(ਉਪਰ ਦਿੱਤੀ ਤਸਵੀਰ 'ਤੇ ਕਲਿਕ ਕਰਕੇ ਇਸ ਪਾਠ ਦੀ ਵੀਡੀਓ ਵੇਖੋ)

AI ਏਜੰਟ ਫਰੇਮਵਰਕਸ ਉਹ ਸੌਫਟਵੇਅਰ ਪਲੇਟਫਾਰਮ ਹਨ ਜੋ AI ਏਜੰਟਸ ਦੀ ਰਚਨਾ, ਤੈਨਾਤੀ ਅਤੇ ਪ੍ਰਬੰਧਨ ਨੂੰ ਸਧਾਰਨ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ। ਇਹ ਫਰੇਮਵਰਕਸ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਪੂਰਵ-ਤਿਆਰ ਕੀਤੇ ਗਏ ਕੰਪੋਨੈਂਟਸ, ਐਬਸਟਰੈਕਸ਼ਨ ਅਤੇ ਟੂਲਸ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ ਜੋ ਜਟਿਲ AI ਸਿਸਟਮਾਂ ਦੇ ਵਿਕਾਸ ਨੂੰ ਸਧਾਰਨ ਬਣਾਉਂਦੇ ਹਨ।

ਇਹ ਫਰੇਮਵਰਕਸ ਡਿਵੈਲਪਰਾਂ ਨੂੰ AI ਏਜੰਟ ਵਿਕਾਸ ਵਿੱਚ ਆਮ ਚੁਣੌਤੀਆਂ ਲਈ ਮਿਆਰੀ ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਕਰਕੇ ਆਪਣੇ ਐਪਲੀਕੇਸ਼ਨ ਦੇ ਵਿਲੱਖਣ ਪੱਖਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ। ਇਹ AI ਸਿਸਟਮਾਂ ਦੇ ਨਿਰਮਾਣ ਵਿੱਚ ਸਕੇਲਬਿਲਟੀ, ਪਹੁੰਚਯੋਗਤਾ ਅਤੇ ਕੁਸ਼ਲਤਾ ਨੂੰ ਵਧਾਉਂਦੇ ਹਨ।

ਇਸ ਪਾਠ ਵਿੱਚ ਇਹ ਕਵਰ ਕੀਤਾ ਜਾਵੇਗਾ:

• AI ਏਜੰਟ ਫਰੇਮਵਰਕਸ ਕੀ ਹਨ ਅਤੇ ਇਹ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਕੀ ਹਾਸਲ ਕਰਨ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ?
• ਟੀਮਾਂ ਇਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਵਰਤ ਸਕਦੀਆਂ ਹਨ ਆਪਣੇ ਏਜੰਟ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰੋਟੋਟਾਈਪ, ਦੁਹਰਾਉਣ ਅਤੇ ਸੁਧਾਰ ਕਰਨ ਲਈ?
• ਮਾਈਕਰੋਸਾਫਟ ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਫਰੇਮਵਰਕਸ ਅਤੇ ਟੂਲਸ ਵਿੱਚ ਕੀ ਅੰਤਰ ਹਨ?

ਇਸ ਪਾਠ ਦੇ ਲਕਸ਼ ਹਨ:

• AI ਵਿਕਾਸ ਵਿੱਚ AI ਏਜੰਟ ਫਰੇਮਵਰਕਸ ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਸਮਝਣਾ।
• AI ਏਜੰਟ ਫਰੇਮਵਰਕਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬੁੱਧੀਮਾਨ ਏਜੰਟ ਬਣਾਉਣਾ।
• AI ਏਜੰਟ ਫਰੇਮਵਰਕਸ ਦੁਆਰਾ ਯੋਗ ਕੀਤੀਆਂ ਮੁੱਖ ਸਮਰੱਥਾਵਾਂ।
• AutoGen, Semantic Kernel, ਅਤੇ Azure AI Agent Service ਦੇ ਅੰਤਰ।

ਪਾਰੰਪਰਿਕ AI ਫਰੇਮਵਰਕਸ ਤੁਹਾਨੂੰ ਆਪਣੇ ਐਪਸ ਵਿੱਚ AI ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਇਹ ਐਪਸ ਹੇਠ ਲਿਖੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਬਿਹਤਰ ਬਣਾਉਂਦੇ ਹਨ:

