das Konzept der Agenten ist älter als die Entwicklung der LLMs. Der Vorteil der Verwendung von LLMs zum Aufbau von KI-Agenten ist ihre Fähigkeit, menschliche Sprache und Daten zu interpretieren. Diese Fähigkeit ermöglicht es LLMs, Informationen über die Umgebung zu interpretieren und Pläne für deren Veränderung zu definieren.
ausführbare Operation - Außerhalb eines KI-Agentensystems ist LLM auf Operationen beschränkt, die Inhalte oder Informationen auf der Grundlage von Benutzeranfragen erzeugen. In einem KI-Agenten-System kann LLM Aufgaben ausführen, indem es Benutzeranfragen interpretiert und in seiner Umgebung verfügbare Werkzeuge verwendet.
Zugriffswerkzeug - Auf welche Tools ein LLM zugreifen kann, wird 1) durch die Umgebung, in der er läuft, und 2) durch den Entwickler des KI-Agenten bestimmt. In unserem Beispiel eines Reisebüros sind die Werkzeuge des Agenten durch die im Buchungssystem verfügbaren Operationen begrenzt und/oder der Entwickler kann den Werkzeugzugriff des Agenten auf Flüge beschränken.
wissensbezogen - Zusätzlich zu den von der Umgebung bereitgestellten Informationen können KI-Agenten Wissen von anderen Systemen, Diensten, Tools und sogar von anderen Agenten abrufen. Im Beispiel des Reisebüros kann dieses Wissen aus Informationen über die Reisepräferenzen des Benutzers bestehen, die sich in der Kundendatenbank befinden.
Verschiedene Arten von Mitteln
Nachdem wir nun eine allgemeine Definition von KI-Agenten haben, lassen Sie uns einen Blick auf einige spezifische Agententypen werfen und wie sie auf KI-Agenten für Reisebuchungen zutreffen.
| Agent Typ | Beschreibungen | typisches Beispiel |
|---|---|---|
| Einfache Reflexionsagenten | Führt sofortige Operationen auf der Grundlage vordefinierter Regeln durch. | Das Reisebüro interpretiert den Kontext der E-Mail und leitet die Reisebeschwerde an den Kundendienst weiter. |
| Modellbasierte Reflexionsagenten | Durchführung von Operationen auf der Grundlage des Weltmodells und von Änderungen an diesem Modell. | Das Reisebüro priorisiert Strecken mit erheblichen Preisänderungen auf der Grundlage des Zugangs zu historischen Preisdaten. |
| Zielgerichtete Agenten | Erstellen Sie einen Plan, um ein bestimmtes Ziel zu erreichen, indem Sie das Ziel erläutern und Maßnahmen zum Erreichen des Ziels festlegen. | Das Reisebüro bucht eine Reise, indem es die notwendigen Reisearrangements (Auto, öffentliche Verkehrsmittel, Flüge) von Ihrem aktuellen Standort zu Ihrem Zielort bestimmt. |
| Utility-basierte Agenten | Berücksichtigen Sie Präferenzen und wägen Sie Kompromisse numerisch ab, um zu bestimmen, wie die Ziele erreicht werden können. | Das Reisebüro wägt bei der Buchung von Reisen zwischen Komfort und Kosten ab, um den Nutzen zu maximieren. |
| Lernende Agenten | Kontinuierliche Verbesserung durch Reaktion auf Feedback und entsprechende Anpassung der Maßnahmen. | Das Reisebüro verbessert sich, indem es das Kundenfeedback aus Umfragen nach der Reise nutzt, um Anpassungen für zukünftige Buchungen vorzunehmen. |
| Schichten Agenten | In einem hierarchischen System mit mehreren Agenten zerlegen die Agenten der höheren Ebene die Aufgaben in Teilaufgaben, die von den Agenten der unteren Ebene erledigt werden. | Ein Reisebüromitarbeiter storniert eine Reise, indem er die Aufgabe in Teilaufgaben aufteilt (z. B. Stornierung einer bestimmten Buchung) und diese von einem untergeordneten Mitarbeiter erledigen lässt, der sie dann an einen übergeordneten Mitarbeiter weiterleitet. |
| Multi-Agenten-System (MAS) | Die Agenten erledigen ihre Aufgaben selbständig, entweder kooperativ oder wettbewerbsorientiert. | Zusammenarbeit: Mehrere Agenten buchen bestimmte Reiseleistungen wie Hotels, Flüge und Unterhaltung. Wettbewerb: Mehrere Agenten verwalten einen gemeinsamen Hotelbuchungskalender und konkurrieren bei der Buchung von Hotels für ihre Kunden. |
Wann sollten AI-Agenten eingesetzt werden?
