Шматагентны AI з AutoGen: агенты, групавы чат, чалавек у цыкле і план вывучэння
Як фрэймворк AutoGen ад Microsoft будуе шматагентныя сістэмы: агенты, групавы чат, чалавек у цыкле, інструменты, план вывучэння з дзесяці крокаў і тыповыя сцэнарыі.
Крыніцы: A Complete Guide to Multi-Agent AI Development with AutoGen
Праца з AI адаптуецца да не будзе прытаманна адзінаму чатботу, створанаму на адзінам модэлі. Команды зараз жадаюць сістэмы, якія можаць аналізаваць проблемы, вызываць інструменты, перадаваць задачы іншым агентам і выкананыць задачы, якія складаюцца з многа крокаў. Гэта спрыяе зростаючаму інтэрэсу да розработкі мнагаагентных сістэм, у якіх калькі спецыялізаваных AI-агентаў раздзеляюць адну мэту. AutoGen — адкрытыя фрэймворкі з Microsoft Research — ўваходзіць у чысло вядомых спосабоў стварэння такіх сістэм. Яго сутнасць заключаецца у тым, што вы ствараеце прыемлень з калькі агентаў, якія размовляюць адзін з іншым, пакуль задача не будзе выканана.
Калі AI-агенты будуць і даўэй развівацца да 2026 года, AutoGen ўціме значэнне для тых, хто стварае рабочыя працэсы, асістэнтов чы рашыць пытанні автаматызаціі ў падпрыемствах. Ніжэй: як ён працуе, што робяць яго галоўныя элементы (агенты, групавы чат, інструменты і затверджэнне чалавека), логічны парадак для ўчыцца і абмежэнні, якія вялікія, чы падходзіць ён для практычнага прыемлень.
Што такое AutoGen
AutoGen — гэта фрэймворк для стварэння агентаў і мнагаагентных сістэм на адной з базоў вялікіх мовных модэляў. Вы можэце задаць настраіваныя агенты, якія адмаўляюцца месажамі адзін з іншым, а таксама з людзьмі чыста з зовнішнімі інструментамі. Microsoft Research адкрыў яго, каб спрабаваць спроставаць стварэнне складных рабочых практык на адной з базоў вялікіх мовных модэляў. Уместо таго, каб усі завады пераклаціць у адну сістэму ІІ, вы задаеце спецыялізаваныя агенты і шаблоны іх взаімадзеяння.
Простая прыкладна програма можа включаць:
- агента для даследжэння, які збірае інфармацыю
- агента для дадзэйнаў, які яе аналізуе
- агента-распрацоўшчыка, які пішае код
- агента-рэвізора, які перакантролюе рэзультаты
- людзкага агента, які падпішае дакумент, калі трэба затверджэнне
Чаму гэта важна заўтра
Агентныя AI-сістэмы сталі важным напраменнем у працы з генератыўнымі AI. Арганізацыі хочуць не проста генераваныя адказы — яны жадаюць прыкладнікаў, якія плануюць, выкарыстоўваюць інструменты, саўместна працуюць з іншымі сістэмамі і падтрымліваюць бізнес-працэсы. Дызайн AutoGen сконцентраваны на саўместнай працы агентаў і оркестрацыі рабочых практык, таму ён безпасова падтрымлівае гэтыя вясковыя патрабаванні.
Праект таксама змяніў свой фармат. Версія v0.4 увела шаровы дызайн, які складаецца з ядровага шару, шару AgentChat і дадатковых расшырэнняў, прызначаных для падтрымкі прыкладнікаў, якія можаюць расшыруватыся і застаўацца стабільнымі. Ён таксама забезпечыў взаімадзейнасць між Python і .NET.
Існуе кальколь прычын, чаму людзі выбіраюць гэты падход. Ай-Ты з агентамі стае ўсё бол популярным, все больш команд прасіць пра прыкладнікі з кальколью агентамі, автаматызацыя на аднойчынных мовах продовжае распространяцца, працэвыклікі трэбуе коордынацыі, Ай-Ты павінен быць з’яўлены з інструментамі і API, падпрыемства заінтэрэсаваныя ў автаматызацыі, а практычныя навыкі інжынерыі генератыўнага Ай-Ты знаходзяцца у попытку.
Як гэта працюе
AutoGen спаўнае кальколь агентамі, якія вяршаюць абмен тэкстам, каб завершыць складную задачу. Разрабоцкі прызначаюць агентам разныя ролі, пасля чаго выбіраюць, як яны будуць взаімаўчыць, якія інструменты яны можаць вжываць і як прайходзіць інформацыя. Працэвыклік можа сумаваць аднойчынныя мовы, участку людзей і зовнішнія інструменты, каб планаваць, дзеяць і пераканацца ў рэзультатах, што падходзіць як для прыкладнікаў з кальколью агентамі, так і для автаматызаваных ланцоў.
