Zrozumienie agentów AI: cele, narzędzia, pamięć oraz pętla działania agenta
Przystępne dla początkujących wyjaśnienie różnic między agentami AI a chatbotami, obejmujące podstawowe komponenty, pętlę decyzyjną, poziomy autonomii oraz praktyczne zastosowania w rzeczywistym świecie.
Załóżmy, że masz do dyspozycji asystenta AI.
Dajesz mu następujące polecenie:
">Znajdź pięć najnowszych artykułów na temat AI agentów i przygotuj krótkie porównanie."
Typowy chatbot prawdopodobnie wyjaśniłby, jak przeprowadzić takie poszukiwania, albo wymienił kilka tytułów, o których już wie.
A teraz wyobraźmy sobie coś innego: system zdolny faktycznie wykonać to zadanie od początku do końca.
Taki system mógłby:
Zrozumieć cel → Poszukać artykułów → Przejrzeć wyniki → Wybrać te istotne → Wyciągnąć kluczowe informacje → Porównać je → Stworzyć raport
Taki system to właśnie to, co ludzie zazwyczaj nazywają agentem AI.
Agenci AI stanowią sedno tak zwanego Agentic AI. Zanim przejdziemy do frameworków takich jak LangGraph, CrewAI czy AutoGen, przydatne jest najpierw zrozumienie, czym właściwie jest agent.
Zbudujmy to od podstaw.
Czym jest agent AI?
Mówiąc prościej, agent AI to system zdolny do przyjmowania informacji, podejmowania decyzji, wykorzystywania narzędzi do realizacji tych decyzji oraz dążenia do określonego celu.
Innymi słowy:
Agent AI wykracza poza prostą odpowiadanie na pytania. Określa, co powinno się stać dalej, a następnie działa w tym kierunku, aby wykonać zadanie.
Bazowy proces pracy agenta mógłby być przedstawiony jako:
Cel → Zrozumienie → Wybór → Działanie → Sprawdzenie wyników → Kontynuacja → Przekazanie rezultatu
Jako przykład wyobraźmy sobie taką prośbę:
"Znajdź kurs Pythona odpowiedni dla początkujących."
Z odpowiednimi narzędziami agent może:
- Rozpoznać, że celem jest nauka Pythona.
- Zadać dodatkowe pytania, jeśli brakuje kluczowych informacji.
- Przejrzeć dostępne kursy.
- Zebrać istotne dane na temat każdego z nich.
- Wziąć pod uwagę poziom trudności, czas trwania, koszt i treść.
- Zredukować wybór do najbardziej odpowiednich opcji.
- Przedstawić ostateczną rekomendację.
Zamiast generować jedną odpowiedź na jeden zapytanie, agent wykonywa serię kroków.
Prosty sposób na zrozumienie agentów AI
Rozważmy, jak asystent ludzki podszedłby do wykonania zadania.
Załóżmy, że asystent otrzymuje takie polecenie:
"Proszę zorganizować spotkanie z zespołem projektowym w przyszłym tygodniu."
Assystent nie odpowie po prostu:
"Oczywiście."
Zamiast tego musi przejść przez kilka kroków.
Mogłoby to wyglądać tak:
Spójrz na kalendarz
↓
Zidentyfikuj dostępne interwały czasowe
↓
Potwierdź, kiedy uczestnicy są wolni
↓
Wybierz odpowiedni interwał
↓
Ustal warunki spotkania
↓
Wyślij zaproszenia
Agent AI działa według podobnej zasady. Różnica polega na tym, że jego kroki są wykonywane za pomocą narzędzi programistycznych, API, baz danych, aplikacji oraz innych systemów cyfrowych, a nie ręcznie.
Agent AI vs zwykły chatbot
Różnica ta ma duże znaczenie, jeśli jesteś początkujący w tym temacie.
Chatbot istnieje głównie po to, by prowadzić rozmowę.
Agent AI istnieje po to, by wykonywać zadania w celu osiągnięcia celu.
Oto porównanie, które to uściśla.
Zwykły chatbot
Załóżmy, że pytanie brzmi:
"Jaki jest najlepszy sposób na analizę tego pliku CSV?"
