Microsoft Getting Started with AI Agents: Introducción a los agentes de IA y a los casos de uso de agentes

Información sobre el cursoActualizado hace 6 meses Círculo de intercambio de inteligencia artificial

10.7K 00

Bienvenido al curso Introducción a los Agentes de Inteligencia Artificial. Este curso le proporciona los fundamentos y ejemplos de aplicaciones para construir Agentes de IA.

Hágase socio Comunidad Azure AI Discord Conoce a otros estudiantes, creadores de agentes de AI y pregunta cualquier duda que tengas sobre este curso.

Para comenzar este curso, empezaremos con una mejor comprensión de lo que son los Agentes de IA y cómo utilizarlos en aplicaciones y flujos de trabajo construidos.

breve

Este curso abarca:

¿Qué son los agentes de IA y cuáles son los distintos tipos de agentes?
¿Cuáles son los mejores casos de uso de los agentes de IA y cómo pueden ayudar?
¿Cuáles son algunos de los elementos básicos a la hora de diseñar una solución Agentic?

objetivo de aprendizaje

Después de completar este curso, usted debe ser capaz de:

Comprender el concepto de agentes de IA y en qué se diferencian de otras soluciones de IA.
aplicación más eficaz de los agentes de IA.
Diseñe soluciones Agentic eficientes para usuarios y clientes.

Definición y tipos de agentes de IA

¿Qué son los agentes de IA?

Agentes de IA SísistemasHaceGrandes modelos lingüísticos (LLM) capaz de aprobarherramienta de accesoresponder cantandorelacionado con el conocimientopara ampliar sus capacidades y asíoperación ejecutable.

Desglosemos esta definición en partes más pequeñas:

sistemas - Es importante pensar en el agente como un sistema de muchos componentes, no como un único componente. A un nivel básico, los componentes de un agente de IA incluyen:
- matriz - El espacio definido en el que opera el Agente de IA. Por ejemplo, si hay un Agente de IA de reservas de viajes, el entorno podría ser el sistema de reservas de viajes que el Agente de IA utiliza para completar sus tareas.
- transductores - El entorno tiene información y proporciona retroalimentación, y los Agentes de IA utilizan sensores para recoger e interpretar esta información sobre el estado actual del entorno. En el ejemplo del agente de reservas de viajes, el sistema de reservas de viajes puede proporcionar información como la disponibilidad de hoteles o los precios de los vuelos.
- actuadores - Una vez que el agente de IA recibe el estado actual del entorno, para la tarea actual, el agente determinará la acción a realizar para cambiar el entorno. Para un agente de reservas de viajes, podría ser reservar una habitación disponible para un usuario.

微软 AI Agent 入门课程：AI Agents 和 Agent 应用案例介绍

modelo de macrolenguaje - El concepto de agentes es anterior a la creación de los LLM. La ventaja de utilizar los LLM para construir agentes de IA es su capacidad para interpretar el lenguaje y los datos humanos. Esta capacidad permite a los LLM interpretar información sobre el entorno y definir planes para modificarlo.

operación ejecutable - Fuera de un sistema de Agente AI, el LLM se limita a operaciones que generan contenido o información basándose en peticiones del usuario. En un sistema de Agente AI, el LLM puede realizar tareas interpretando las peticiones del usuario y utilizando las herramientas disponibles en su entorno.

herramienta de acceso - Las herramientas a las que puede acceder un LLM vienen definidas por 1) el entorno en el que se ejecuta y 2) el desarrollador del Agente de IA. En nuestro ejemplo de agencia de viajes, las herramientas del agente están limitadas por las operaciones disponibles en el sistema de reservas y/o el desarrollador puede limitar el acceso de la herramienta del agente a los vuelos.

relacionado con el conocimiento - Además de la información proporcionada por el entorno, los Agentes de IA pueden recuperar conocimientos de otros sistemas, servicios, herramientas e incluso de otros agentes. En el ejemplo de la agencia de viajes, este conocimiento puede ser información sobre las preferencias de viaje del usuario localizada en la base de datos de clientes.

Diferentes tipos de agentes

Ahora que tenemos una definición genérica de los agentes de IA, echemos un vistazo a algunos tipos específicos de agentes y cómo se aplican a los agentes de IA de reservas de viajes.