• ਪ੍ਰਸਨਲਾਈਜ਼ੇਸ਼ਨ: AI ਯੂਜ਼ਰ ਦੇ ਵਿਹਾਰ ਅਤੇ ਪਸੰਦਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ ਨਿੱਜੀ ਸਿਫਾਰਸ਼ਾਂ, ਸਮੱਗਰੀ ਅਤੇ ਅਨੁਭਵ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ। ਉਦਾਹਰਨ: Netflix ਵਰਗੇ ਸਟ੍ਰੀਮਿੰਗ ਸੇਵਾਵਾਂ AI ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ ਫਿਲਮਾਂ ਅਤੇ ਸ਼ੋਅਜ਼ ਦੀ ਸਿਫਾਰਸ਼ ਕਰਨ ਲਈ ਜੋ ਦੇਖਣ ਦੇ ਇਤਿਹਾਸ 'ਤੇ ਆਧਾਰਿਤ ਹੁੰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਯੂਜ਼ਰ ਦੀ ਸਹਿਭਾਗਤਾ ਅਤੇ ਸੰਤੁਸ਼ਟੀ ਵਧਦੀ ਹੈ।
• ਆਟੋਮੇਸ਼ਨ ਅਤੇ ਕੁਸ਼ਲਤਾ: AI ਦੁਹਰਾਏ ਜਾਣ ਵਾਲੇ ਕੰਮਾਂ ਨੂੰ ਆਟੋਮੇਟ ਕਰ ਸਕਦਾ ਹੈ, ਵਰਕਫਲੋਜ਼ ਨੂੰ ਸਧਾਰਨ ਬਣਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਓਪਰੇਸ਼ਨਲ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦਾ ਹੈ। ਉਦਾਹਰਨ: ਗਾਹਕ ਸੇਵਾ ਐਪਸ AI-ਚਾਲਤ ਚੈਟਬੋਟਸ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ ਆਮ ਪੁੱਛਗਿੱਛਾਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ, ਜਵਾਬ ਦੇ ਸਮੇਂ ਨੂੰ ਘਟਾਉਂਦੀਆਂ ਹਨ ਅਤੇ ਜਟਿਲ ਮੁੱਦਿਆਂ ਲਈ ਮਨੁੱਖੀ ਏਜੰਟਾਂ ਨੂੰ ਖਾਲੀ ਕਰਦੀਆਂ ਹਨ।
• ਵਧੀਆ ਯੂਜ਼ਰ ਅਨੁਭਵ: AI ਆਵਾਜ਼ ਪਛਾਣ, ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ, ਅਤੇ ਪੇਸ਼ਗੀ ਟੈਕਸਟ ਵਰਗੇ ਬੁੱਧੀਮਾਨ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਕੇ ਸਮੁੱਚੇ ਯੂਜ਼ਰ ਅਨੁਭਵ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦਾ ਹੈ। ਉਦਾਹਰਨ: Siri ਅਤੇ Google Assistant ਵਰਗੇ ਵਰਚੁਅਲ ਸਹਾਇਕ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਆਵਾਜ਼ ਕਮਾਂਡਾਂ ਨੂੰ ਸਮਝਣ ਅਤੇ ਜਵਾਬ ਦੇਣ ਲਈ, ਜਿਸ ਨਾਲ ਯੂਜ਼ਰਾਂ ਲਈ ਆਪਣੇ ਡਿਵਾਈਸਾਂ ਨਾਲ ਸੰਚਾਰ ਕਰਨਾ ਆਸਾਨ ਬਣ ਜਾਂਦਾ ਹੈ।

AI ਏਜੰਟ ਫਰੇਮਵਰਕਸ ਸਿਰਫ AI ਫਰੇਮਵਰਕਸ ਤੋਂ ਵੱਧ ਕੁਝ ਦਰਸਾਉਂਦੇ ਹਨ। ਇਹ ਬੁੱਧੀਮਾਨ ਏਜੰਟਸ ਦੀ ਰਚਨਾ ਯੋਗ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ ਜੋ ਯੂਜ਼ਰਾਂ, ਹੋਰ ਏਜੰਟਸ, ਅਤੇ ਵਾਤਾਵਰਣ ਨਾਲ ਸੰਚਾਰ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਲਕਸ਼ਾਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਏਜੰਟਸ ਸਵੈ-ਚਾਲਤ ਵਿਹਾਰ ਦਰਸਾ ਸਕਦੇ ਹਨ, ਫੈਸਲੇ ਲੈ ਸਕਦੇ ਹਨ, ਅਤੇ ਬਦਲਦੇ ਹਾਲਾਤਾਂ ਅਨੁਸਾਰ ਅਨੁਕੂਲ ਹੋ ਸਕਦੇ ਹਨ। ਆਓ ਕੁਝ ਮੁੱਖ ਸਮਰੱਥਾਵਾਂ ਦੇਖੀਏ ਜੋ AI ਏਜੰਟ ਫਰੇਮਵਰਕਸ ਦੁਆਰਾ ਯੋਗ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ:

