极客说｜Azure AI Agent Service 结合 AutoGen/Semantic Kernel 构建多智能体解决⽅案

作者：卢建晖 - 微软高级云技术布道师

 「极客说」 是一档专注 AI 时代开发者分享的专栏，我们邀请来自微软以及技术社区专家，带来最前沿的技术干货与实践经验。在这里，您将看到深度教程、最佳实践和创新解决方案。关注「极客说」，与行业顶尖专家一起探索科技的无限可能！

在 Microsoft Ignite 2024 上，微软发布了 Azure AI Agent Service，我们可以在 Azure AI Foundry 上通过 Azure AI Foundry SDK 及 Azure AI Agent Service 的 UI 直接构建基于智能业务的 AI Agent。

与 Azure AI Assistant API 相比，Azure AI Agent Service 可以让我们拥有更灵活的模型，如可以直接调⽤ Llama 3、Mistral 以及 Cohere 等开源⼤模型，有更好的企业功能接入（Microsoft Fabric、Microsoft SharePoint、Azure AI Search、Microsoft Bing 等），更强的企业安全机制以及数据存储⽅式。

目前 Azure AI Agent Service 处于 Public Preview 阶段，开发者可以通过 Azure AI Foundry SDK，使用 Python 或者 C# 快速构建基于 Azure AI Agent Service 的智能体；企业则基于业务拥有不同的 AI Agents。

那在⼯作流中应该如何组合这些 AI Agents 呢？我们就需要通过 AutoGen 或者 Semantic Kernel 对这三个 AI Agents 进⾏编排。

在 Azure AI Foundry SDK 创建 AI Agent 的技巧

建议使用以下模板在 Azure AI Foundry 中创建项⽬：

https://portal.azure.com/#create/Microsoft.Template

注意

1. 目前 Azure AI Agent Service 处于 Public Preview 阶段，所以我们需要在特定区域和模型中使⽤。

当然你也可以使⽤ Azure AI Foundry model catalog 中的：

  • Llama 3.1-70B-instruct

  • Mistral-large-2407

  • Cohere command R+

2. Azure AI Foundry SDK 现在⽀持 Python / C# 的版本

安 装 Python 的 Azure AI Foundry SDK

pip install azure-ai-projects
pip install azure-identity

安 装 .NET 的 Azure AI Foundry SDK

dotnet add package Azure.AI.Projects --version 1.0.0-beta.1

如果你希望了解如何结合 Azure AI Foundry SDK 创建 AI Agent ，建议参考：

https://learn.microsoft.com/en-us/azure/ai-services/agents/quickstarticon-default.png?t=O83Ahttps://learn.microsoft.com/en-us/azure/ai-services/agents/quickstart

下⾯介绍⼀个场景，如⼀个 Blog 创作场景，我们可以围绕该创作场景定义三个 AI Agent Service 服务：内容搜集的 Agent、编写技能的 Agent、以及保存内容功能的 Agent，然后通过 AutoGen / Semantic Kernel 对 AI Agent 进⾏编排。

Azure AI Agent Service 定义单智能体

Azure AI Agent Service 更多是对特定智能任务的单 Agent 进⾏定义，比如你可以定义⼀个数据挖掘的智能体，也可以定义⼀个链接 Azure Function 的智能体，更可以利⽤ Function Calling 接入第三⽅邮件发送服务的智能体等。如上述场景谈及的智能体我们可以这样定义：

🔍 内容搜集的 Agent

内容搜集的 Agent 主要通过搜索引擎来搜索 Blog 提纲的内容，从⽽为 Blog 添加更详细的内容。Azure AI Agent Service 提供了 Grounding with Bing 服务进行扩展，你可以非常简单地接入 Bing 搜索中。

具体实现：

  • Python

    https://github.com/kinfey/MultiAIAgent/blob/main/03.AzureAIAgentWithAutoGen01.ipynbicon-default.png?t=O83Ahttps://github.com/kinfey/MultiAIAgent/blob/main/03.AzureAIAgentWithAutoGen01.ipynb

  • C#

    https://github.com/kinfey/MultiAIAgent/blob/main/08.AzureAIAgentWithSK01.ipynbicon-default.png?t=O83Ahttps://github.com/kinfey/MultiAIAgent/blob/main/08.AzureAIAgentWithSK01.ipynb