Chatbot mógłby przejść przez następujące kroki:
- Ładowanie zestawu danych
- Oczyszczanie go
- Wybór odpowiednich bibliotek Pythona
- Tworzenie właściwych wizualizacji
Następnie osoba zadająca pytanie musiałaby sama wykonać każdy z tych kroków.
Agent AI
Jeśli agent ma dostęp zarówno do Pythona, jak i samego pliku, instrukcja mogłaby brzmieć inaczej:
">Przeprowadź analizę tego zestawu danych i zidentyfikuj najważniejsze wzorce."
Agent mógłby wtedy:
Ładować plik CSV
→ Przejrzeć kolumny
→ Znaleźć brakujące wartości
→ Oczyścić dane
→ Prowadź analizę
→ Twórz wizualizacje
→ Interpretuj wyniki
→ Sporządzaj raport
Tutaj agent odgrywa aktywną rolę w wykonywaniu pracy, a nie tylko tłumaczy, jak to się robi.
Główne komponenty agenta AI
Mimo że agenci AI mogą stać się dość złożone, większość z nich można rozbić na kilka podstawowych elementów składowych.
1. Cel
Każdy agent zaczyna od celu.
Cel określa, co agent ma osiągnąć.
Naprzимер:
">Znajdź pięć najnowszych artykułów na temat Retrieval-Augmented Generation i podsumuj, w jaki sposób każdy z nich podejmuje ten problem."
Jasny cel daje agentowi coś, do czego może dążyć.
Stamtąd może określić, które działania przybliżą je do tego rezultatu.
2. Model AI
Większość współczesnych agentów opiera się na modelu dużego języka (LLM) jako kluczowym elementzie do rozumowania i interpretacji języka.
Model ten pomaga agentowi ustalić:
- Co prosi o użytkownik
- Jakie informacje są już dostępne
- Które informacje wciąż brakuje
- Które działanie może pomóc
- Jaki narzędzie należy wykorzystać
- Jak zinterpretować wyniki pośrednie
- Czy potrzebny jest dodatkowy krok
Można traktować ten model jako rdzeń mechanizmu podejmowania decyzji agenta.
Niemniej jednak sam model LLM nie tworzy kompletnego agenta.
Zazwyczaj model łączy się z kilkoma innymi komponentami, aby utworzyć pełny system.
3. Narzędzia
Narzędzia dają agencie możliwość wyjścia poza model językowy i interakcji ze światem zewnętrznym.
Agenca może być wyposażona w narzędzia do takich zadań jak:
- Szukanie w internecie
- Czytanie plików
- Zapytywanie baz danych
- Wykonywanie kodu w Pythonie
- Wzywanie zewnętrznych API
- Szukanie w bazie danych wektorowej
- Opracowywanie e-maili
- Pobieranie dokumentów
Załóżmy, że agencie zostanie postawione pytanie:
">Jaka jest dziś pogoda?"
Zamiast polegać na przestarzałych danych treningowych, agencja połączona z API pogodowym może uzyskać informacje w czasie rzeczywistym.
Przepływ działań wyglądałby mniej więcej tak:
Pytanie
↓
Agenca rozpoznaje potrzebę aktualnych danych
↓
Wybiera narzędzie do sprawdzania pogody
↓
Narzędzie wysyła wynik
↓
Procesowanie wyników przez agenta
↓
Ostateczna odpowiedź
Zdolność do korzystania z narzędzi to jeden z głównych powodów tak wielkiej skuteczności agentów sztucznej inteligencji.
4. Pamięć
Pamięć umożliwia agentowi przechowywanie przydatnych informacji na dłużej.
Wyobraź sobie tutora sztucznej inteligencji, który pomaga ci uczyć się programowania.
Wspominasz:
"Uczę się Pythona i już omówiłem zmienne, pętle oraz funkcje."
Później pytasz:
"Z czym powinienem zacząć dalej?"
Jeśli system może przechowywać i przywoływać ten wcześniejszy kontekst, nie będzie musiał zaczynać rozmowy od nowa.
Różni agenci radzą sobie z pamięcią na różne sposoby.
Ogólnie można ją podzielić na:
Pamięć krótkoterminową — informacje związane z bieżącym zadaniem lub rozmową.
Pamięć długoterminowa — informacje przechowywane w celu użycia w przyszłych sesjach.
