Kerangka Kerja Agen Kernel Semantik
Penting
Fitur agen tunggal, seperti ChatCompletionAgent dan OpenAIAssistantAgent, berada dalam tahap kandidat rilis. Fitur-fitur ini hampir lengkap dan umumnya stabil, meskipun mungkin mengalami penyempurnaan atau pengoptimalan kecil sebelum mencapai ketersediaan umum penuh. Namun, pola obrolan agen masih dalam tahap eksperimental. Pola-pola ini sedang dalam pengembangan aktif dan dapat berubah secara signifikan sebelum maju ke tahap pratinjau atau kandidat rilis.
Semantic Kernel Agent Framework menyediakan platform dalam sistem lingkungan Kernel Semantik yang memungkinkan pembuatan agen AI dan kemampuan untuk menggabungkan pola agenik ke dalam aplikasi apa pun berdasarkan pola dan fitur yang sama yang ada dalam kerangka kerja Semantic Kernel inti.
Apa itu agen AI?
Agen AI adalah entitas perangkat lunak yang dirancang untuk melakukan tugas secara otonom atau semi-otonom dengan menerima input, memproses informasi, dan mengambil tindakan untuk mencapai tujuan tertentu.
Agen dapat mengirim dan menerima pesan, menghasilkan respons menggunakan kombinasi model, alat, input manusia, atau komponen lain yang dapat disesuaikan.
Agen dirancang untuk bekerja secara kolaboratif, memungkinkan alur kerja yang kompleks dengan berinteraksi satu sama lain.
Agent Framework
memungkinkan pembuatan agen sederhana dan canggih, meningkatkan modularitas dan kemudahan pemeliharaan
Masalah apa yang dipecahkan agen AI?
Agen AI menawarkan beberapa keuntungan untuk pengembangan aplikasi, terutama dengan mengaktifkan pembuatan komponen AI modular yang dapat berkolaborasi untuk mengurangi intervensi manual dalam tugas yang kompleks. Agen AI dapat beroperasi secara otonom atau semi-otonom, menjadikannya alat canggih untuk berbagai aplikasi.
Beberapa manfaat utamanya antara lain:
Komponen Modular: Memungkinkan pengembang menentukan berbagai jenis agen untuk tugas tertentu (misalnya, pengikisan data, interaksi API, atau pemrosesan bahasa alami). Ini membuatnya lebih mudah untuk menyesuaikan aplikasi saat persyaratan berkembang atau teknologi baru muncul.
Kolaborasi: Beberapa agen dapat "berkolaborasi" pada tugas. Misalnya, satu agen mungkin menangani pengumpulan data sementara yang lain menganalisisnya dan yang lain menggunakan hasilnya untuk membuat keputusan, menciptakan sistem yang lebih canggih dengan kecerdasan terdistribusi.
Kolaborasi Manusia-Agen: Interaksi manusia-dalam-siklus memungkinkan agen untuk bekerja bersama manusia untuk memperkuat proses pengambilan keputusan. Misalnya, agen mungkin menyiapkan analisis data yang dapat ditinjau dan disempurnakan manusia, sehingga meningkatkan produktivitas.
Orkestrasi Proses: Agen dapat mengoordinasikan berbagai tugas di seluruh sistem, alat, dan API, membantu mengotomatiskan proses end-to-end seperti penyebaran aplikasi, orkestrasi cloud, atau bahkan proses kreatif seperti penulisan dan desain.
Kapan menggunakan agen AI?
Menggunakan kerangka kerja agen untuk pengembangan aplikasi memberikan keuntungan yang sangat bermanfaat untuk jenis aplikasi tertentu. Meskipun model AI tradisional sering digunakan sebagai alat untuk melakukan tugas tertentu (misalnya, klasifikasi, prediksi, atau pengenalan), agen memperkenalkan lebih banyak otonomi, fleksibilitas, dan interaktivitas ke dalam proses pengembangan.
Otonomi dan Pengambilan Keputusan: Jika aplikasi Anda memerlukan entitas yang dapat membuat keputusan independen dan beradaptasi dengan perubahan kondisi (misalnya, sistem robotik, kendaraan otonom, lingkungan cerdas), kerangka kerja agen lebih disukai.
Kolaborasi Multi-Agen: Jika aplikasi Anda melibatkan sistem kompleks yang memerlukan beberapa komponen independen untuk bekerja sama (misalnya, manajemen rantai pasokan, komputasi terdistribusi, atau robotika kawanan), agen menyediakan mekanisme bawaan untuk koordinasi dan komunikasi.
Interaktif dan Berorientasi Tujuan: Jika aplikasi Anda melibatkan perilaku berbasis tujuan (misalnya, menyelesaikan tugas secara otonom atau berinteraksi dengan pengguna untuk mencapai tujuan tertentu), kerangka kerja berbasis agen adalah pilihan yang lebih baik. Contohnya termasuk asisten virtual, game AI, dan perencana tugas.
Bagaimana cara menginstal Semantic Kernel Agent Framework?
Menginstal Agent Framework SDK khusus untuk saluran distribusi yang terkait dengan bahasa pemrograman Anda.
Untuk .NET SDK, tersedia beberapa paket NuGet.
Catatan: Inti Semantic Kernel SDK diperlukan selain paket agen apa pun.
Paket | Deskripsi |
---|---|
Microsoft.SemanticKernel | Ini berisi pustaka Kernel Semantik inti untuk memulai dengan Agent Framework . Ini harus dirujuk secara eksplisit oleh aplikasi Anda. |
Microsoft.SemanticKernel.Agents.Abstractions | Menentukan abstraksi agen inti untuk Agent Framework . Umumnya tidak perlu ditentukan karena sudah termasuk dalam paket Microsoft.SemanticKernel.Agents.Core dan Microsoft.SemanticKernel.Agents.OpenAI . |
Microsoft.SemanticKernel.Agents.Core | Termasuk kelas ChatCompletionAgent dan AgentGroupChat . |
Microsoft.SemanticKernel.Agents.OpenAI | Menyediakan kemampuan untuk menggunakan OpenAI Assistant API melalui OpenAIAssistantAgent . |
Modul | Deskripsi |
---|---|
semantic-kernel.agents | Ini adalah pustaka Kernel Semantik untuk memulai menggunakan Agent Framework . Ini harus dirujuk secara eksplisit oleh aplikasi Anda. Modul ini berisi kelas ChatCompletionAgent dan AgentGroupChat , serta kemampuan untuk menggunakan OpenAI Assistant API melalui OpenAIAssistantAgent atau AzureOpenAssistant . |
Agen saat ini tidak tersedia di Java.