Delen via


Semantisch Kernel Agent Framework

Belangrijk

Functies van één agent, zoals ChatCompletionAgent en OpenAIAssistantAgent, bevinden zich in de fase van de releasekandidaatversie. Deze functies zijn bijna volledig en over het algemeen stabiel, hoewel ze kleine verfijningen of optimalisaties kunnen ondergaan voordat ze volledige algemene beschikbaarheid bereiken. Chatpatronen van agents bevinden zich echter nog steeds in de experimentele fase. Deze patronen zijn in actieve ontwikkeling en kunnen aanzienlijk veranderen voordat ze naar de preview- of releasekandidaatfase gaan.

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?

alternatieve tekst alternatieve tekst alternatieve tekst alternatieve tekst

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. De 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.

  • Mens-agent samenwerking: Mens-in-de-lus interacties stellen agenten in staat om samen met mensen te werken om besluitvormingsprocessen te versterken. 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 installeer ik het 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 er verschillende NuGet-pakketten beschikbaar.

Opmerking: de core Semantic Kernel SDK is vereist naast de agentpakketten.

Pakket Beschrijving
Microsoft.SemanticKernel Dit bevat de kernbibliotheken Semantische kernel om aan de slag te gaan met de Agent Framework. Hier moet expliciet naar worden verwezen door uw toepassing.
Microsoft.SemanticKernel.Agents.Abstractions Definieert de kernagentabstracties voor de Agent Framework. Over het algemeen hoeft niet te worden gespecificeerd, omdat het zowel in het Microsoft.SemanticKernel.Agents.Core-pakket als het Microsoft.SemanticKernel.Agents.OpenAI-pakket is opgenomen.
Microsoft.SemanticKernel.Agents.Core Inclusief de ChatCompletionAgent en AgentGroupChat klassen.
Microsoft.SemanticKernel.Agents.OpenAI Biedt de mogelijkheid om de OpenAI Assistant-API te gebruiken via de OpenAIAssistantAgent.
Module Beschrijving
semantic-kernel.agents Dit is de Semantic Kernel-bibliotheek om te beginnen met de Agent Framework. Hier moet expliciet naar worden verwezen door uw toepassing. Deze module bevat de ChatCompletionAgent- en AgentGroupChat klassen, evenals de mogelijkheid om de OpenAI Assistant-API te gebruiken via de OpenAIAssistantAgent of AzureOpenAssistant.

Agents zijn momenteel niet beschikbaar in Java.