• ਏਜੰਟ ਸਹਿਯੋਗ ਅਤੇ ਸਮਨਵਯਤਾ: ਕਈ AI ਏਜੰਟਸ ਦੀ ਰਚਨਾ ਯੋਗ ਬਣਾਉਣਾ ਜੋ ਇਕੱਠੇ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ, ਸੰਚਾਰ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਜਟਿਲ ਕੰਮਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਸਮਨਵਯ ਕਰ ਸਕਦੇ ਹਨ।
• ਕੰਮ ਆਟੋਮੇਸ਼ਨ ਅਤੇ ਪ੍ਰਬੰਧਨ: ਬਹੁ-ਕਦਮ ਵਰਕਫਲੋਜ਼, ਕੰਮ ਸੌਂਪਣ, ਅਤੇ ਏਜੰਟਸ ਵਿੱਚ ਗਤੀਸ਼ੀਲ ਕੰਮ ਪ੍ਰਬੰਧਨ ਲਈ ਮਕੈਨਿਜ਼ਮ ਪ੍ਰਦਾਨ ਕਰਨਾ।
• ਸੰਦੇਸ਼ਕ ਅਨੁਭਵ ਅਤੇ ਅਨੁਕੂਲਤਾ: ਏਜੰਟਸ ਨੂੰ ਸੰਦੇਸ਼ਕ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ, ਬਦਲਦੇ ਵਾਤਾਵਰਣਾਂ ਅਨੁਸਾਰ ਅਨੁਕੂਲ ਹੋਣ ਦੀ ਸਮਰੱਥਾ, ਅਤੇ ਰੀਅਲ-ਟਾਈਮ ਜਾਣਕਾਰੀ ਦੇ ਆਧਾਰ 'ਤੇ ਫੈਸਲੇ ਲੈਣ ਦੀ ਸਮਰੱਥਾ ਪ੍ਰਦਾਨ ਕਰਨਾ।

ਸਾਰ ਵਿੱਚ, ਏਜੰਟ ਤੁਹਾਨੂੰ ਹੋਰ ਕੁਝ ਕਰਨ ਦੀ ਯੋਗਤਾ ਦਿੰਦੇ ਹਨ, ਆਟੋਮੇਸ਼ਨ ਨੂੰ ਅਗਲੇ ਪੱਧਰ 'ਤੇ ਲੈ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਹੋਰ ਬੁੱਧੀਮਾਨ ਸਿਸਟਮ ਬਣਾਉਂਦੇ ਹਨ ਜੋ ਆਪਣੇ ਵਾਤਾਵਰਣ ਤੋਂ ਸਿੱਖ ਸਕਦੇ ਹਨ ਅਤੇ ਅਨੁਕੂਲ ਹੋ ਸਕਦੇ ਹਨ।

ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਸਰਵਿਸ ਇੱਕ ਹਾਲ ਹੀ ਦੀ ਜੋੜ ਹੈ, ਜੋ ਮਾਈਕਰੋਸਾਫਟ ਇਗਨਾਈਟ 2024 'ਤੇ ਪੇਸ਼ ਕੀਤੀ ਗਈ ਸੀ। ਇਹ ਖੁੱਲ੍ਹੇ-ਸਰੋਤ ਵਾਲੇ LLMs ਜਿਵੇਂ ਕਿ Llama 3, Mistral, ਅਤੇ Cohere ਨੂੰ ਸਿੱਧੇ ਕਾਲ ਕਰਨ ਵਰਗੇ ਜ਼ਿਆਦਾ ਲਚਕੀਲੇ ਮਾਡਲਾਂ ਨਾਲ ਏਆਈ ਏਜੰਟਾਂ ਦੇ ਵਿਕਾਸ ਅਤੇ ਤੈਨਾਤੀ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ।

ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਸਰਵਿਸ ਮਜ਼ਬੂਤ ਕਾਰੋਬਾਰੀ ਸੁਰੱਖਿਆ ਮਕੈਨਿਜ਼ਮ ਅਤੇ ਡਾਟਾ ਸਟੋਰੇਜ ਤਰੀਕਿਆਂ ਨੂੰ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਇਹ ਕਾਰੋਬਾਰੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਉਚਿਤ ਬਣਦੀ ਹੈ।

ਇਹ ਆਉਟ-ਆਫ-ਦ-ਬਾਕਸ ਮਲਟੀ-ਏਜੰਟ ਆਰਕੇਸਟਰੇਸ਼ਨ ਫਰੇਮਵਰਕ ਜਿਵੇਂ ਕਿ AutoGen ਅਤੇ ਸੈਮਾਂਟਿਕ ਕਰਨਲ ਨਾਲ ਕੰਮ ਕਰਦੀ ਹੈ।

ਇਹ ਸਰਵਿਸ ਇਸ ਸਮੇਂ ਪਬਲਿਕ ਪ੍ਰੀਵਿਊ ਵਿੱਚ ਹੈ ਅਤੇ ਏਜੰਟ ਬਣਾਉਣ ਲਈ Python ਅਤੇ C# ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ।

ਸੈਮਾਂਟਿਕ ਕਰਨਲ ਪਾਇਥਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਅਸੀਂ ਇੱਕ ਯੂਜ਼ਰ-ਡਿਫਾਈਨਡ ਪਲੱਗਇਨ ਨਾਲ ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਬਣਾ ਸਕਦੇ ਹਾਂ:

import asyncio
from typing import Annotated

from azure.identity.aio import DefaultAzureCredential

from semantic_kernel.agents import AzureAIAgent, AzureAIAgentSettings, AzureAIAgentThread
from semantic_kernel.contents import ChatMessageContent
from semantic_kernel.contents import AuthorRole
from semantic_kernel.functions import kernel_function


