Delen via

Semantic Kernel Agent Framework (experimenteel)

  • Artikel

Waarschuwing

Het Semantic Kernel Agent Framework is experimenteel, nog steeds in ontwikkeling en kan worden gewijzigd.

Het Semantic Kernel Agent Framework biedt een platform binnen het Semantische Kernel-ecosysteem waarmee AI-agents kunnen worden gemaakt en de mogelijkheid om agentische patronen op te nemen in elke toepassing op basis van dezelfde patronen en functies die aanwezig zijn in het Semantische Kernel-kernframework.

Wat is een AI-agent?

Een AI-agent is een software-entiteit die is ontworpen om taken autonoom of semi-autonoom uit te voeren door invoer, verwerkingsinformatie te ontvangen en acties uit te voeren om specifieke doelen te bereiken.

Agents kunnen berichten verzenden en ontvangen, antwoorden genereren met behulp van een combinatie van modellen, hulpprogramma's, menselijke invoer of andere aanpasbare onderdelen.

Agents zijn ontworpen om gezamenlijk te werken, waardoor complexe werkstromen mogelijk zijn door met elkaar te communiceren. Het Agent Framework maakt het mogelijk om zowel eenvoudige als geavanceerde agents te maken, modulariteit en onderhoudsgemak te verbeteren

Welke problemen lossen AI-agents op?

AI-agents bieden verschillende voordelen voor het ontwikkelen van toepassingen, met name door het maken van modulaire AI-onderdelen die kunnen samenwerken om handmatige interventie in complexe taken te verminderen. AI-agents kunnen autonoom of semi-autonoom werken, waardoor ze krachtige hulpprogramma's voor een scala aan toepassingen zijn.

Dit zijn enkele van de belangrijkste voordelen:

  • Modulaire onderdelen: hiermee kunnen ontwikkelaars verschillende typen agents definiëren voor specifieke taken (bijvoorbeeld gegevensschroot, API-interactie of verwerking van natuurlijke taal). Hierdoor is het eenvoudiger om de toepassing aan te passen naarmate de vereisten zich ontwikkelen of nieuwe technologieën ontstaan.

  • Samenwerking: meerdere agents kunnen 'samenwerken' aan taken. Eén agent kan bijvoorbeeld gegevensverzameling verwerken terwijl een andere de gegevens analyseert en nog een andere gebruikt de resultaten om beslissingen te nemen, waardoor een geavanceerder systeem met gedistribueerde intelligentie wordt gemaakt.

  • Samenwerking tussen mensenagenten: Interacties tussen mensen in de lus zorgen ervoor dat agenten samen met mensen kunnen werken om besluitvormingsprocessen te verbeteren. Agents kunnen bijvoorbeeld gegevensanalyses voorbereiden die mensen kunnen beoordelen en verfijnen, waardoor de productiviteit wordt verbeterd.

  • Procesindeling: Agents kunnen verschillende taken coördineren in systemen, hulpprogramma's en API's, waardoor end-to-end processen zoals toepassingsimplementaties, cloudindeling of zelfs creatieve processen, zoals schrijven en ontwerpen, kunnen worden geautomatiseerd.

Wanneer gebruikt u een AI-agent?

Het gebruik van een agentframework voor toepassingsontwikkeling biedt voordelen die met name nuttig zijn voor bepaalde typen toepassingen. Hoewel traditionele AI-modellen vaak worden gebruikt als hulpprogramma's voor het uitvoeren van specifieke taken (bijvoorbeeld classificatie, voorspelling of herkenning), introduceren agents meer autonomie, flexibiliteit en interactiviteit in het ontwikkelingsproces.

  • Autonomie en besluitvorming: Als uw toepassing entiteiten vereist die onafhankelijke beslissingen kunnen nemen en zich kunnen aanpassen aan veranderende omstandigheden (bijvoorbeeld robotsystemen, autonome voertuigen, slimme omgevingen), is een agentframework beter.

  • Samenwerking met meerdere agents: als uw toepassing complexe systemen omvat waarvoor meerdere onafhankelijke onderdelen nodig zijn om samen te werken (bijvoorbeeld supply chain management, gedistribueerde computing of swarm robotica), bieden agents ingebouwde mechanismen voor coördinatie en communicatie.

  • Interactief en doelgericht: als uw toepassing doelgestuurd gedrag omvat (bijvoorbeeld het autonoom voltooien van taken of interactie met gebruikers om specifieke doelstellingen te bereiken), zijn frameworks op basis van agents een betere keuze. Voorbeelden hiervan zijn virtuele assistenten, game-AI en taakplanners.

Hoe kan ik de Semantic Kernel Agent Framework?

Het installeren van de Agent Framework SDK is specifiek voor het distributiekanaal dat is gekoppeld aan uw programmeertaal.

Voor .NET SDK zijn serverele NuGet-pakketten beschikbaar.

Opmerking: de kern-Semantische Kernel SDK is vereist naast agentpakketten.

Pakket Beschrijving
Microsoft.SemanticKernel Dit bevat de kern-Semantische kernelbibliotheken om aan de slag te gaan met het Agent Framework. Hier moet expliciet naar worden verwezen door uw toepassing.
Microsoft.SemanticKernel.Agents.Abstractions Definieert de belangrijkste agentabstracties voor het Agent Framework. Over het algemeen hoeft niet te worden opgegeven omdat deze is opgenomen in zowel de Microsoft.SemanticKernel.Agents.Core Microsoft.SemanticKernel.Agents.OpenAI als de pakketten.
Microsoft.SemanticKernel.Agents.Core Inclusief de ChatCompletionAgent en AgentGroupChat klassen.
Microsoft.SemanticKernel.Agents.OpenAI Biedt de mogelijkheid om de Open AI Assistant-API te gebruiken via de OpenAIAssistantAgent.
Module Beschrijving
semantic-kernel.agents Dit is de Semantische kernelbibliotheek om aan de slag te gaan met het Agent Framework. Hier moet expliciet naar worden verwezen door uw toepassing. Deze module bevat de ChatCompletionAgent en AgentGroupChat klassen, evenals de mogelijkheid om de Open AI Assistant-API te gebruiken via de OpenAIAssistantAgent of .AzureOpenAssistant

Agents zijn momenteel niet beschikbaar in Java.

Agentarchitectuur