Struktura agenta jądra semantycznego
Ważne
Funkcje dla pojedynczego agenta, takie jak ChatCompletionAgent i OpenAIAssistantAgent, są na etapie wersji kandydującej do wydania. Te funkcje są prawie kompletne i ogólnie stabilne, choć mogą przejść drobne udoskonalenia lub optymalizacje przed osiągnięciem pełnej ogólnej dostępności. Jednak wzorce czatów agentów są nadal na etapie eksperymentalnym. Te wzorce są aktywnie opracowywane i mogą ulec znacznej zmianie przed przejściem do etapu wersji zapoznawczej lub wersji kandydackiej do wydania.
Framework Agenta Jądra Semantycznego udostępnia platformę w ekosystemie Jądra Semantycznego, która umożliwia tworzenie agentów sztucznej inteligencji oraz możliwość dołączania wzorców agentycznych do dowolnej aplikacji na podstawie tych samych wzorców i funkcji, które istnieją w podstawowej strukturze Jądra Semantycznego.
Co to jest agent sztucznej inteligencji?
Agent sztucznej inteligencji to jednostka oprogramowania przeznaczona do wykonywania zadań autonomicznych lub częściowo autonomicznych przez odbieranie danych wejściowych, przetwarzania informacji i podejmowanie działań w celu osiągnięcia określonych celów.
Agenci mogą wysyłać i odbierać komunikaty, generować odpowiedzi przy użyciu kombinacji modeli, narzędzi, danych wejściowych człowieka lub innych składników, które można dostosowywać.
Agenci są zaprojektowani do współpracy, umożliwiając tworzenie złożonych przepływów pracy przez interakcję ze sobą.
Agent Framework umożliwia tworzenie zarówno prostych, jak i zaawansowanych agentów, zwiększenie modułowości i łatwości konserwacji
Jakie problemy rozwiązuje agenta sztucznej inteligencji?
Agenci sztucznej inteligencji oferują kilka zalet tworzenia aplikacji, szczególnie dzięki umożliwieniu tworzenia modułowych składników sztucznej inteligencji, które mogą współpracować w celu zmniejszenia ręcznej interwencji w złożonych zadaniach. Agenci sztucznej inteligencji mogą działać autonomicznie lub częściowo autonomicznie, co czyni je zaawansowanymi narzędziami dla wielu aplikacji.
Oto niektóre kluczowe korzyści:
Składniki modułowe: umożliwiają deweloperom definiowanie różnych typów agentów dla określonych zadań (np. zrównywanie danych, interakcja z API lub przetwarzanie języka naturalnego). Ułatwia to dostosowanie aplikacji w miarę rozwoju wymagań lub pojawiania się nowych technologii.
Współpraca: Wielu agentów może "współpracować" nad zadaniami. Na przykład jeden agent może obsługiwać zbieranie danych, podczas gdy inny analizuje je, a jeszcze inny używa wyników do podejmowania decyzji, tworząc bardziej zaawansowany system z rozproszoną inteligencją.
Współpraca człowieka z agentami: interakcje z udziałem człowieka umożliwiają agentom współpracę z ludźmi w celu wsparcia procesów podejmowania decyzji. Na przykład agenci mogą przygotować analizy danych, które ludzie mogą przeglądać i dostosowywać, zwiększając w ten sposób produktywność.
Orkiestracja procesów: Agenci mogą koordynować różne zadania między systemami, narzędziami i interfejsami API, pomagając automatyzować kompleksowe procesy, takie jak wdrożenia aplikacji, orkiestracja w chmurze, a nawet kreatywne procesy, takie jak pisanie i projektowanie.
Kiedy używać agenta sztucznej inteligencji?
Korzystanie z platformy agentów na potrzeby tworzenia aplikacji zapewnia korzyści, które są szczególnie korzystne dla niektórych typów aplikacji. Chociaż tradycyjne modele sztucznej inteligencji są często używane jako narzędzia do wykonywania określonych zadań (np. klasyfikacji, przewidywania lub rozpoznawania), agenci wprowadzają większą autonomię, elastyczność i interakcyjność w procesie programowania.
Autonomia i podejmowanie decyzji: jeśli aplikacja wymaga jednostek, które mogą podejmować niezależne decyzje i dostosowywać się do zmieniających się warunków (np. systemów robotycznych, pojazdów autonomicznych, środowisk inteligentnych), preferowana jest struktura agenta.
Współpraca między agentami: jeśli aplikacja obejmuje złożone systemy, które wymagają współpracy wielu niezależnych składników (np. zarządzania łańcuchem dostaw, przetwarzania rozproszonego lub robotyki roja), agenci zapewniają wbudowane mechanizmy koordynacji i komunikacji.
Interaktywne i zorientowane na cel: jeśli aplikacja obejmuje zachowanie oparte na celu (np. wykonywanie zadań autonomicznych lub interakcję z użytkownikami w celu osiągnięcia określonych celów), struktury oparte na agentach są lepszym wyborem. Przykłady obejmują wirtualnych asystentów, sztuczną inteligencję gier i planistów zadań.
Jak zainstalować Semantic Kernel Agent Framework?
Instalowanie Agent Framework SDK jest specyficzne dla kanału dystrybucji skojarzonego z twoim językiem programowania.
W przypadku zestawu .NET SDK dostępnych jest kilka pakietów NuGet.
Uwaga: podstawowy zestaw SDK jądra semantycznego jest wymagany oprócz wszystkich pakietów agentów.
| Pakiet | opis |
|---|---|
| Microsoft.SemanticKernel | Zawiera on podstawowe biblioteki Semantic Kernel do rozpoczęcia pracy z Agent Framework. Twój wniosek musi do tego jawnie się odwoływać. |
| Microsoft.SemanticKernel.Agents.Abstractions | Definiuje abstrakcje agenta podstawowego dla Agent Framework. Ogólnie nie trzeba go określać, ponieważ jest on uwzględniany zarówno w pakietach, jak Microsoft.SemanticKernel.Agents.Core i Microsoft.SemanticKernel.Agents.OpenAI . |
| Microsoft.SemanticKernel.Agents.Core | Obejmuje klasy ChatCompletionAgent i AgentGroupChat. |
| Microsoft.SemanticKernel.Agents.OpenAI | Zapewnia możliwość korzystania z interfejsu API OpenAI za pośrednictwem OpenAIAssistantAgent. |
| Moduł | opis |
|---|---|
| semantic-kernel.agents | Jest to biblioteka Semantic Kernel na potrzeby rozpoczynania pracy z Agent Framework. Twój wniosek musi do tego jawnie się odwoływać. Ten moduł zawiera klasy ChatCompletionAgent i AgentGroupChat, a także możliwość korzystania z interfejsu API asystenta OpenAI za pośrednictwem OpenAIAssistantAgent lub AzureOpenAssistant. |
Agenci są obecnie niedostępni w języku Java.