# Define a sample plugin for the sample
class MenuPlugin:
    """A sample Menu Plugin used for the concept sample."""

    @kernel_function(description="Provides a list of specials from the menu.")
    def get_specials(self) -> Annotated[str, "Returns the specials from the menu."]:
        return """
        Special Soup: Clam Chowder
        Special Salad: Cobb Salad
        Special Drink: Chai Tea
        """

    @kernel_function(description="Provides the price of the requested menu item.")
    def get_item_price(
        self, menu_item: Annotated[str, "The name of the menu item."]
    ) -> Annotated[str, "Returns the price of the menu item."]:
        return "$9.99"


async def main() -> None:
    ai_agent_settings = AzureAIAgentSettings.create()

    async with (
        DefaultAzureCredential() as creds,
        AzureAIAgent.create_client(
            credential=creds,
            conn_str=ai_agent_settings.project_connection_string.get_secret_value(),
        ) as client,
    ):
        # Create agent definition
        agent_definition = await client.agents.create_agent(
            model=ai_agent_settings.model_deployment_name,
            name="Host",
            instructions="Answer questions about the menu.",
        )

        # Create the AzureAI Agent using the defined client and agent definition
        agent = AzureAIAgent(
            client=client,
            definition=agent_definition,
            plugins=[MenuPlugin()],
        )

        # Create a thread to hold the conversation
        # If no thread is provided, a new thread will be
        # created and returned with the initial response
        thread: AzureAIAgentThread | None = None

        user_inputs = [
            "Hello",
            "What is the special soup?",
            "How much does that cost?",
            "Thank you",
        ]

        try:
            for user_input in user_inputs:
                print(f"# User: '{user_input}'")
                # Invoke the agent for the specified thread
                response = await agent.get_response(
                    messages=user_input,
                    thread_id=thread,
                )
                print(f"# {response.name}: {response.content}")
                thread = response.thread
        finally:
            await thread.delete() if thread else None
            await client.agents.delete_agent(agent.id)


if __name__ == "__main__":
    asyncio.run(main())

ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਸਰਵਿਸ ਵਿੱਚ ਹੇਠ ਲਿਖੀਆਂ ਮੁੱਖ ਧਾਰਨਾਵਾਂ ਹਨ:

• ਏਜੰਟ। ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਸਰਵਿਸ ਐਜ਼ਰ ਏਆਈ ਫਾਊਂਡਰੀ ਨਾਲ ਇੰਟਿਗ੍ਰੇਟ ਕਰਦੀ ਹੈ। ਏਆਈ ਫਾਊਂਡਰੀ ਦੇ ਅੰਦਰ, ਇੱਕ ਏਆਈ ਏਜੰਟ ਇੱਕ "ਸਮਾਰਟ" ਮਾਈਕਰੋਸਰਵਿਸ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ ਜੋ ਪ੍ਰਸ਼ਨਾਂ ਦੇ ਜਵਾਬ ਦੇਣ (RAG), ਕਾਰਵਾਈ ਕਰਨ ਜਾਂ ਵਰਕਫਲੋਜ਼ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਆਟੋਮੇਟ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਹ ਜਨਰੇਟਿਵ ਏਆਈ ਮਾਡਲਾਂ ਦੀ ਤਾਕਤ ਨੂੰ ਉਹਨਾਂ ਟੂਲਾਂ ਨਾਲ ਜੋੜ ਕੇ ਹਾਸਲ ਕਰਦਾ ਹੈ ਜੋ ਇਸਨੂੰ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਡਾਟਾ ਸਰੋਤਾਂ ਤੱਕ ਪਹੁੰਚ ਅਤੇ ਸੰਚਾਰ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ। ਇਹ ਰਹੀ ਇੱਕ ਏਜੰਟ ਦੀ ਉਦਾਹਰਨ:

  agent = project_client.agents.create_agent(
      model="gpt-4o-mini",
      name="my-agent",
      instructions="You are helpful agent",
      tools=code_interpreter.definitions,
      tool_resources=code_interpreter.resources,
  )
  

  ਇਸ ਉਦਾਹਰਨ ਵਿੱਚ, ਇੱਕ ਏਜੰਟ gpt-4o-mini ਮਾਡਲ, my-agent ਨਾਮ, ਅਤੇ You are helpful agent ਹਦਾਇਤਾਂ ਨਾਲ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਇਹ ਏਜੰਟ ਕੋਡ ਵਿਆਖਿਆ ਕਾਰਜਾਂ ਨੂੰ ਕਰਨ ਲਈ ਟੂਲਾਂ ਅਤੇ ਸਰੋਤਾਂ ਨਾਲ ਸਜਜਿਤ ਹੈ।

