(Bonyeza picha hapo juu ili kuona video ya somo hili)

Mifumo ya wakala wa AI ni majukwaa ya programu yaliyoundwa kurahisisha uundaji, uenezaji, na usimamizi wa maajenti wa AI. Mifumo hii inawapa watengenezaji vipengele vilivyotengenezwa awali, utofauti, na zana zinazorahisisha maendeleo ya mifumo tata za AI.

Mifumo hii husaidia watengenezaji kuzingatia vipengele maalum vya programu zao kwa kutoa mbinu za viwango kwa changamoto za kawaida katika maendeleo ya maajenti wa AI. Zinaboresha upanaji, upatikana, na ufanisi katika kujenga mifumo ya AI.

Somo hili litashughulikia:

• Nini ni Mifumo ya Wakala wa AI na nini zinamwezesha mtengenezaji kufanikisha?
• Timu zinawezaje kutumia hizi kuunda prototipu kwa haraka, kurudia mchakato, na kuboresha uwezo wa maajenti yao?
• Ni tofauti gani kati ya mifumo na zana zilizotengenezwa na Microsoft (Azure AI Agent Service na Microsoft Agent Framework)?
• Je, ninaweza kuunganisha zana zangu zilizopo katika ekosistimu ya Azure moja kwa moja, au nahitaji suluhisho huru?
• Huduma ya Azure AI Agents ni nini na inaniwasaidiaje?

Malengo ya somo hili ni kukusaidia kuelewa:

• Nafasi ya Mifumo ya Wakala wa AI katika maendeleo ya AI.
• Jinsi ya kutumia Mifumo ya Wakala wa AI kujenga maajenti wenye akili.
• Uwezo muhimu unaowezeshwa na Mifumo ya Wakala wa AI.
• Tofauti kati ya Microsoft Agent Framework na Azure AI Agent Service.

Mifumo ya jadi ya AI inaweza kukusaidia kuingiza AI kwenye programu zako na kuifanya programu hizi kuwa bora kwa njia zifuatazo:

• Ubinafsishaji: AI inaweza kuchanganua tabia na mapendeleo ya mtumiaji ili kutoa mapendekezo, maudhui, na uzoefu uliobinafsishwa. Mfano: Huduma za ku-stream kama Netflix hutumia AI kupendekeza sinema na vipindi kulingana na historia ya kutazama, kuongeza ushiriki wa mtumiaji na kuridhika.
• Uautomation na Ufanisi: AI inaweza kuendesha kazi zinazojirudia, kurahisisha mitiririko ya kazi, na kuboresha ufanisi wa operesheni. Mfano: Programu za huduma kwa wateja hutumia chatbots zenye nguvu za AI kushughulikia maswali ya kawaida, kupunguza nyakati za majibu na kuwaruhusu maajenti wa kibinadamu kushughulikia masuala tata zaidi.
• Uboreshaji wa Uzoefu wa Mtumiaji: AI inaweza kuboresha uzoefu wa mtumiaji kwa ujumla kwa kutoa sifa za akili kama utambuzi wa sauti, usindikaji wa lugha asilia, na maandishi yanayotabiriwa. Mfano: Msaidizi wa mtandaoni kama Siri na Google Assistant hutumia AI kuelewa na kujibu amri za sauti, kufanya iwe rahisi kwa watumiaji kuwasiliana na vifaa vyao.

Mifumo ya wakala wa AI inawakilisha zaidi ya mifumo ya AI tu. Imepangwa kuwezesha uundaji wa maajenti wenye akili wanaoweza kuingiliana na watumiaji, maajenti wengine, na mazingira kwa lengo la kufikia malengo maalum. Maajenti hawa wanaweza kuonyesha tabia za kujitegemea, kufanya maamuzi, na kukabiliana na mabadiliko ya mazingira. Tuangalie baadhi ya uwezo muhimu unaowezeshwa na Mifumo ya Wakala wa AI:

• Ushirikiano na Uratibu wa Maajenti: Kuwezesha uundaji wa maajenti wengi wa AI ambao wanaweza kufanya kazi pamoja, kuwasiliana, na kuratibu kutatua kazi tata.
• Uautomation na Usimamizi wa Kazi: Kutoa mekanisimu za kuendesha mitiririko ya kazi ya hatua nyingi, mgawanyo wa kazi, na usimamizi wa kazi wenye mabadiliko kati ya maajenti.
• Uelewa wa Muktadha na Urekebishaji: Kuwapa maajenti uwezo wa kuelewa muktadha, kukabiliana na mabadiliko ya mazingira, na kufanya maamuzi kulingana na habari ya wakati halisi.