📖编写技能的 Agent

编写技能的 Agent 可以直接通过 LLM 完成编写的内容。

🛠 保存内容功能的 Agent

保存内容功能的 Agent 通过 Azure AI Agent Service 的 code-interpreter 完成内容保存⼯作。

具体实现：

  • Python

    https://github.com/kinfey/MultiAIAgent/blob/main/01.AzureAIAgentCode.ipynbicon-default.png?t=O83Ahttps://github.com/kinfey/MultiAIAgent/blob/main/01.AzureAIAgentCode.ipynb

  • C#

    https://github.com/kinfey/MultiAIAgent/blob/main/05.AzureAIAgentCodedotNET.ipynbicon-default.png?t=O83Ahttps://github.com/kinfey/MultiAIAgent/blob/main/05.AzureAIAgentCodedotNET.ipynb

利⽤ AutoGen / Semantic Kernel 编排多智能体

在企业场景中，我们拥有不同的单智能体，可以协助我们完成不同的工作，同时，基于不同任务又可以组合不同的智能体来完成相关⼯作。如需要发送 Blog，我们可以将上述的三个智能体进⾏组合来完成任务。AutoGen / Semantic Kernel 都支持智能体的编排⼯作，我们可以利⽤ AutoGen 中的 Function Calling / Semantic Kerenl Plugin 进行 Azure AI Agent Service 的绑定来完成上述三个智能体的编排⼯作。

以下是具体架构：

AutoGen 的编排⽅式

示例：

https://github.com/kinfey/MultiAIAgent/blob/main/04.AzureAIAgentWithAutoGen02.ipynbicon-default.png?t=O83Ahttps://github.com/kinfey/MultiAIAgent/blob/main/04.AzureAIAgentWithAutoGen02.ipynb

Semantic Kernel 的编排⽅式

通过编排多智能体，我们可以非常轻松地完成不同需要的⼯作流，这⾥是两个不同的指令，都可以完成博客的编写⼯作。

示例：

https://github.com/kinfey/MultiAIAgent/blob/main/09.AzureAIAgentWithSK02.ipynbicon-default.png?t=O83Ahttps://github.com/kinfey/MultiAIAgent/blob/main/09.AzureAIAgentWithSK02.ipynb

多智能体的结合可以帮助我们快速地完成不同的任务。随着 LLM / SLM 能⼒的增强，也会在企业业务功能上有更好的融合。AI Agent as a Service 将会到来，结合多智能体帮助企业更轻松地构建和部署智能 AI 代理，更快迈进真正的 AI 时代。

相关资源

了解 Azure AI Agent Service icon-default.png?t=O83Ahttps://learn.microsoft.com/en-us/azure/ai-services/agents/

学习 Microsoft AutoGen icon-default.png?t=O83Ahttps://microsoft.github.io/autogen/dev/

学习 Microsoft Semantic Kernel icon-default.png?t=O83Ahttps://github.com/microsoft/semantic-kernel

资料推荐

智能 GitHub Copilot 副驾驶® 提示和技巧icon-default.png?t=O83Ahttps://info.microsoft.com/GC-DevOps-CNTNT-FY25-08Aug-23-Smart-GitHub-Copilot-Tips-and-Tricks-SRGCM12801_LP01-Registration---Form-in-Body.html

Azure OpenAI 生成式人工智能白皮书icon-default.png?t=O83Ahttps://info.microsoft.com/GC-AzureAI-CNTNT-FY25-08Aug-21-Azure-OpenAI-Generative-Artificial-Intelligence-White-Paper-SRGCM12789_LP01-Registration---Form-in-Body.html

利用 AI 和 DevOps 重新定义开发人员体验icon-default.png?t=O83Ahttps://info.microsoft.com/ww-landing-redefining-the-developer-experience.html?lcid=ZH-CN

SAP on Microsoft Cloudicon-default.png?t=O83Ahttps://info.microsoft.com/GC-SAP-CNTNT-FY25-08Aug-27-SAP-on-Microsoft-Cloud-SRGCM12804_LP01-Registration---Form-in-Body.html

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/web/65954.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