• ਥ੍ਰੈਡ ਅਤੇ ਸੁਨੇਹੇ। ਥ੍ਰੈਡ ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਧਾਰਨਾ ਹੈ। ਇਹ ਇੱਕ ਏਜੰਟ ਅਤੇ ਯੂਜ਼ਰ ਦੇ ਵਿਚਕਾਰ ਗੱਲਬਾਤ ਜਾਂ ਸੰਚਾਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਥ੍ਰੈਡ ਗੱਲਬਾਤ ਦੀ ਪ੍ਰਗਤੀ ਨੂੰ ਟ੍ਰੈਕ ਕਰਨ, ਸੰਦਰਭ ਜਾਣਕਾਰੀ ਸਟੋਰ ਕਰਨ, ਅਤੇ ਸੰਚਾਰ ਦੀ ਸਥਿਤੀ ਦਾ ਪ੍ਰਬੰਧ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਇਹ ਰਹੀ ਥ੍ਰੈਡ ਦੀ ਇੱਕ ਉਦਾਹਰਨ:

  thread = project_client.agents.create_thread()
  message = project_client.agents.create_message(
      thread_id=thread.id,
      role="user",
      content="Could you please create a bar chart for the operating profit using the following data and provide the file to me? Company A: $1.2 million, Company B: $2.5 million, Company C: $3.0 million, Company D: $1.8 million",
  )
  
  # Ask the agent to perform work on the thread
  run = project_client.agents.create_and_process_run(thread_id=thread.id, agent_id=agent.id)
  
  # Fetch and log all messages to see the agent's response
  messages = project_client.agents.list_messages(thread_id=thread.id)
  print(f"Messages: {messages}")
  

  ਪਿਛਲੇ ਕੋਡ ਵਿੱਚ, ਇੱਕ ਥ੍ਰੈਡ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਇਸ ਤੋਂ ਬਾਅਦ, ਥ੍ਰੈਡ ਨੂੰ ਇੱਕ ਸੁਨੇਹਾ ਭੇਜਿਆ ਜਾਂਦਾ ਹੈ। create_and_process_run ਨੂੰ ਕਾਲ ਕਰਕੇ, ਏਜੰਟ ਨੂੰ ਥ੍ਰੈਡ 'ਤੇ ਕੰਮ ਕਰਨ ਲਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਆਖਰਕਾਰ, ਸੁਨੇਹੇ ਪ੍ਰਾਪਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਏਜੰਟ ਦੇ ਜਵਾਬ ਨੂੰ ਵੇਖਣ ਲਈ ਲੌਗ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਸੁਨੇਹੇ ਯੂਜ਼ਰ ਅਤੇ ਏਜੰਟ ਦੇ ਵਿਚਕਾਰ ਗੱਲਬਾਤ ਦੀ ਪ੍ਰਗਤੀ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਇਹ ਵੀ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਸੁਨੇਹੇ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੇ ਹੋ ਸਕਦੇ ਹਨ ਜਿਵੇਂ ਕਿ ਟੈਕਸਟ, ਚਿੱਤਰ ਜਾਂ ਫਾਈਲ, ਜਿਹੜਾ ਕਿ ਏਜੰਟ ਦੇ ਕੰਮ ਦਾ ਨਤੀਜਾ ਹੋ ਸਕਦਾ ਹੈ। ਇੱਕ ਡਿਵੈਲਪਰ ਵਜੋਂ, ਤੁਸੀਂ ਇਸ ਜਾਣਕਾਰੀ ਨੂੰ ਜਵਾਬ ਨੂੰ ਹੋਰ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਜਾਂ ਯੂਜ਼ਰ ਨੂੰ ਪੇਸ਼ ਕਰਨ ਲਈ ਵਰਤ ਸਕਦੇ ਹੋ।

• ਹੋਰ ਏਆਈ ਫਰੇਮਵਰਕਸ ਨਾਲ ਇੰਟਿਗ੍ਰੇਟ ਕਰਦਾ ਹੈ। ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਸਰਵਿਸ ਹੋਰ ਫਰੇਮਵਰਕਸ ਜਿਵੇਂ ਕਿ AutoGen ਅਤੇ ਸੈਮਾਂਟਿਕ ਕਰਨਲ ਨਾਲ ਸੰਚਾਰ ਕਰ ਸਕਦੀ ਹੈ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਤੁਸੀਂ ਆਪਣੇ ਐਪ ਦਾ ਕੁਝ ਹਿੱਸਾ ਇਨ੍ਹਾਂ ਫਰੇਮਵਰਕਸ ਵਿੱਚ ਬਣਾਉਣ ਅਤੇ ਉਦਾਹਰਨ ਵਜੋਂ ਏਜੰਟ ਸਰਵਿਸ ਨੂੰ ਇੱਕ ਆਰਕੇਸਟਰੇਟਰ ਵਜੋਂ ਵਰਤ ਸਕਦੇ ਹੋ ਜਾਂ ਤੁਸੀਂ ਸਾਰਾ ਕੁਝ ਏਜੰਟ ਸਰਵਿਸ ਵਿੱਚ ਬਣਾਉਣਗੇ।