Kwa muhtasari, maajenti yanakuwezesha kufanya zaidi, kuchukua automatisering hadi kiwango kingine, na kuunda mifumo yenye akili zaidi inayoweza kuendana na kujifunza kutoka kwa mazingira yao.

Hii ni sekta inayobadilika kwa kasi, lakini kuna mambo kadhaa yanayofanana katika Mifumo mingi ya Wakala wa AI ambayo yanaweza kukusaidia kuunda prototipu kwa haraka na kurudia mchakato, yaani vipengele vya moduli, zana za ushirikiano, na kujifunza kwa wakati halisi. Hebu tuchambue hizi:

• Tumia Vipengele vya Moduli: SDKs za AI hutoa vipengele vilivyotengenezwa awali kama vile vingi vya AI na Kumbukumbu, kuwaita kazi kwa kutumia lugha asilia au programu-jalizi za msimbo, templeti za maombi, na zaidi.
• Tumia Zana za Ushirikiano: Tengeneza maajenti wenye majukumu na kazi maalum, kuwaruhusu kupima na kuboresha mitiririko ya kazi ya kushirikiana.
• Jifunze kwa Wakati Halisi: Tekeleza mzunguko wa mrejesho ambapo maajenti hujifunza kutokana na mwingiliano na kurekebisha tabia yao kwa ufanisi.

SDKs kama Microsoft Agent Framework hutoa vipengele vilivyotengenezwa awali kama vingi vya AI, ufafanuzi wa zana, na usimamizi wa maajenti.

Jinsi timu zinavyoweza kutumia hizi: Timu zinaweza kupanga vipengele hivi kwa haraka kuunda prototipu ya kazi bila kuanzia kutoka mwanzoni, kuruhusu majaribio ya haraka na kurudia mchakato.

Jinsi inavyofanya kazi kwa vitendo: Unaweza kutumia parsia iliyotengenezwa awali kutoa taarifa kutoka kwa pembejeo za mtumiaji, moduli ya kumbukumbu kuhifadhi na kufikia data, na kizalishaji cha maombi kuingiliana na watumiaji, yote bila kujenga vipengele hivi kutoka mwanzo.

Mfano wa msimbo. Tazama mfano wa jinsi unavyoweza kutumia Microsoft Agent Framework na AzureAIProjectAgentProvider ili mfano ujibu pembejeo za mtumiaji kwa kuitisha zana:

# Mfano wa Microsoft Agent Framework kwa Python

import asyncio
import os
from typing import Annotated

from agent_framework.azure import AzureAIProjectAgentProvider
from azure.identity import AzureCliCredential


# Tafsiri kazi ya mfano ya zana ya kuweka safari
def book_flight(date: str, location: str) -> str:
    """Book travel given location and date."""
    return f"Travel was booked to {location} on {date}"


async def main():
    provider = AzureAIProjectAgentProvider(credential=AzureCliCredential())
    agent = await provider.create_agent(
        name="travel_agent",
        instructions="Help the user book travel. Use the book_flight tool when ready.",
        tools=[book_flight],
    )

    response = await agent.run("I'd like to go to New York on January 1, 2025")
    print(response)
    # Mfano wa matokeo: Ndege yako kwenda New York Januari 1, 2025, imeandikwa kwa mafanikio. Safari njema! ✈️🗽


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

Unachoweza kuona kutoka kwa mfano huu ni jinsi unavyoweza kutumia parsia iliyotengenezwa awali kutoa taarifa muhimu kutoka kwa pembejeo za mtumiaji, kama asili, marudio, na tarehe ya ombi la tiketi ya ndege. Mbinu hii ya moduli inakuwezesha kuzingatia mantiki ya kiwango cha juu.