Może być tworzona za pomocą baz danych, stanu sesji, magazynów wektorowych lub różnych innych metod przechowywania.
5. Planowanie
Nie każde zadanie można wykonać w jednym kroku.
Załóżmy, że zadasz agencie pytanie:
">Zbadaj najlepsze biblioteki sztucznej inteligencji dla początkujących i przygotuj porównanie."
Agenca może podzielić to zadanie na serię mniejszych podzadań.
Prawdopodobny plan
Krok 1: Zidentyfikuj zestaw popularnych bibliotek ML.
Krok 2: Zbierz wiarygodne informacje na temat każdej z nich.
Krok 3: Porównaj stopień trudności używania każdej z nich oraz to, do czego są najbardziej przydatne.
Krok 4: Porównaj jakość dokumentacji oraz otaczający je ekosystem.
Krok 5: Określ, które opcje są najlepsze dla początkujących.
Krok 6: Stwórz ostateczne porównanie.
To proces analizy nazywany jest planowaniem.
Nie każdy agent wymaga zaawansowanego planu, ale im bardziej złożone staje się zadanie, tym cenniejsze staje się planowanie.
6. Działania
Działanie to konkretny krok, który podejmuje agent.
Naprzykład:
Szukanie w internecie
jest uważane za działanie.
Wykonywanie kodu w Pythonie
jest uważane za działanie.
Pobieranie dokumentu
jest uważane za działanie.
Rozpoczynanie zapytania do bazy danych
jest uważane za działanie.
Wywoływanie API
jest uważane za działanie.
Zazwyczaj model decyduje, które działanie ma sens, podczas gdy odpowiedni narzędzie je faktycznie wykonuje.
7. Obserwacja
Gdy akcja zostanie wykonana, agent otrzymuje jakiś wynik w zamian.
To właśnie ten wynik nazywamy obserwacją.
Oto ilustracja:
Decyzja agenta: Poszukać najnowszych artykułów na temat sztucznej inteligencji agentowej.
↓
Akcja: Uruchamiana jest narzędzie wyszukiwania.
↓
Obserwacja: Otrzymywane są te wyniki.
Następnie agent musi przejrzeć to, co otrzymał.
Może dojść do wniosku:
"Trzy z tych wyników nie są istotne, dwa są przestarzałe, a pięć wydaje się obiecujące."
Ten wniosek kształtuje decyzję agenta co do dalszych działań.
Pętla agenta sztucznej inteligencji
Gdy wszystkie te elementy są już na swoim miejscu, możemy stworzyć pełny obraz sytuacji.
Skrócona wersja pętli agenta wygląda tak:
Cel
↓
Zrozumieć
↓
Planowanie / Decydowanie
↓
Wybór narzędzia
↓
Działanie
↓
Obserwacja wyniku
↓
Ocena
↓
Kontynuacja lub zakończenie
Ten cykl może odbyć się tylko raz lub powtórzyć się wiele razy.
Jako przykład:
Szukanie
↓
Wyniki nie są wystarczająco dobre.
↓
Szukanie ponownie
↓
Otrzymuje się lepsze wyniki.
↓
Czytanie dokumentów
↓
Wyodrębnia się kluczowe informacje.
↓
Porównywanie wyników
↓
Tworzenie ostatecznej odpowiedzi
To ciągłe przechodzenie między decydowaniem, działaniem i obserwowaniem jest charakterystyczną cechą wielu systemów opartych na agentach.
Praktyczny przykład: Agent badawczy
Załóżmy, że budujemy agenta AI, którego zadaniem jest badanie.
Zadanie, które mu zostaje powierzone, to:
„Znajdź najnowsze artykuły badawcze na temat odpowiadania na pytania w językach o ograniczonych zasobach.”
Pierwszym krokiem agenta może być wybranie odpowiednich słów kluczowych do wyszukiwania.
Następnie:
Krok 1 — Wyszukiwanie
Agent korzysta z narzędzia do wyszukiwania w środowisku akademickim.
Krok 2 — Obserwacja
Jako wyniki pojawia się dwadzieścia artykułów.
Agent zauważa, że nie wszystkie z nich są przydatne.
