Eine Übersicht über die Agent-Architektur (Experimental)
Warnung
Das semantische Kernel-Agent-Framework ist experimentell, befindet sich noch in der Entwicklung und unterliegt Änderungen.
In diesem Artikel werden wichtige Konzepte in der Architektur des Agent-Frameworks behandelt, darunter grundlegende Prinzipien, Designziele und strategische Ziele.
Ziele
Das Agent Framework wurde unter Berücksichtigung der folgenden hauptprioritäten entwickelt:
- Das semantische Kernel-Framework dient als Kerngrund für die Implementierung von Agentfunktionen.
- Mehrere Agents können innerhalb einer einzigen Unterhaltung zusammenarbeiten und gleichzeitig menschliche Eingaben integrieren.
- Ein Agent kann mehrere gleichzeitige Unterhaltungen durchführen und verwalten.
- Verschiedene Arten von Agents können an derselben Unterhaltung teilnehmen, wobei jeder seine einzigartigen Funktionen beiträgt.
Agent
Die abstrakte Agent-Klasse dient als Kernstraktion für alle Arten von Agents und stellt eine grundlegende Struktur bereit, die erweitert werden kann, um spezialisiertere Agents zu erstellen. Eine wichtige Unterklasse ist der Kernel-Agent, der eine direkte Zuordnung zu einem Kernel-Objekt herstellt. Diese Beziehung bildet die Grundlage für spezifischere Agentimplementierungen, z. B. den Chat-Vervollständigungs-Agent und den Open AI Assistant-Agent, die beide die Funktionen des Kernels zum Ausführen ihrer jeweiligen Funktionen nutzen.
Agents sind derzeit in Java nicht verfügbar.
Agents können entweder direkt aufgerufen werden, um Aufgaben auszuführen oder innerhalb eines Agent-Chats zu orchestrieren, in dem mehrere Agents zusammenarbeiten oder dynamisch mit Benutzereingaben interagieren können. Diese flexible Struktur ermöglicht es Agenten, sich an verschiedene unterhaltungs- oder aufgabengesteuerte Szenarien anzupassen und Entwicklern robuste Tools zum Erstellen intelligenter, multi-agent-Systeme zu bieten.
Fundierte Einblicke:
Agent-Chat
Die Agent-Chat-Klasse dient als grundlegende Komponente, mit der Agents eines beliebigen Typs an einer bestimmten Unterhaltung teilnehmen können. Diese Klasse bietet die wesentlichen Funktionen zum Verwalten von Agentinteraktionen innerhalb einer Chatumgebung. Auf diese Weise erweitert die Agent Group Chat-Klasse diese Funktionen, indem sie einen stategy-basierten Container bietet, der es mehreren Agents ermöglicht, über zahlreiche Interaktionen innerhalb derselben Unterhaltung hinweg zusammenzuarbeiten.
Diese Struktur erleichtert komplexere, multi-agent-Szenarien, in denen verschiedene Agents zusammenarbeiten, Informationen freigeben und dynamisch auf sich entwickelnde Unterhaltungen reagieren können, wodurch sie eine ideale Lösung für fortgeschrittene Anwendungsfälle wie Kundensupport, Multi-Faceted Task Management oder collaborative problemlösende Umgebungen darstellt.
Fundierte Einblicke:
Agentkanal
Die Agent Channel-Klasse ermöglicht Agents verschiedener Typen, an einem Agent-Chat teilzunehmen. Diese Funktionalität ist vollständig für Benutzer des Agent Frameworks ausgeblendet und muss nur von Entwicklern berücksichtigt werden, die einen benutzerdefinierten Agent erstellen.
Agents sind derzeit in Java nicht verfügbar.
Agentausrichtung mit semantischen Kernelfeatures
Das Agent Framework basiert auf den grundlegenden Konzepten und Features, die viele Entwickler im Semantic Kernel-Ökosystem kennen. Diese Kernprinzipien dienen als Bausteine für den Entwurf des Agent-Frameworks. Durch die Nutzung der vertrauten Struktur und Funktionen des semantischen Kernels erweitert das Agent Framework seine Funktionalität, um erweiterte, autonome Agent-Verhaltensweisen zu ermöglichen und gleichzeitig die Konsistenz mit der breiteren Semantik-Kernelarchitektur aufrechtzuerhalten. Dadurch wird ein reibungsloser Übergang für Entwickler sichergestellt, sodass sie ihr vorhandenes Wissen anwenden können, um intelligente, anpassbare Agenten innerhalb des Frameworks zu erstellen.
Der Kernel
Im Mittelpunkt des semantischen Kernel-Ökosystems steht der Kernel, der als Kernobjekt dient, das KI-Vorgänge und Interaktionen steuert. Um einen beliebigen Agent innerhalb dieses Frameworks zu erstellen, ist eine Kernelinstanz erforderlich, da sie den grundlegenden Kontext und die Funktionen des Agents bereitstellt. Der Kernel fungiert als Modul für Verarbeitungsanweisungen, Verwalten des Zustands und Aufrufen der erforderlichen KI-Dienste, die das Verhalten des Agents fördern.