Галоўныя элементы
Агенты. этыя ўтварэнні ёсць асновнымі елементамі. Кожны агент мае паведамленне, спосаб дзеяння і мету. Серэд распашчытых тыпаў — агенты-падрабнікі і агенты-праксі корыстувальця; ў ўладзенні агентаў включаецца налаштаванне спосабу дзеяння, кераванне памяцюю і кантэкстам, а таксама кераванне цыклам жыцця агента.
Комунікацыя між агентамі. Агенты разменяюць інформацыяю і коордынуюць задачы, што дазволяе ствараць саўместныя працэсы, пры якіх кожны віконвае аднуючуюся адпаведальнасць.
Групавы чат. Гэты патэрн дазволяе калькам агентаў браты удзел у спяльным працэсе, што ўжыткова, калі для рашэння проблемы патрэбны погляды калькоў спецыялістаў.
Участка чалавека. Не кожнае рашэнне павінна быць абсалютна автонамным. Людзі можаць пераглядаць або затверджваць адзінкавыя дзеянні, што ўсё болюць важліва ў корпаратыўных умовах, дзе важны тачнасць, безпека і бізнес-контралі.
Інструменты і API. Агенты стаюць набагато корыстнейшымі, калі можаць з’яўляцца ў зовнішніх сістэмах. Аплікацыі AutoGen можаць выкарыстоўваць вызывы функцый, API, базы дадзеных і іншыя інструменты.
Інтэграцыя з LLM. Аплікацыі падключаюцца да мовных модэляў і керуюць поведэннем агентаў праз налаштаванні модэляў і праектаванне запітоў.
Шлях самастойнага навучэння
Разумны маршрут ведае ад фундаменталай інфармацыі да готовага праекта прыблізна за дзесяць стадзій. Прадаўцы курсаў структуруюць своі курсы па адной і той жа схеме, хоць вы таксама можэце следаваць яму самі за дапамогою афіцыйной дакументацыі.
- Пазнайомства з фрэймворкам. Дазнаецеся, што такое агенты, багатаагентныя сістэмы і ўсё ўсё ў ўсіх аспектах, наладзіце срэду і пазнайоміцеся з экасістэмай і тыповымі спосабамі выкарыстоўвання.
- Адміністрацыя Python. Яго язык ўтварае аднойчыну основу для всьго, таму неабходна розглянуць віртуальныя сераўысы, вызыванне API, апрацоўку JSON, карэстацыю памылак і налагоджэнне.
- Работа з LLM-мі. Вівучыце, як паводзяцца мадэлі, наладзіце звязак з прадаўцамі, такімі як OpenAI і Azure OpenAI, настроюйце мадэлі, пішыце запіты, кераваце токенамі і сачыце за вітрамі.
- Стварэнне агентаў. Створыце агентаў-падрабнікіў і агентаў-паслявіснікаў для корыстувальнікаў, а таксама дакладна выявіце ўсі аспекты ўжыцця ў праце: ўжыцце памяці, кантэкст, жыцёвы цыкл.
- Саўместная праца. Практыкуйце абмены паведамленнямі між агентамі, групавыя чаты, планаванне задач, дэлегаванне, працэсы з удзелам людзя і саўместнае прыняцце рашэнняў.
- Інструменты і автаматызацыя. Дадаце вызыванне функцый, інтэграцыю з API, з’язакі з базамі дадзеных і зовнішніяінструменты.
- Развітая разработка. Перэйдзіце да стварэння індывідуальных агентаў, оркестрацыі, рабочых практык, керованых падзеямі, адзначэння стану і налагоджэння выканання.
- Адлагоджэнне бягу, манітарынг і безпека. Формавайце прычыны для логавання, назірання за выконанням агентаў, адрабаткі выключэнняя, безпекі і адпаведальнай штучнай інтэлігэнціі.
- Бізнес-застосункі. Прабавайце сэрвісы падтрымкі кліянтаў, апрацоўку дакументаў, дапамогу ў даследжэннях, разработку програмнага забавега і автаматызацыю процэсаў.
- Заключны праект. Заканчыце стварэнням і розробкай цэлага рашэння з кальколькі агентаў, тэставаннем іх, вымерам выканання і прыставленнем рэзультатаў.
Чаму кальколькі агентаў, а не адзін
AutoGen дазваляе разным агентам саўместна працаваць над складнымі задачамі. Уместо таго, каб паслужыцца аднім модэлем, вы ствараеце спецыялістаў для даследжэнняў, кодавання, аналізу, планавання чы рэвізіі і вяршыце рашэнне, як яны будуць вялічыцца. Рэзультатам яўляецца гнучкі рабочы працэс, які спалюе LLM-ы, зовнішнія інструменты і участку людзей для аўтаматызаціі процэсаў з многама крокамі.