Mifumo kama Microsoft Agent Framework inarahisisha uundaji wa maajenti wengi wanaoweza kufanya kazi pamoja.

Jinsi timu zinavyoweza kutumia hizi: Timu zinaweza kubuni maajenti wenye majukumu na kazi maalum, kuwaruhusu kupima na kuboresha mitiririko ya kazi ya kushirikiana na kuboresha ufanisi wa mfumo kwa ujumla.

Jinsi inavyofanya kazi kwa vitendo: Unaweza kuunda timu ya maajenti ambapo kila wakala ana kazi maalum, kama utambulisho wa data, uchambuzi, au kufanya maamuzi. Maajenti hawa wanaweza kuwasiliana na kushirikiana habari ili kufikia lengo la pamoja, kama kujibu swali la mtumiaji au kukamilisha kazi.

Mfano wa msimbo (Microsoft Agent Framework):

# Kuunda mawakala wengi wanaofanya kazi pamoja kwa kutumia Mfumo wa Mwakala wa Microsoft

import os
from agent_framework.azure import AzureAIProjectAgentProvider
from azure.identity import AzureCliCredential

provider = AzureAIProjectAgentProvider(credential=AzureCliCredential())

# Wakala wa Kuwasilisha Data
agent_retrieve = await provider.create_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

# Wakala wa Uchambuzi wa Data
agent_analyze = await provider.create_agent(
    name="dataanalysis",
    instructions="Analyze the retrieved data and provide insights.",
    tools=[analyze_tool],
)

# Endesha mawakala kwa mfululizo kwenye kazi
retrieval_result = await agent_retrieve.run("Retrieve sales data for Q4")
analysis_result = await agent_analyze.run(f"Analyze this data: {retrieval_result}")
print(analysis_result)

Unachoona katika msimbo uliotangulia ni jinsi unavyoweza kuunda kazi inayohusisha maajenti wengi wanaofanya kazi pamoja kuchambua data. Kila wakala hufanya kazi maalum, na kazi inatekelezwa kwa kuratibu maajenti ili kufikia matokeo yanayotarajiwa. Kwa kuunda maajenti waliotengwa wenye majukumu maalum, unaweza kuboresha ufanisi na utendaji wa kazi.

Mifumo ya hali ya juu hutoa uwezo wa kuelewa muktadha kwa wakati halisi na urekebishaji.

Jinsi timu zinavyoweza kutumia hizi: Timu zinaweza kutekeleza mizunguko ya mrejesho ambapo maajenti hujifunza kutokana na mwingiliano na kurekebisha tabia zao kwa nguvu, ikileta uboreshaji endelevu na ukamilishaji wa uwezo.

Jinsi inavyofanya kazi kwa vitendo: Maajenti yanaweza kuchanganua mrejesho ya watumiaji, data za mazingira, na matokeo ya kazi ili kuongeza msingi wao wa maarifa, kurekebisha algoriti za kufanya maamuzi, na kuboresha utendaji kwa wakati. Mchakato huu wa kujifunza unaorudiwa unawawezesha maajenti kuendana na mabadiliko ya mazingira na mapendeleo ya watumiaji, ukiboresha ufanisi wa mfumo kwa ujumla.

Kuna njia nyingi za kulinganisha mbinu hizi, lakini hebu tuangalie baadhi ya tofauti muhimu kwa mtazamo wa muundo wao, uwezo, na matumizi yanayolengwa:

Microsoft Agent Framework hutoa SDK iliyorahisishwa kwa kujenga maajenti wa AI kutumia AzureAIProjectAgentProvider. Inawawezesha watengenezaji kuunda maajenti yanayotumia mifano ya Azure OpenAI na kuja na uwezo wa kuwaita zana, usimamizi wa mazungumzo, na usalama wa kiwango cha biashara kupitia utambulisho wa Azure.