【集成学习】Boosting算法详解

【集成学习】Boosting算法详解

文章目录 1. 集成学习概述2. Boosting算法详解3. Gradient Boosting算法详解3.1 基本思想3.2 公式推导 4. Python实现 1. 集成学习概述 集成学习（Ensemble Learning）是一种通过结合多个模型的预测结果来提高整体预测性能的技术。相比于单个模型&#xf…
阅读更多...
小米vela系统(基于开源nuttx内核)——如何使用信号量进行PV操作

小米vela系统(基于开源nuttx内核)——如何使用信号量进行PV操作

如何使用信号量进行PV操作 前言信号量1. 信号量简介2. NuttX中信号量的创建与使用2.1 Nuttx信号量的初始化和销毁2.2 信号量的等待和发布 3. 信号量的实际应用：下载任务示例3.1 实际代码3.2 代码说明3.3 执行说明 4. 信号量的优势与应用场景5. 常见应用场景&#xf…
阅读更多...
CMake学习笔记（2）

CMake学习笔记（2）

1. 嵌套的CMake 如果项目很大，或者项目中有很多的源码目录，在通过CMake管理项目的时候如果只使用一个CMakeLists.txt，那么这个文件相对会比较复杂，有一种化繁为简的方式就是给每个源码目录都添加一个CMakeLists.txt文件&#xff…
阅读更多...
旅游网站设计与实现

旅游网站设计与实现

文末附有完整项目代码 在当今数字化时代，旅游网站成为人们获取旅游信息的重要途径。本文将详细介绍旅游网站的设计与实现，让你轻松了解其中的技术奥秘！ 一、项目背景 随着社会经济的发展，人们对精神消费愈发重视，旅游…
阅读更多...
【C++】size_t究竟是什么？全面解析与深入拓展

【C++】size_t究竟是什么？全面解析与深入拓展

博客主页： [小ᶻ☡꙳ᵃⁱᵍᶜ꙳] 本文专栏: C 文章目录 💯前言💯一、什么是size_t？为什么需要size_t？ 💯二、size_t的特性与用途1. size_t是无符号类型示例： 2. size_t的跨平台适应性示例对…
阅读更多...
【物流管理系统 - IDEAJavaSwingMySQL】基于Java实现的物流管理系统导入IDEA教程

【物流管理系统 - IDEAJavaSwingMySQL】基于Java实现的物流管理系统导入IDEA教程

有问题请留言或私信 步骤 下载项目源码：项目源码 解压项目源码到本地 打开IDEA 左上角：文件 → 新建 → 来自现有源代码的项目 找到解压在本地的项目源代码文件，点击确定，根据图示步骤继续导入项目 查看项目目录&#xff…
阅读更多...
ssh2-sftp-client和ssh2配合使用js脚本快速部署项目到服务器

ssh2-sftp-client和ssh2配合使用js脚本快速部署项目到服务器

有时候因为服务器不能实现github或者gitlab的自动部署服务，所以就需要使用脚本来实现自动部署，可以省时省力，一劳永逸。这里就使用ssh2-sftp-client和ssh2来实现，即便是需要sudo权限，也是可以的。 1.先将本地打包后的…
阅读更多...
深度解析Linux中的调试器gdb/cgdb的使用

深度解析Linux中的调试器gdb/cgdb的使用

Linux下我们编译好的代码，无法直接调试 gcc/g默认的工作模式是realse模式 程序要调试的话，必须是debug模式，也就是说编译的时候要加-g选项 gdb携带调试信息的exe 我们现在在文件夹里面创建一个文件lesson11 里面创建一个累加的代码&…
阅读更多...
【Maui】动态菜单实现（绑定数据视图）

【Maui】动态菜单实现（绑定数据视图）

前言 .NET 多平台应用 UI (.NET MAUI) 是一个跨平台框架，用于使用 C# 和 XAML 创建本机移动和桌面应用。 使用 .NET MAUI，可从单个共享代码库开发可在 Android、iOS、macOS 和 Windows 上运行的应用。 .NET MAUI 是一款开放源代码应用，是 X…
阅读更多...
Bash语言的语法糖

Bash语言的语法糖

Bash语言的语法糖 引言 在现代编程语言中，“语法糖”是一个非常常见的术语，它指的是那些使代码更加易读、易写的语法特性。尽管这些特性并不改变语言的功能，但它们能显著提升开发者的编程体验。在众多编程语言中，Bash&#xff0…
阅读更多...
linux---Nginx详细教程（包含安装，网站部署）

linux---Nginx详细教程（包含安装，网站部署）

Nginx是一个高性能的HTTP和反向代理服务器，也可以用作邮件代理服务器，其以占有内存少、并发能力强、稳定性高、丰富的功能集、低系统资源消耗而闻名。以下是对Nginx的详细教程： 一、Nginx简介 Nginx由俄罗斯人开发，第一个公开版…
阅读更多...
RNN之：LSTM 长短期记忆模型-结构-理论详解-及实战（Matlab向）