Die Artikel "Chat-Abschluss-Agent" und "Open AI Assistant Agent" enthalten spezifische Details zum Erstellen der einzelnen Agenttypen. Diese Ressourcen bieten schrittweise Anleitungen und heben die wichtigsten Konfigurationen hervor, die erforderlich sind, um die Agents auf verschiedene unterhaltungs- oder aufgabenbasierte Anwendungen anzupassen, und zeigen, wie der Kernel dynamische und intelligente Agent-Verhaltensweisen in verschiedenen Anwendungsfällen ermöglicht.
Verwandte APIs:
Agents sind derzeit in Java nicht verfügbar.
Plugins und Funktionsaufrufe
Plugins sind ein grundlegender Aspekt des semantischen Kernels, sodass Entwickler benutzerdefinierte Funktionen integrieren und die Funktionen einer KI-Anwendung erweitern können. Diese Plug-Ins bieten eine flexible Möglichkeit, spezielle Features oder geschäftsspezifische Logik in die kernigen KI-Workflows zu integrieren. Darüber hinaus können Agent-Funktionen innerhalb des Frameworks erheblich verbessert werden, indem Plug-Ins verwendet und Funktionsaufrufe genutzt werden. Auf diese Weise können Agents dynamisch mit externen Diensten interagieren oder komplexe Aufgaben ausführen, um den Umfang und die Vielseitigkeit des KI-Systems in verschiedenen Anwendungen weiter zu erweitern.
Beispiel:
Verwandte APIs:
Agents sind derzeit in Java nicht verfügbar.
Agentnachrichten
Agent-Messaging, einschließlich Eingabe und Antwort, basiert auf den kernen Inhaltstypen des semantischen Kernels und stellt eine einheitliche Struktur für die Kommunikation bereit. Diese Designauswahl vereinfacht den Übergang von herkömmlichen Chat-Vervollständigungsmustern zu komplexeren agentgesteuerten Mustern in Ihrer Anwendungsentwicklung. Durch die Nutzung vertrauter Semantischer Kernel-Inhaltstypen können Entwickler Agent-Funktionen nahtlos in ihre Anwendungen integrieren, ohne vorhandene Systeme überarbeiten zu müssen. Durch diese Optimierung wird sichergestellt, dass das zugrunde liegende Framework konsistent bleibt, während Sie sich von grundlegender Unterhaltungs-KI zu autonomeren, aufgabenorientierten Agenten entwickeln und die Entwicklung schneller und effizienter gestalten.
Hinweis: Der Open AI Assistant Agent'_ hat Inhaltstypen speziell für die Verwendung von Dateiverweisen und Inhaltsanmerkungen eingeführt:
Verwandte APIs:
Agents sind derzeit in Java nicht verfügbar.
Vorlagenerstellung
Die Rolle eines Agents wird in erster Linie durch die empfangenen Anweisungen geprägt, die sein Verhalten und seine Aktionen diktieren. Ähnlich wie beim Aufrufen einer Kernel-Eingabeaufforderung können die Anweisungen eines Agents vorlagenbasierte Parameter enthalten, sowohl Werte als auch Funktionen, die während der Ausführung dynamisch ersetzt werden. Dies ermöglicht flexible, kontextabhängige Antworten, sodass der Agent seine Ausgabe basierend auf Echtzeiteingaben anpassen kann.
Darüber hinaus kann ein Agent direkt mithilfe einer Eingabeaufforderungsvorlagenkonfiguration konfiguriert werden, sodass Entwickler eine strukturierte und wiederverwendbare Möglichkeit zum Definieren des Verhaltens erhalten. Dieser Ansatz bietet ein leistungsfähiges Tool zum Standardisieren und Anpassen von Agentenanweisungen, um Konsistenz in verschiedenen Anwendungsfällen zu gewährleisten und gleichzeitig die dynamische Anpassungsfähigkeit aufrechtzuerhalten.
Beispiel:
Verwandte APIs:
Agents sind derzeit in Java nicht verfügbar.
Chatvervollständigung
Der Chat-Vervollständigungs-Agent ist für jeden semantischen Kernel AI-Dienst konzipiert und bietet eine flexible und bequeme Persona-Kapselung, die nahtlos in eine vielzahl von Anwendungen integriert werden kann. Dieser Agent ermöglicht Entwicklern, unterhaltungsbezogenen KI-Funktionen auf einfache Weise in ihre Systeme zu bringen, ohne sich mit komplexen Implementierungsdetails befassen zu müssen. Sie spiegelt die Features und Muster des zugrunde liegenden KI-Diensts wieder und stellt sicher, dass alle Funktionen wie Verarbeitung natürlicher Sprachen, Dialogverwaltung und kontextbezogenes Verständnis vollständig im Chat-Vervollständigungs-Agent unterstützt werden und es zu einem leistungsfähigen Tool zum Erstellen von Unterhaltungsschnittstellen machen.
Verwandte APIs:
Agents sind derzeit in Java nicht verfügbar.