Matumizi: Kujenga maajenti ya AI tayari kwa uzalishaji na matumizi ya zana, mitiririko ya kazi ya hatua nyingi, na matukio ya ujumuishaji wa biashara.

Hapa kuna baadhi ya dhana muhimu za msingi za Microsoft Agent Framework:

• Agents. Wakala huundwa kupitia AzureAIProjectAgentProvider na kusanifiwa kwa jina, maagizo, na zana. Wakala anaweza:

  • Kushughulikia ujumbe wa mtumiaji na kutoa majibu kwa kutumia mifano ya Azure OpenAI.
  • Kuitisha zana kwa moja kwa moja kulingana na muktadha wa mazungumzo.
  • Kudumisha hali ya mazungumzo katika mwingiliano mwingi.

  Hapa kuna kipande cha msimbo kinachoonyesha jinsi ya kuunda wakala:

  import os
  from agent_framework.azure import AzureAIProjectAgentProvider
  from azure.identity import AzureCliCredential
  
  provider = AzureAIProjectAgentProvider(credential=AzureCliCredential())
  agent = await provider.create_agent(
      name="my_agent",
      instructions="You are a helpful assistant.",
  )
  
  response = await agent.run("Hello, World!")
  print(response)
  

• Zana. Mfumo unaunga mkono kufafanua zana kama kazi za Python ambazo wakala anaweza kuitisha kwa moja kwa moja. Zana zinaandikishwa wakati wa kuunda wakala:

  def get_weather(location: str) -> str:
      """Get the current weather for a location."""
      return f"The weather in {location} is sunny, 72\u00b0F."
  
  agent = await provider.create_agent(
      name="weather_agent",
      instructions="Help users check the weather.",
      tools=[get_weather],
  )
  

• Uratibu wa Maajenti Wengi. Unaweza kuunda maajenti kadhaa wenye utaalamu tofauti na kuratibu kazi zao:

  planner = await provider.create_agent(
      name="planner",
      instructions="Break down complex tasks into steps.",
  )
  
  executor = await provider.create_agent(
      name="executor",
      instructions="Execute the planned steps using available tools.",
      tools=[execute_tool],
  )
  
  plan = await planner.run("Plan a trip to Paris")
  result = await executor.run(f"Execute this plan: {plan}")
  

• Ujumuishaji wa Utambulisho wa Azure. Mfumo unatumia AzureCliCredential (au DefaultAzureCredential) kwa uthibitishaji salama, usio wa kutegemea funguo, ikiondoa hitaji la kusimamia funguo za API moja kwa moja.

Azure AI Agent Service ni nyongeza ya hivi karibuni, iliyoambatanishwa katika Microsoft Ignite 2024. Inaruhusu maendeleo na uenezaji wa maajenti wa AI kwa kutumia mifano inayobadilika zaidi, kama kuwaita moja kwa moja LLMs za chanzo wazi kama Llama 3, Mistral, na Cohere.

Azure AI Agent Service inatoa mekanisimu za usalama wa biashara zilizoimarishwa na mbinu za uhifadhi wa data, na kufanya iwe inayofaa kwa programu za biashara.

Inafanya kazi bila usumbufu na Microsoft Agent Framework kwa ajili ya kujenga na kueneza maajenti.

Huduma hii kwa sasa iko katika Taarifa ya Umma (Public Preview) na inasaidia Python na C# kwa kujenga maajenti.

Kutumia SDK ya Python ya Azure AI Agent Service, tunaweza kuunda wakala wenye zana iliyotengenezwa na mtumiaji:

import asyncio
from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# Fafanua kazi za zana
def get_specials() -> str:
    """Provides a list of specials from the menu."""
    return """
    Special Soup: Clam Chowder
    Special Salad: Cobb Salad
    Special Drink: Chai Tea
    """

def get_item_price(menu_item: str) -> str:
    """Provides the price of the requested menu item."""
    return "$9.99"


async def main() -> None:
    credential = DefaultAzureCredential()
    project_client = AIProjectClient.from_connection_string(
        credential=credential,
        conn_str="your-connection-string",
    )

    agent = project_client.agents.create_agent(
        model="gpt-4o-mini",
        name="Host",
        instructions="Answer questions about the menu.",
        tools=[get_specials, get_item_price],
    )

    thread = project_client.agents.create_thread()