Гэтая гнучкасць караецца пэўнымі наследкамі. Больш агентаў значыць больш вызоў, больш затрымкаў і больша колькасць момантамі неяксамоў, таму падзел павінен быць обгрунтаваны. Дэкомпазіцыя должна адпавядаць таму, як на самай працы фактычна дзейнае падзел.
Порэванне з традыцыянальной аўтаматызацыяй
Традыцыянальная аўтаматызацыя следуе заранее заданым правілам і фіксаваным прабегам. AutoGen дазваляе болей лягкі стыль, у якім агенты саўместна працуюць і рэагуюць на змянююцыяся трэбаванні.
| Традыцыянальная аўтаматызацыя | Аўтаматызацыя у стыле AutoGen |
|---|---|
| Рабочыя працэсы на адной правіле | Рабочыя практы на адміністрацыі агентаў |
| Фіксаваны працэс | Гнучка саўместнае працаванне |
| Абмежаная можлівасць прымэння рашэнняў | Расчытанне, падтрымванае LLM |
| Заўярэныя дзеянні | Дзеянні, выконваныя за дапамогою інструментаў |
| Зазвычай адна рабочая практыка | Калькі агентаў, якія працуюць разам |
| Менш адаптабельна | Больш адаптабельна |
| Удзел чалавека можа быць ручной | Можліва вбудованая пераглядка чалавеком |
Нічыя з гэтых аспектаў не робіць традыцыйную аўтаматызацыю застарэлай. У багатых компаніях найэфектывэйшыя рашэнні спалююць дэтэрміністычную аўтаматызацыю з агентамі AI.
Дзе яе выкарыстоўваюць
- Адказ на запыткі кліяў. Калькі агентаў можу класіфікацыяваць запыткі, запрашаць інфармацыю і прадраставляць адказы, пры чым чалавек-агент пераглядае чутлівыя кейсы прытым, прычым нічога не адправляецца.
- Разработка прыграмаў. Агенты можу дапамагаць у аналізе трэбаванняў, кодаванні, тэставанні, адлучэнні бягаў і пераглядзе коду.
- Дзеянні. Якіясць агенты збіраюць матэрыял, іншыя арганізуюць атрыбуты даследжэнняў, а ўсё іншае — готавяць структураваныя атласы.
- Аналіз дадзэнняў. Агенты обрабоцваюць наборы дадзэнняў, выяўляюць патэрны і ствараюць атласы, якія падходзяць для падтрымкі бізнес-трэбаванняў.
- Работа з дакументамі. Рабочыя практыкі выкарыстоўваюць дакументы, выдлічаюць з іх інфармацыю, ствараюць ўзагальненні і арганізуюць выходны матэрыял.
- Бізнес-практыкі. Павтаральныя операцыі, якія выклікаюць патрэбу ў калькulu і взаімадзеі на калькulu стадзіях, ідуць у пару з мульты-агентскімі раскладамі.
- Памяткі знанняў. Агенты можу дапамагаць людзям знаходзіць і обрабоцваць савецкія знанні арганізацыі з падключаных джэрэл.
Што вы атрымаеце, выучыўшы гэта
Праца з AutoGen развівае кальколька скарыяя навыкаў: праектаванне аплікацыяў з кальколька агентаў, кераванне агентамі, інтэграцыя LLM-аў, автаматызацыя складных рабочых процэсаў, работа з інструментамі і API, эфектывае выкарыстанне генератыўных AI-тэхналогій, стварэнне рэалістычных праектаў, прыменэнне падходаў з удзелам людзяў і стварэнне рашэнняў высокага рангу. Гэтыя навыкі таксама падходзяць для новых кар’ерных можлівасцей.
Для каго гэта падходзіць
Цэльвая аўдытарыя шырокая. Найбольша парадка з гэтага матуць інжынеры, якія працуюць над AI, ML чы генератыўнымі AI-тэхналогіямі, а таксама распрацоўшчыкі на Python і загальныя програмісты, спецыялісты з наукы пра даныях і інжынерыі даных, фахавцы з автаматызацыі і RPA, архітэктары рашэнняў, тэхнічныя кансалтанты, інжынеры хмарных тэхналогій і DevOps, дактаранты, команды інновацый і студэнты. Бізнес-спецыялісты, якія заінтэрэсаваныя ў автаматызацыі за дапамой AI, таксама можаць вучыцца гэтыяя концэпцыі.