ਵਰਤੋਂ ਦੇ ਕੇਸ: ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਸਰਵਿਸ ਕਾਰੋਬਾਰੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤੀ ਗਈ ਹੈ ਜਿਹਨਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ, ਸਕੇਲਬਲ ਅਤੇ ਲਚਕੀਲੇ ਏਆਈ ਏਜੰਟ ਤੈਨਾਤੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਇਹ ਲੱਗਦਾ ਹੈ ਕਿ ਇਹਨਾਂ ਫਰੇਮਵਰਕਸ ਵਿੱਚ ਕਾਫ਼ੀ ਓਵਰਲੈਪ ਹੈ, ਪਰ ਉਨ੍ਹਾਂ ਦੇ ਡਿਜ਼ਾਈਨ, ਸਮਰੱਥਾਵਾਂ ਅਤੇ ਟਾਰਗੇਟ ਵਰਤੋਂ ਦੇ ਕੇਸਾਂ ਦੇ ਹਿਸਾਬ ਨਾਲ ਕੁਝ ਮੁੱਖ ਫਰਕ ਹਨ:

• AutoGen: ਇਹ ਮਲਟੀ-ਏਜੰਟ ਸਿਸਟਮਾਂ 'ਤੇ ਅਗੇਤਨ ਖੋਜ ਲਈ ਇੱਕ ਪ੍ਰਯੋਗਾਤਮਕ ਫਰੇਮਵਰਕ ਹੈ। ਇਹ ਜਟਿਲ ਮਲਟੀ-ਏਜੰਟ ਸਿਸਟਮਾਂ ਨੂੰ ਪ੍ਰੋਟੋਟਾਈਪ ਕਰਨ ਅਤੇ ਪ੍ਰਯੋਗ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਥਾਂ ਹੈ।
• ਸੈਮਾਂਟਿਕ ਕਰਨਲ: ਇਹ ਕਾਰੋਬਾਰੀ ਏਜੰਟਿਕ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਇੱਕ ਪ੍ਰੋਡਕਸ਼ਨ-ਤਿਆਰ ਏਜੰਟ ਲਾਇਬ੍ਰੇਰੀ ਹੈ। ਇਹ ਘਟਨਾ-ਚਲਿਤ, ਵੰਡੇ ਹੋਏ ਏਜੰਟਿਕ ਐਪਲੀਕੇਸ਼ਨਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ, ਜੋ ਕਈ LLMs ਅਤੇ SLMs, ਟੂਲਾਂ, ਅਤੇ ਸਿੰਗਲ/ਮਲਟੀ-ਏਜੰਟ ਡਿਜ਼ਾਈਨ ਪੈਟਰਨਾਂ ਨੂੰ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।
• ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਸਰਵਿਸ: ਇਹ ਐਜ਼ਰ ਫਾਊਂਡਰੀ ਵਿੱਚ ਏਜੰਟਾਂ ਲਈ ਇੱਕ ਪਲੇਟਫਾਰਮ ਅਤੇ ਤੈਨਾਤੀ ਸਰਵਿਸ ਹੈ। ਇਹ ਐਜ਼ਰ ਫਾਊਂਡ ਦੁਆਰਾ ਸਮਰਥਿਤ ਸੇਵਾਵਾਂ ਨਾਲ ਕਨੈਕਟਿਵਿਟੀ ਬਣਾਉਣ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਐਜ਼ਰ ਓਪਨਏਆਈ, ਐਜ਼ਰ ਏਆਈ ਸਰਚ, ਬਿੰਗ ਸਰਚ ਅਤੇ ਕੋਡ ਐਗਜ਼ਿਕਿਊਸ਼ਨ।

ਆਓ ਕੁਝ ਆਮ ਵਰਤੋਂ ਦੇ ਕੇਸਾਂ ਰਾਹੀਂ ਤੁਹਾਡੀ ਮਦਦ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੀਏ:

ਪ੍ਰ: ਮੈਂ ਪ੍ਰਯੋਗ ਕਰ ਰਿਹਾ ਹਾਂ, ਸਿੱਖ ਰਿਹਾ ਹਾਂ ਅਤੇ ਪ੍ਰੂਫ-ਆਫ-ਕੰਸੈਪਟ ਏਜੰਟ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹਾਂ, ਅਤੇ ਮੈਂ ਤੇਜ਼ੀ ਨਾਲ ਬਣਾਉਣ ਅਤੇ ਪ੍ਰਯੋਗ ਕਰਨ ਦੀ ਇੱਛਾ ਰੱਖਦਾ ਹਾਂ।