Tipo de agente	descripciones	ejemplo típico
Agentes de reflexión simples	Realiza operaciones inmediatas basadas en reglas predefinidas.	El agente de viajes interpreta el contexto del correo electrónico y remite la reclamación al servicio de atención al cliente.
Agentes de reflexión basados en modelos	Realizar operaciones basadas en el modelo del mundo y los cambios en ese modelo.	La agencia de viajes prioriza las rutas con cambios significativos de precios basándose en el acceso a los datos históricos de precios.
Agentes basados en objetivos	Crear un plan para alcanzar un objetivo específico explicando el objetivo e identificando las acciones para lograrlo.	La agencia de viajes reserva un viaje determinando los preparativos necesarios (coche, transporte público, vuelos) desde su ubicación actual hasta su destino.
Agentes basados en la utilidad	Considerar las preferencias y sopesar numéricamente las compensaciones para determinar cómo alcanzar los objetivos.	La agencia de viajes sopesa la comodidad y el coste a la hora de reservar un viaje para maximizar la utilidad.
Agentes de aprendizaje	Mejora continua respondiendo a los comentarios y ajustando las acciones en consecuencia.	Las agencias de viajes mejoran utilizando los comentarios de los clientes en las encuestas posteriores al viaje para hacer ajustes en futuras reservas.
Agentes de Capas	En un sistema jerárquico con múltiples agentes, los agentes de nivel superior descomponen las tareas en subtareas para que las realicen los agentes de nivel inferior.	Un agente de viajes cancela un viaje dividiendo la tarea en subtareas (por ejemplo, cancelar una reserva concreta) y dejando que un agente de nivel inferior las complete, para luego informar de ellas a un agente de nivel superior.
Sistema multiagente (MAS)	Los agentes completan las tareas de forma independiente, cooperativa o competitiva.	Colaboración: varios agentes reservan servicios de viaje específicos, como hoteles, vuelos y ocio. Competencia: varios agentes gestionan un calendario compartido de reservas de hoteles y compiten por reservar hoteles para sus clientes.

Cuándo utilizar agentes de IA

En la sección anterior, hemos utilizado el caso de uso Agente de Viajes para explicar cómo utilizar diferentes tipos de agentes en diferentes escenarios de reserva de viajes. seguiremos utilizando esta aplicación a lo largo del curso.

Echemos un vistazo a los tipos de casos de uso más adecuados para utilizar agentes de IA:

Preguntas abiertas - Permitir que el LLM determine los pasos necesarios para completar una tarea, ya que no siempre se puede codificar en el flujo de trabajo.
proceso de varios pasos - Tareas que requieren un cierto nivel de complejidad en las que el Agente de IA necesita utilizar la herramienta o la información en múltiples rondas en lugar de una única recuperación.
Mejoras a lo largo del tiempo - Un agente puede mejorar sus tareas a lo largo del tiempo recibiendo información de su entorno o de los usuarios para ofrecer una mayor utilidad.

Cubriremos más consideraciones para el uso de Agentes de Inteligencia Artificial en el curso Construyendo Agentes de Inteligencia Artificial Confiables.

Conceptos básicos de la solución antigénica

Desarrollo de agentes

El primer paso en el diseño de un sistema de Agente AI es definir las herramientas, operaciones y comportamientos. En este curso, nos centraremos en el uso de Servicio de agente Azure AI Ofrece las siguientes funciones:

Selección de modelos abiertos como OpenAI, Mistral y Llama
Uso de datos de licencias a través de proveedores como Tripadvisor
Uso de herramientas OpenAPI 3.0 normalizadas

Modo Agéntico

La comunicación con el LLM se realiza mediante mensajes. Dada la naturaleza semiautónoma de los agentes de IA, no siempre es factible o necesario volver a preguntar manualmente al LLM tras un cambio en el entorno. Hemos utilizado el Modo AgénticoNos permite solicitar LLM en varios pasos de una forma más escalable.

Este curso se divide en algunos de los patrones Agentic más populares en la actualidad.

Marco agentico

Los marcos agenéticos permiten a los desarrolladores implementar patrones agenéticos a través del código. Estos marcos proporcionan plantillas, complementos y herramientas que permiten una mejor colaboración entre los agentes de IA. Estas ventajas permiten observar y solucionar mejor los problemas de los sistemas de agentes de IA.

En este curso, exploraremos la investigación impulsada AutoGen y el marco de agentes listos para la producción de Semantic Kernel.