Практычныя прыямылкі ўсё ж простыя: базавыя знанні Python і певная адукацыя ў галіні генератыўскага AI чы супермасаків. Знанне API і Git таксама дапамагае, але не ўсё так важліва.
Ролі, да якіх гэта можа прывесты
Навыкі у розработцы багатоагентных сістэм, інтэграцыі супермасакоў і автаматызацыі рабочых процэсаў ведуць да розных ролей, калі компаніі шукаюць способы вікорыстання агентоў для складных процэсаў:
- Распрацоўшчык AI-агентоў, які стварае і керуе інтэлігентнымі агентамі
- Інжынер генератыўскага AI, які стварае прылады на базе супермасакоў
- Распрацоўшчык багатоагентных сістэм, які праектуеяе сістэмы са співпрацуючымі агентамі
- Інжынер автаматызаціі AI, які автаматызуе бізнес-працэсы за дапамогою AI
- Архітэктар раўянняў AI, які праектуеяе масштабаваныя корпаратыўныя архітэктуры
Трэнды, якія варта сочыць
Агенты, керованыя запускамі. Сучасныя агентныя сістэмы пераходзяць да дызайнаў, керованых запускамі, якія рэагуюць на запускі і дынамічна выкананяюць задачы. Выпуск v0.4 заклала основу для такога падходу.
Разрабоцтва між мовамі. Той жа выпуск дазволіў агентам, напісаным на Python і .NET, взаімаўрабацаваць, пры чым працуе ўсё больш мов.
Дзеянне, адказванае чалавеку. Агенты ўсё чырэзвышэй ствараюцца так, каб працаваць разам з людзьмі, а не без надзору. Работа Microsoft над Magentic-UI адбіваецца ў тым жа напрамку.
Інструменты з мінімумам коду. AutoGen Studio стала інтэрфейсам з мінімумам коду для стварэння і дыбаггінгу робочых практык з удзелам калькі агентаў, які мае на мету зробіць розрабоцу болей доступной.
Управлінне. Калі агенты можаць выканаць больш дзеянняў, безпека, монітарынг, управлінне і чалавечы надзор стаюць ўсё важлівейшымі у працэсе выканання задач.
Куды рухаецца галузь
Развіцце AI працюе ў напрамку сістэм, якія выканаюць задачы, а не толькі генеруюць адказы. Архітэктуры з удзелам калькі агентаў падтрымліваюць гэта, дзеліўшы большыя цялевыя задачы на спецыялізаваныя обавязкі. Стрэмленне AutoGen да расшыруемасці, структуры, заснованай на здарэннях, міжмовнай взаімадзейнасці і інструментаў для агентаў паказвае, куды працюе гэты фрэймворк.
Адзьменаванне хорашых агентаў выклікае больш, чым проста скасаванне автонамных складовых. Распрацоўшчыкі таксама павінны розумець аспекты безпекі, ацэнкі, стазірання, кантролю віток, людскага нагляду і адпаведальнай практыкі. Людзі, які спалююць AutoGen з моцнымі навыкамі Python, LLM, API і загальнай інжынерыі AI, маюць большыя шансы стварыць агентныя прыкладнікі, якія функцыонуюць у практыцы.
Узагальненне
AutoGen адказвае практычным спосабам для разработкі працэйных агентаў і автаматызаціі інтэлігентных рабочых практык. Ён дазваляе ствараць настраіваемыя агенты, якія можаць вяліць кантакты, саўместна працаваць, выкарыстоўваць інструменты і спрацоўваць з людзьмі над складнымі задачамі. Ад інтэграціі агентаў з LLM да перадачы паведамленняў між агентамі, з’яўленняя API, автаматызаціі, адлучэння бягаў, абеспекі і прыкладаў выкарыстоўвання ў корпаратыўных умовах, навыкі, якія ў цэм участвуюць, прыменяюцца у шырокам дыяпазоне сучасных праектаў з штучнага інтэлекту. Калі організацыі продовжаюць доследжваць агентаў, умэнне праектаваціі і кантролю саўместных сістэм штучнага інтэлекту можа стаць справжнім прафесійным прынтэлектам.
Супаўязаныя матэрыялы
- Як сабагенты і сістэмы з многімі агентамі дзеляць працу і каштовныя токены: проста адказа пра сабагенты проты сістэм з многімі агентамі, дызайн оркестратора-рабочага, чатыры топалогіі, каштоўнасць токенав і калі адны агент ёсць лепшым выборам.
- Пяць слоёў агентскага харнесу, з кодам, які не можа працаваць без іх: практычны апіс пяці месцаў, дзе агентскі харнес выкананае правілы ў кодзе, ад меж выканання да кантэкстных пайплайнаў, і што можа, а што не можа падтвердзіць адпаведная дакладнасць.