ਉ: ਇਸ ਸਥਿਤੀ ਲਈ AutoGen ਇੱਕ ਵਧੀਆ ਚੋਣ ਹੋਵੇਗੀ, ਕਿਉਂਕਿ ਇਹ ਘਟਨਾ-ਚਲਿਤ, ਵੰਡੇ ਹੋਏ ਏਜੰਟਿਕ ਐਪਲੀਕੇਸ਼ਨਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ ਅਤੇ ਉੱਚਤਮ ਮਲਟੀ-ਏਜੰਟ ਡਿਜ਼ਾਈਨ ਪੈਟਰਨਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ।

ਪ੍ਰ: ਇਸ ਵਰਤੋਂ ਦੇ ਕੇਸ ਲਈ AutoGen ਨੂੰ ਸੈਮਾਂਟਿਕ ਕਰਨਲ ਅਤੇ ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਸਰਵਿਸ ਤੋਂ ਵਧੀਆ ਚੋਣ ਕਿਉਂ ਬਣਾਉਂਦਾ ਹੈ?

ਉ: AutoGen ਖਾਸ ਤੌਰ 'ਤੇ ਘਟਨਾ-ਚਲਿਤ, ਵੰਡੇ ਹੋਏ ਏਜੰਟਿਕ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਹੈ, ਜਿਸ ਨਾਲ ਇਹ ਕੋਡ ਜਨਰੇਸ਼ਨ ਅਤੇ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਾਰਜਾਂ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨ ਲਈ ਬਹੁਤ ਹੀ ਉਚਿਤ ਬਣਦਾ ਹੈ। ਇਹ ਜਟਿਲ ਮਲਟੀ-ਏਜੰਟ ਸਿਸਟਮਾਂ ਨੂੰ ਕੁਸ਼ਲਤਾਪੂਰਵਕ ਬਣਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਟੂਲ ਅਤੇ ਸਮਰੱਥਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਪ੍ਰ: ਲੱਗਦਾ ਹੈ ਕਿ ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਸਰਵਿਸ ਇੱਥੇ ਵੀ ਕੰਮ ਕਰ ਸਕਦੀ ਹੈ, ਇਸ ਵਿੱਚ ਕੋਡ ਜਨਰੇਸ਼ਨ ਅਤੇ ਹੋਰ ਲਈ ਟੂਲ ਹਨ?

ਉ: ਹਾਂ, ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਸਰਵਿਸ ਏਜੰਟਾਂ ਲਈ ਇੱਕ ਪਲੇਟਫਾਰਮ ਸਰਵਿਸ ਹੈ ਅਤੇ ਕਈ ਮਾਡਲਾਂ, ਐਜ਼ਰ ਏਆਈ ਸਰਚ, ਬਿੰਗ ਸਰਚ ਅਤੇ ਐਜ਼ਰ ਫੰਕਸ਼ਨਜ਼ ਲਈ ਬਣਾਈ ਗਈ ਸਮਰੱਥਾਵਾਂ ਸ਼ਾਮਲ ਕਰਦੀ ਹੈ। ਇਹ ਤੁਹਾਡੇ ਏਜੰਟਾਂ ਨੂੰ Foundry ਪੋਰਟਲ ਵਿੱਚ ਬਣਾਉਣ ਅਤੇ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਤੈਨਾਤ ਕਰਨ ਨੂੰ ਆਸਾਨ ਬਣਾਉਂਦੀ ਹੈ।

ਪ੍ਰ: ਮੈਂ ਅਜੇ ਵੀ ਉਲਝਣ ਵਿੱਚ ਹਾਂ, ਮੈਨੂੰ ਸਿਰਫ ਇੱਕ ਵਿਕਲਪ ਦਿਓ।

ਉ: ਇੱਕ ਵਧੀਆ ਚੋਣ ਹੈ ਕਿ ਪਹਿਲਾਂ ਸੈਮਾਂਟਿਕ ਕਰਨਲ ਵਿੱਚ ਆਪਣੀ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਓ ਅਤੇ ਫਿਰ ਆਪਣੇ ਏਜੰਟ ਨੂੰ ਤੈਨਾਤ ਕਰਨ ਲਈ ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਸਰਵਿਸ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਇਹ ਪਹੁੰਚ ਤੁਹਾਨੂੰ ਆਪਣੇ ਏਜੰਟਾਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਸਥਿਰ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ ਜਦੋਂ ਕਿ ਸੈਮਾਂਟਿਕ ਕਰਨਲ ਵਿੱਚ ਮਲਟੀ-ਏਜੰਟ ਸਿਸਟਮਾਂ ਨੂੰ ਬਣਾਉਣ ਦੀ ਤਾਕਤ ਲੈ ਕੇ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸੈਮਾਂਟਿਕ ਕਰਨਲ ਵਿੱਚ AutoGen ਵਿੱਚ ਇੱਕ ਕਨੈਕਟਰ ਹੈ, ਜਿਸ ਨਾਲ ਦੋਵੇਂ ਫਰੇਮਵਰਕਸ ਨੂੰ ਇਕੱਠੇ ਵਰਤਣਾ ਆਸਾਨ ਬਣ ਜਾਂਦਾ ਹੈ।