Krok 3 — Filtrowanie
Agent zawęża listę do artykułów, które konkretnie dotyczą języków o ograniczonych zasobach oraz odpowiadania na pytania.
Krok 4 — Czytanie
Agent wyodrębnia szczegóły z artykułów, które zachował.
Krok 5 — Analiza
Identyfikuje takie elementy jak:
- Zbiór danych
- Język
- Model
- Metodologia
- Metryki oceny
- Wyniki
- Ograniczenia
Krok 6 — Porównywanie
Agent porównuje wybrane artykuły między sobą.
Krok 7 — Tworzenie wyniku
Ostatecznie tworzy ustrukturyzowaną przegląd literatury.
Należy zauważyć, że to znacznie wykracza poza prosty schemat:
Pytanie → Odpowiedź
Zamiast tego wygląda to tak:
Cel → Wielokrotne decyzje → Wielokrotne działania → Ostateczny rezultat
Agenty AI mogą korzystać z wielu narzędzi
Zdolny agent często ma do dyspozycji więcej niż jedno narzędzie.
Weźmy na przykład agenta badawczego, który może mieć dostęp do:
Narzędzie wyszukiwania
Znajduje artykuły badawcze.
Czytnik PDF
Czyta artykuły.
Baza danych
Zachowuje wydobyte informacje.
Python
Analizuje wyniki.
LLM
Tłumaczy i podsumowuje to, co zostało znalezione.
Ważne jest tutaj to, że agent nie musi koniecznie korzystać z każdego narzędzia, jakie ma do dyspozycji.
Zamiast tego musi ustalić, które narzędzie pasuje do danej sytuacji.
To prowadzi do innego sposobu określenia, czym jest agent:
Agent sztucznej inteligencji łączy inteligencję z możliwością działania w określonym środowisku.
Czym jest środowisko?
Pojęcie środowiska obejmuje wszystko, z czym agent może wchodzić w interakcję.
Na przykład agent oparty na oprogramowaniu może pracować z takimi elementami jak wyszukiwarki, pliki, aplikacje, bazy danych, inne agenty, API, użytkownicy i strony internetowe.
Agent pozyskuje informacje z tego środowiska i działa w ramach ustalonych dla niego ograniczeń.
Prosty schemat tego wygląda następująco:
Środowisko
↓
Obserwacja
↓
Agent
↓
Decyzja
↓
Działanie
↓
Środowisko
I cykl powtarza się od nowa.
Czy agenci AI są autonomiczni?
Autonomia to nie pojedyncza, stała cecha — agenci mogą mieć ją mniej lub więcej.
Część agentów działa tylko wtedy, gdy użytkownik na to pozwoli.
Inne potrafią samodzielnie wykonać kilka kroków.
Naprzимер:
Niska autonomia
Zanim cokolwiek zrobi, AI najpierw pyta:
">Znalazłem te trzy pliki. Czy powinienem je przeanalizować?"
Nic się nie dzieje, dopóki osoba korzystająca z niego nie da wyraźnej zgody.
W tym trybie agent samodzielnie wykonuje całą sekwencję:
Znajduje pliki → Czyta pliki → Analizuje je → Tworzy raport
W trakcie nie ma przerwy na potwierdzenie.
Ani jeden z tych podejść nie jest bezwzględnie lepszy we wszystkich sytuacjach.
Wybór odpowiedniego stopnia niezależności zależy od takich czynników jak charakter zadania, potencjalne wady, dostępne uprawnienia oraz to, jak poważny byłby błąd w przypadku jego wystąpienia.
Gdy stawkę stanowi coś ważnego, zazwyczaj warto trzymać osobę w biegu przed wykonaniem jakichkolwiek krytycznych działań.
Agent AI vs Agentic AI
Ludzie często używają tych dwóch terminów, jakby były identyczne, ale istnieje między nimi znacząca różnica.
Agent AI
Agent AI to pojedynczy, samodzielny system zaprojektowany do postrzegania swojej sytuacji, podejmowania decyzji i działania w celu osiągnięcia określonego celu.
Agentic AI
Sztuczna inteligencja agentowa to ogólny pojęcie obejmujące projektowanie systemów wokół celów, planowania strategicznego, wykorzystania zewnętrznych narzędzi, podejmowania działań, uczenia się na podstawie informacji zwrotnych oraz czasami jednoczesnej koordynacji wielu agentów.