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

    for user_input in user_inputs:
        print(f"# User: '{user_input}'")
        message = project_client.agents.create_message(
            thread_id=thread.id,
            role="user",
            content=user_input,
        )
        run = project_client.agents.create_and_process_run(
            thread_id=thread.id, agent_id=agent.id
        )
        messages = project_client.agents.list_messages(thread_id=thread.id)
        print(f"# Agent: {messages.data[0].content[0].text.value}")


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

Azure AI Agent Service ina dhana kuu zifuatazo:

• Agent. Azure AI Agent Service inajiunganisha na Microsoft Foundry. Ndani ya AI Foundry, Wakala wa AI hufanya kazi kama microservice "mwerevu" ambayo inaweza kutumiwa kujibu maswali (RAG), kutekeleza vitendo, au kurahisisha kabisa mitiririko ya kazi. Inafikia hili kwa kuchanganya nguvu ya mifano ya kizazi ya AI pamoja na zana zinazomruhusu kupata na kuingiliana na vyanzo vya data vya ulimwengu halisi. Hapa kuna mfano wa wakala:

  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,
  )
  

  Katika mfano huu, wakala ameundwa na modeli gpt-4o-mini, jina my-agent, na maagizo You are helpful agent. Wakala amewezeshwa na zana na rasilimali za kutekeleza kazi za tafsiri ya msimbo.

• Thread na ujumbe. Thread ni dhana nyingine muhimu. Inawakilisha mazungumzo au mwingiliano kati ya wakala na mtumiaji. Threads zinaweza kutumika kufuatilia maendeleo ya mazungumzo, kuhifadhi habari za muktadha, na kusimamia hali ya mwingiliano. Hapa kuna mfano wa thread:

  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}")
  

  Katika msimbo uliotangulia, thread imeundwa. Baadaye, ujumbe umepelekwa kwenye thread. Kwa kuita create_and_process_run, wakala anaombwa kufanya kazi kwenye thread. Mwishowe, ujumbe hutawanywa na kuandikwa ili kuona jibu la wakala. Ujumbe unaonyesha maendeleo ya mazungumzo kati ya mtumiaji na wakala. Ni muhimu pia kuelewa kuwa ujumbe yanaweza kuwa ya aina tofauti kama maandishi, picha, au faili; yaani kazi za maajenti zimeresulta kwa mfano kwa picha au jibu la maandishi. Kama mtaalamu wa maendeleo, unaweza kisha kutumia taarifa hii ili kuchakata zaidi jibu au kuliwasilisha kwa mtumiaji.

• Inajiunganisha na Microsoft Agent Framework. Azure AI Agent Service inafanya kazi bila mshono na Microsoft Agent Framework, ambayo inamaanisha unaweza kujenga maajenti kwa kutumia AzureAIProjectAgentProvider na kuyaeneza kupitia Agent Service kwa matukio ya uzalishaji.

Matumizi: Azure AI Agent Service imeundwa kwa programu za biashara zinazohitaji utekelezaji wa maajenti wa AI wenye usalama, uwezo wa kupanuka, na unyumbulifu.

Inaonekana kuna mzingiro, lakini kuna baadhi ya tofauti muhimu kwa mtazamo wa muundo wao, uwezo, na matumizi yanayolengwa:

• Microsoft Agent Framework (MAF): Ni SDK tayari kwa uzalishaji kwa kujenga maajenti wa AI. Inatoa API iliyorahisishwa ya kuunda maajenti yenye kuwaita zana, usimamizi wa mazungumzo, na ujumuishaji wa utambulisho wa Azure.
• Azure AI Agent Service: Ni jukwaa na huduma ya uenezaji katika Azure Foundry kwa maajenti. Inatoa uunganishaji uliojengwa kwa huduma kama Azure OpenAI, Azure AI Search, Bing Search na utekelezaji wa msimbo.