Im vorangegangenen Abschnitt haben wir den Anwendungsfall "Reisebüro" verwendet, um zu erläutern, wie verschiedene Arten von Reisebüros in verschiedenen Reisebuchungsszenarien eingesetzt werden können. Wir werden diese Anwendung während des gesamten Kurses weiter verwenden.
Werfen wir einen Blick auf die Arten von Anwendungsfällen, die sich am besten für den Einsatz von KI-Agenten eignen:
- Offen gestellte Fragen - Erlauben Sie dem LLM, die für die Erledigung einer Aufgabe erforderlichen Schritte zu bestimmen, da diese nicht immer fest in den Arbeitsablauf integriert werden können.
- mehrstufiger Prozess - Aufgaben, die ein gewisses Maß an Komplexität erfordern, bei denen der KI-Agent das Werkzeug oder die Informationen in mehreren Runden und nicht nur in einer einzigen Abfrage verwenden muss.
- Verbesserungen im Laufe der Zeit - Ein Agent kann seine Aufgaben im Laufe der Zeit verbessern, indem er Rückmeldungen aus seiner Umgebung oder von seinen Nutzern erhält, um einen höheren Nutzen zu erzielen.
Weitere Überlegungen zum Einsatz von KI-Agenten werden im Kurs Aufbau vertrauenswürdiger KI-Agenten behandelt.
Grundlagen der agentenbasierten Lösung
Entwicklung von Agenten
Der erste Schritt bei der Entwicklung eines KI-Agentensystems besteht darin, die Werkzeuge, Abläufe und Verhaltensweisen zu definieren. In diesem Kurs konzentrieren wir uns auf die Verwendung Azure AI Agent Service Es bietet die folgenden Funktionen:
- Auswahl an offenen Modellen wie OpenAI, Mistral und Llama
- Nutzung von Lizenzdaten durch Anbieter wie Tripadvisor
- Verwendung von standardisierten OpenAPI 3.0-Tools
Agentischer Modus
Die Kommunikation mit dem LLM erfolgt über Prompts. In Anbetracht der halbautonomen Natur von KI-Agenten ist es nicht immer möglich oder notwendig, den LLM nach einer Veränderung der Umgebung manuell erneut aufzufordern. Wir haben die Agentischer ModusSie ermöglicht es uns, LLM in mehreren Schritten auf eine besser skalierbare Weise zu veranlassen.
Dieser Kurs ist in einige der derzeit populären Agentic-Muster unterteilt.
Agentischer Rahmen
Agenten-Frameworks ermöglichen es Entwicklern, agentenbezogene Muster durch Code zu implementieren. Diese Frameworks bieten Vorlagen, Plug-ins und Tools für eine bessere Zusammenarbeit von KI-Agenten. Diese Vorteile ermöglichen eine bessere Beobachtung und Fehlerbehebung von KI-Agentensystemen.
In diesem Kurs werden wir uns mit forschungsbasierten AutoGen Framework und das produktionsreife Agent-Framework von Semantic Kernel.
Deutsch (Sie) 
简体中文 
English 
日本語 
Português do Brasil