Oto zwięzły sposób na to spojrzenie:
Traktuj agenty sztucznej inteligencji jako poszczególne elementy, natomiast sztuczna inteligencja agentowa to całościowa filozofia łącząca je ze sobą.
Systemy jednoagentowe
Architektura jednoagentowa polega na tym, że jeden centralny agent samodzielnie zarządza całym zadaniem.
Oto ilustracja:
Agent do analizy danych
Otrzymanie zestawu danych
↓
Inspekcja danych
↓
Oczyszczenie danych
↓
Analiza danych
↓
Stworzenie wykresów
↓
Stworzenie raportu
Jeden agent nadzoruje cały proces od początku do końca.
Początkujący często odnoszą korzyści, zaczynając właśnie tutaj, ponieważ jeden agent jest o wiele prostszy w śledzeniu, weryfikacji i naprawianiu w przypadku problemów.
Systemy wielu agentów
Są sytuacje, gdy rozbicie dużego zadania na mniejsze części, z którymi zajmuje się oddzielny specjalistyczny agent, ma większy sens.
Wyobraź sobie proces rekrutacyjny zorganizowany w ten sposób:
Agent CV
Wyodrębnia kluczowe dane z przesłanych CV.
↓
Agent filtrowania
Sprawdza, czy kandydaci spełniają podstawowe wymagania.
↓
Agent dopasowywania umiejętności
Porównuje umiejętności kandydatów z wymaganiami stanowiska.
↓
Agent przeprowadzania rozmów
Tworzy pytania do zadawania podczas rozmowy kwalifikacyjnej.
↓
Agent opracowywania podsumowania
Tworzy ostateczny raport na temat każdego kandydata.
Zamiast polegać na jednym uniwersalnym agencie, kilka dedykowanych agentów każdy wnosi swój wkład i współpracuje ze sobą w celu osiągnięcia ostatecznego rezultatu.
Ten wzorzec projektowy nazywany jest systemem wieloagentowym.
Takie systemy mogą być naprawdę przydatne, chociaż dodają również warstwę złożoności, której nie należy lekceważyć.
Dla tych, którzy dopiero poznają ten obszar, opanowanie sposobu działania pojedynczego agenta jest znacznie łatwiejszym punktem wyjścia.
Czy agenci AI zawsze potrzebują RAG?
Wcale nie — to błędne przekonanie, które warto wyjaśnić.
Agent AI i RAG to dwa odrębne pojęcia.
Retrieval-Augmented Generation daje modelowi językowemu możliwość pobierania informacji z zewnątrz przed sformułowaniem odpowiedzi.
Agent może traktować RAG jako zwykłą jedną z opcji dostępnych narzędzi.
Jako przykład:
Pytanie użytkownika
↓
Agent
↓
Agent rozpoznaje, że musi poszukać informacji gdzie indziej.
↓
Narzędzie RAG
↓
Pobierane są odpowiadające dokumenty.
↓
Agent ocenia pobrałe materiały
↓
Generowanie odpowiedzi
w tym kontekście RAG funkcjonuje jako jeden z modułów w szerszym procesie sterowanym agentem, a nie obowiązkowy element każdego agenta.
Gdzie przydatne są agenci AI?
Wiele codziennych procesów może skorzystać z struktury opartej na agentach.
Badania
Szukaj → Czytaj → Filtruj → Analizuj → Streszczaj
Nauka o danych
Ładuj → Czyszcz → Badaj → Twórz model → Oceniaj → Prezentuj raport
Rozwój oprogramowania
Badaj → Modyfikuj → Testuj → Naprawiaj błędy → Przeglądaj
Podpora klienta
Zrozum prośbę → Pobierz informacje o koncie → Poszukaj dokumentacji → Rozwiąż problem lub przekazuj go dalej
Edukacja
Zrozumienie pytania ucznia → Pobranie materiałów → Wyjaśnienie → Stworzenie ćwiczenia → Ocena odpowiedzi
Zatrudnianie
Czytanie CV → Dopasowanie umiejętności → Rankowanie kandydatów → Tworzenie pytań do rozmowy → Przygotowanie streszczeń
To, co łączy to wszystko, to jedna idea:
Praca wymaga szeregu kroków, a nie pojedynczej odpowiedzi.