Bado haujui ni ipi ya kuchagua?

Hebu tuone kama tunaweza kukusaidia kwa kupitia baadhi ya matukio ya kawaida:

Q: Ninaunda programu za uzalishaji za maajenti wa AI na nataka kuanza kwa haraka

A: Microsoft Agent Framework ni chaguo nzuri. Inatoa API rahisi, ya Pythonic kupitia AzureAIProjectAgentProvider inayokuruhusu kufafanua maajenti yenye zana na maagizo kwa mistari michache ya msimbo.

Q: Nahitaji uenezaji wa kiwango cha biashara na ujumuishaji wa Azure kama Search na utekelezaji wa msimbo

A: Azure AI Agent Service ndilo suluhisho bora. Ni huduma ya jukwaa inayotoa uwezo uliyojengewa kwa modeli nyingi, Azure AI Search, Bing Search na Azure Functions. Inafanya iwe rahisi kujenga maajenti yako katika Foundry Portal na kuwaeneza kwa wingi.

Q: Bado nimechanganyikiwa, niongee chaguo moja tu

A: Anza na Microsoft Agent Framework kujenga maajenti yako, kisha tumia Azure AI Agent Service unapo hitaji kuyaeneza na kuyapanua kwa uzalishaji. Mbinu hii inakuwezesha kurudia mchakato kwa haraka juu ya mantiki ya wakala wako huku ukipata njia wazi ya uenezaji wa biashara.

Hebu tufupishe tofauti kuu katika jedwali:

Mfumo	Lengo	Dhana Kuu	Matumizi
Microsoft Agent Framework	SDK iliyorahisishwa ya maajenti yenye kuwaita zana	Maajenti, Zana, Utambulisho wa Azure	Kujenga maajenti ya AI, matumizi ya zana, mitiririko ya kazi ya hatua nyingi
Azure AI Agent Service	Mifano inayobadilika, usalama wa kibiashara, Uundaji wa msimbo, Kuitisha zana	Uundaji wa vipengele, Ushirikiano, Uratibu wa mchakato	Utekelezaji wa maajenti ya AI salama, unaoweza kupanuka, na wenye ufanisi

Jibu ni ndiyo, unaweza kuunganisha zana zako za mfumo wa Azure zilizopo moja kwa moja na Azure AI Agent Service hasa, kwani imejengwa kufanya kazi bila mshono na huduma nyingine za Azure. Kwa mfano unaweza kuunganisha Bing, Azure AI Search, na Azure Functions. Pia kuna uunganishaji wa kina na Microsoft Foundry.

Microsoft Agent Framework pia unaunganisha na huduma za Azure kupitia AzureAIProjectAgentProvider na Azure identity, kukuruhusu kupiga huduma za Azure moja kwa moja kutoka kwa zana zako za wakala.

• Python: Agent Framework
• .NET: Agent Framework

Jiunge na Microsoft Foundry Discord kukutana na wanafunzi wengine, kuhudhuria saa za ofisi na kupata majibu kwa maswali yako kuhusu Wakala za AI.

• Azure Agent Service
• Microsoft Agent Framework - Azure OpenAI Responses
• Azure AI Agent service

Utangulizi kwa Wakala za AI na Matumizi ya Wakala

Kuelewa Mifumo ya Ubunifu ya Wakala

---

Taarifa ya kutokuwajibika: Nyaraka hii imetatwa kwa kutumia huduma ya tafsiri ya AI Co-op Translator. Ingawa tunajitahidi kuhakikisha usahihi, tafadhali fahamu kwamba tafsiri za kiotomatiki zinaweza kuwa na makosa au zisieleweke kwa usahihi. Nyaraka ya asili katika lugha yake ya asili inapaswa kuchukuliwa kama chanzo cha kuaminika. Kwa taarifa muhimu au nyeti, tunapendekeza kutumia tafsiri ya kitaalamu iliyofanywa na mtafsiri wa binadamu. Hatuwajibiki kwa uelewa mbaya au tafsiri potofu zitokanazo na matumizi ya tafsiri hii.