RNN之：LSTM 长短期记忆模型-结构-理论详解-及实战（Matlab向）

0.前言 递归！循环神经网络Recurrent Neural Network 循环神经网络（又称递归神经网络，Recurrent Neural Network，RNN）。是一种用于处理序列数据的神经网络结构，具有记忆功能，能够捕捉序列中的时…
阅读更多...
泛目录和泛站有什么差别

泛目录和泛站有什么差别

啥是 SEO 泛目录？ 咱先来说说 SEO 泛目录是啥。想象一下，你有一个巨大的图书馆，里面的书架上摆满了各种各样的书，每一本书都代表着一个网页。而 SEO 泛目录呢，就像是一个超级图书管理员，它的任务就是把这些…
阅读更多...
初识@ffmpeg/ffmpeg库

初识@ffmpeg/ffmpeg库

前言 FFmpeg是一套可以用来记录、转换数字音频、视频，并且能够利用它们来创建一个新的流媒体格式的自由软件项目，它被广泛应用在视频处理、音频处理以及直播领域。其中，@ffmpeg/ffmpeg 是一个将 FFmpeg 编译为 WebAssembly（WASM）的库，可支持几乎所有的音视频格式。 安装…
阅读更多...
【图像去噪】论文复现：反向扩散中加入MAP将扩散模型从高斯去噪推广到真实去噪！DiffusionVI的Pytorch源码复现，跑通源码，梳理理论，单卡可执行！

【图像去噪】论文复现：反向扩散中加入MAP将扩散模型从高斯去噪推广到真实去噪！DiffusionVI的Pytorch源码复现，跑通源码，梳理理论，单卡可执行！

请先看【专栏介绍文章】：【图像去噪（Image Denoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中） 完整代码和训练好的模型权重文件下载链接见本文底…
阅读更多...
Windows 蓝牙驱动开发-简介

Windows 蓝牙驱动开发-简介

蓝牙(英语：Bluetooth)是一种无线通信技术标准，用来让固定与移动设备，在短距离间交换资料，以形成个人局域网(PAN)。其使用短波特高频(UHF)无线电波，经由2.4至2.485 GHz的ISM频段来进行通信。1994年由电信商爱立信(Erics…
阅读更多...
【Vue】全局/局部组件使用流程(Vue2为例)

【Vue】全局/局部组件使用流程(Vue2为例)

全局组件和局部组件区别 如何使用 全局组件：全局注册后，可以在任意页面中直接使用。局部组件：在页面中需要先导入子组件路径，注册组件才能使用。 适用场景 全局组件：适用于高频使用的组件，如导航栏、业…
阅读更多...
【Pytorch实用教程】PyTorch 中如何输出模型参数：全面指南

【Pytorch实用教程】PyTorch 中如何输出模型参数：全面指南

文章目录 PyTorch 中如何输出模型参数：全面指南1. 为什么需要输出模型参数？2. PyTorch 中输出模型参数的方法2.1 使用 `model.parameters()` 输出所有参数2.2 使用 `model.named_parameters()` 输出参数名称和值2.3 使用 `model.state_dict()` 输出模型的参数字典2.4 输出特定…
阅读更多...
vscode vue 自动格式化

vscode vue 自动格式化

vscode vue 自动格式化 安装Prettier和Vetur插件 选择设置，并且转到编辑文件。增加如下内容。 {"editor.formatOnSave": true,"editor.defaultFormatter": "esbenp.prettier-vscode","[vue]": {"editor.defaultFor…
阅读更多...
1、docker概念和基本使用命令

1、docker概念和基本使用命令

docker概念 微服务：不再是以完整的物理机为基础的服务软件，而是借助于宿主机的性能。以小量的形式，单独部署的应用。 docker：是一个开源的应用容器引擎，基于go语言开发的，使用时apache2.0的协议。docker是…
阅读更多...
最新文章

Copyright @ 2022~2023