Czym odróżnia się dobry agent od przeciętnego?
Dobrze zaprojektowany agent AI to nie tylko model językowy połączony z długim zestawem narzędzi.
Solidny system wymaga jasności co do:
- Jakiego rezultatu ma osiągnąć
- Które narzędzia są mu dostępne
- Kiedy użycie narzędzia ma sens
- Jak interpretować dane zwracane przez narzędzie
- Kiedy należy wykonać kolejny krok
- Kiedy powinien się zatrzymać i zadać użytkownikowi pytanie
Potrzebna jest również strategia radzenia sobie w sytuacjach awaryjnych.
Rozważmy następujący schemat:
Błąd API
↓
Zdiagnozowanie błędu
↓
Ponowna próba lub wybór alternatywy
↓
Kontynuacja
Niezawodność jest równie ważna jak inteligencja.
Minimalny plan dla agenta AI
Jako początkujący możesz sprowadzić agenta AI do sześciu kluczowych elementów:
1. Cel
Wynik, którego agent ma osiągnąć.
2. Model
Mechanizm rozumowania umożliwiający zrozumienie i podejmowanie decyzji.
3. Planowanie
Sekwencja kroków potrzebnych do osiągnięcia celu.
4. Narzędzia
Zasoby zewnętrzne, do których agent może się odwołać.
5. Pamięć / Stan
Informacje, które muszą przetrwać między poszczególnymi krokami.
6. Działania i obserwacje
To, co właśnie się wydarzyło, oraz to, co nastąpi dalej.
W całości przepływ wygląda następująco:
Cel użytkownika
↓
Model AI
↓
Plan / decyzja
↓
Narzędzie
↓
Działanie
↓
Obserwacja
↓
Aktualizacja pamięci / stanu
↓
Kolejna decyzja
↓
Ostateczny rezultat
Zrozumienie tego cyklu oznacza zrozumienie istoty tego, czym jest agent AI.
Nie gub się w narzędziach
Podczas studiowania agentów AI łatwo jest dać się wciągnąć w porównywanie różnych frameworki.
Będą pojawiać się nazwy takie jak LangChain, LangGraph, CrewAI, AutoGen oraz różne SDK dla agentów.
Tyto narzędzia mają rzeczywistą wartość.
Mimo to frameworki przychodzą i odchodzą.
To, co pozostaje niezmiennym, to podstawowe idee.
Zanim wybierzesz jakikolwiek framework, upewnij się, że rozumiesz:
Cel → Planowanie → Narzędzia → Działania → Obserwacje → Pamięć → Ocena
Gdy te elementy się połączą, zastosowanie ich w dowolnej konkretnej strukturze staje się znacznie łatwiejsze.
Podsumowanie
Agent sztucznej inteligencji to nie tylko chatbot wypowiadający tekst.
To system stworzony do dążenia do celu poprzez podejmowanie decyzji i interakcję z otoczeniem, wykorzystując dostępne mu działania i narzędzia.
Szybki sposób na zapamiętanie tego schematu:
Obserwuj → Myśl → Działaj → Obserwuj ponownie
Lub, w odniesieniu do pełnego zadania:
Cel → Plan → Działanie → Obserwacja → Korekta → Zakończenie
Nie ma potrzeby od razu przechodzić do skomplikowanych konfiguracji wielu agentów.
Zacznij od jednego agenta.
Daj mu jeden dobrze zdefiniowany cel.
Wyposaż go w jedno lub dwa narzędzia.
Pozwól mu wykonać jakąś akcję.
Zobacz, co się stanie.
Następnie wymyśl kolejny krok.
To podstawowe cykle stanowią elementy budulcowe, z których ostatecznie składają się większe systemy sztucznej inteligencji agentowej.
Następne tematy w tej serii
Blog #3: Tradycyjna sztuczna inteligencja vs Sztuczna inteligencja generatywna vs Sztuczna inteligencja agentowa
Następny artykuł omawia te trzy podejścia obok siebie przy użyciu codziennych przykładów, pokazując, jak sztuczna inteligencja ewoluowała od przewidywania → generowania → działań ukierunkowanych na cel.