ਆਓ ਇੱਕ ਟੇਬਲ ਵਿੱਚ ਮੁੱਖ ਫਰਕਾਂ ਦਾ ਸਾਰ ਲਿਖੀਏ:

ਜਵਾਬ ਹੈ ਹਾਂ, ਤੁਸੀਂ ਆਪਣੇ ਮੌਜੂਦਾ ਐਜ਼ਰ ਇਕੋਸਿਸਟਮ ਟੂਲਾਂ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਸਰਵਿਸ ਨਾਲ ਇੰਟਿਗ੍ਰੇਟ ਕਰ ਸਕਦੇ ਹੋ, ਖਾਸ ਕਰਕੇ ਇਸ ਲਈ ਕਿਉਂਕਿ ਇਹ ਹੋਰ ਐਜ਼ਰ ਸੇਵਾਵਾਂ ਨਾਲ ਬਿਨਾ ਰੁਕਾਵਟ ਕੰਮ ਕਰਨ ਲਈ ਬਣਾਈ ਗਈ ਹੈ। ਤੁਸੀਂ ਉਦਾਹਰਨ ਵਜੋਂ ਬਿੰਗ, ਐਜ਼ਰ ਏਆਈ ਸਰਚ, ਅਤੇ ਐਜ਼ਰ ਫੰਕਸ਼ਨਜ਼ ਨੂੰ ਇੰਟਿਗ੍ਰੇਟ ਕਰ ਸਕਦੇ ਹੋ। ਐਜ਼ਰ ਏਆਈ ਫਾਊਂਡਰੀ ਨਾਲ ਵੀ ਡੂੰਘੀ ਇੰਟਿਗ੍ਰੇਸ਼ਨ ਹੈ।

AutoGen ਅਤੇ ਸੈਮਾਂਟਿਕ ਕਰਨਲ ਲਈ, ਤੁਸੀਂ ਐਜ਼ਰ ਸੇਵਾਵਾਂ ਨਾਲ ਇੰਟਿਗ੍ਰੇਟ ਕਰ ਸਕਦੇ ਹੋ, ਪਰ ਇਹ ਤੁਹਾਡੇ ਕੋਡ ਤੋਂ ਐਜ਼ਰ ਸੇਵਾਵਾਂ ਨੂੰ ਕਾਲ ਕਰਨ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ। ਇੱਕ ਹੋਰ ਤਰੀਕਾ ਇਹ ਹੈ ਕਿ ਐਜ਼ਰ SDKs ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਪਣੇ ਏਜੰਟਾਂ ਤੋਂ ਐਜ਼ਰ ਸੇਵਾਵਾਂ ਨਾਲ ਸੰਚਾਰ ਕਰੋ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜਿਵੇਂ ਕਿ ਦੱਸਿਆ ਗਿਆ ਸੀ, ਤੁਸੀਂ AutoGen ਜਾਂ ਸੈਮਾਂਟਿਕ ਕਰਨਲ ਵਿੱਚ ਬਣੇ ਆਪਣੇ ਏਜੰਟਾਂ ਲਈ ਆਰਕੇਸਟਰੇਟਰ ਵਜੋਂ ਐਜ਼ਰ ਏਆਈ ਏਜੰਟ ਸਰਵਿਸ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ, ਜਿਸ ਨਾਲ ਐਜ਼ਰ ਇਕੋਸਿਸਟਮ ਤੱਕ ਆਸਾਨ ਪਹੁੰਚ ਮਿਲਦੀ ਹੈ।

ਐਜ਼ਰ ਏਆਈ ਫਾਊਂਡਰੀ ਡਿਸਕੋਰਡ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ ਤਾਂ ਜੋ ਹੋਰ ਸਿੱਖਣ ਵਾਲਿਆਂ ਨਾਲ ਮਿਲ ਸਕੋ, ਦਫ਼ਤਰ ਦੇ ਘੰਟਿਆਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਸਕੋ ਅਤੇ ਆਪਣੇ ਏਆਈ ਏਜੰਟਾਂ ਦੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਪ੍ਰਾਪਤ ਕਰ ਸਕੋ।

ਏਆਈ ਏਜੰਟਾਂ ਅਤੇ ਵਰਤੋਂ ਦੇ ਕੇਸਾਂ ਦਾ ਪਰਿਚਯ

ਏਜੰਟਿਕ ਡਿਜ਼ਾਈਨ ਪੈਟਰਨਾਂ ਨੂੰ ਸਮਝਣਾ

ਅਸਵੀਕਰਤੀ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦਾ ਯਤਨ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁੱਚੀਤਤਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਇਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਮੌਜੂਦ ਮੂਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੇ ਪ੍ਰਯੋਗ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।