Brug orkestrering af overlevering

  • 5 minutter

Orkestrering af overdragelse giver AI-medarbejdere mulighed for at overføre kontrol til hinanden baseret på opgavekonteksten eller brugeranmodninger. Hver agent kan "overdrage" samtalen til en anden agent med den rette ekspertise, hvilket sikrer, at den bedst egnede agent håndterer hver del af opgaven. Dette mønster er ideelt til kundesupport, ekspertsystemer eller enhver situation, hvor der er behov for dynamisk delegering.

Diagram over orkestreringsflow for aflevering.

Dette mønster passer til scenarier, hvor den bedste helpdesk-medarbejder ikke er kendt på forhånd, eller hvor opgavekravene bliver tydeligere under behandlingen. I modsætning til parallelle mønstre arbejder agenter en ad gangen og overdrager kontrollen fra den ene til den næste.

Hvornår skal man bruge orkestrering af overdragelser?

Du kan overveje at bruge orkestreringsmønsteret for overdragelse i disse scenarier:

  • Opgaver kræver specialiseret viden eller værktøjer, men antallet eller rækkefølgen af agenter kan ikke bestemmes på forhånd.
  • Ekspertisekrav opstår dynamisk under behandlingen, hvilket udløser opgaverouting baseret på indholdsanalyse.
  • Problemer med flere domæner kræver, at forskellige specialister arbejder sekventielt.
  • Du kan definere klare signaler eller regler, der angiver, hvornår en agent skal overføre kontrol og til hvem.

Hvornår skal man undgå orkestrering af overdragelser?

Det kan være en god ide at undgå at bruge orkestreringsmønsteret for overdragelse i disse scenarier:

  • De involverede agenter og deres rækkefølge er kendt på forhånd og fastlagt.
  • Opgaverouting er enkel og regelbaseret og kræver ikke dynamisk fortolkning.
  • Dårlige routingbeslutninger kan frustrere brugerne.
  • Flere handlinger skal køre på samme tid.
  • Det er svært at undgå uendelige afleveringssløjfer eller overdreven hoppen mellem agenter.

Implementering af orkestrering af overdragelser

Overdragelsesorkestreringsmønsteret kan implementeres i Microsoft Agent Framework SDK ved hjælp af kontrolarbejdsprocesser. I en kontrolarbejdsgang behandler hver helpdesk-medarbejder opgaven i rækkefølge, og baseret på dens output beslutter arbejdsprocessen, hvilken helpdesk-medarbejder der skal kaldes næste gang. Denne routing udføres ved hjælp af en switch-case-struktur, der dirigerer opgaven til forskellige agenter baseret på klassificeringsresultater.

  1. Konfigurere datamodeller og chatklient

    • Opret din chatklient til at oprette forbindelse til AI-tjenester
    • Definer pydantiske modeller for AI-agenters strukturerede JSON-svar
    • Opret enkle dataklasser til overførsel af oplysninger mellem arbejdsprocestrin
    • Konfigurer agenter med specifikke instruktioner og response_format parametre til struktureret JSON-output

  2. Opret specialiserede eksekutorfunktioner

    • Output-lagereksekutor – gemmer indgående data i delt tilstand og videresender til klassifikationsagent
    • Transformationsudfører – konverterer helpdesk-medarbejderens JSON-svar til indtastet routingobjekt
    • Handler-eksekutorer – separate eksekutorer for hvert klassificeringsresultat med beskyttelsesbetingelser for at bekræfte korrekt meddelelsesbehandling

  3. Opret routinglogik

    • Opret fabriksfunktioner, der genererer tilstandskontrol for hver klassifikationsværdi
    • Designbetingelser for at undersøge indgående meddelelser og returnere sande for specifikke klassificeringsresultater
    • Brug betingelser med Skift-objekter i kantgrupper med skift-hus
    • Medtag altid en standardsag som reserve til uventede scenarier

  4. Saml arbejdsgangen

    • Brug WorkflowBuilder til at forbinde eksekutorer med almindelige kanter
    • Tilføj switch-case-kantgruppe til routing baseret på klassificeringsresultater
    • Konfigurer arbejdsprocessen til at følge den første matchende sag eller falde tilbage til standarden
    • Opsætning af terminaleksekutor til at give det endelige output

Orkestrering af overdragelse giver en fleksibel måde at distribuere opgaver dynamisk mellem specialiserede AI-agenter, hvilket sikrer, at hver del af en arbejdsproces håndteres af den bedst egnede ekspert. Det fungerer godt til komplekse, udviklende opgaver som kundesupport eller problemløsning på flere domæner, hvor ekspertisebehovene ændrer sig under samtalen. Når du bruger Microsoft Agent Framework SDK, kan du bygge systemer, der kan tilpasses, og som problemfrit overfører kontrol mellem agenter – og inkluderer menneskelig input, når det er nødvendigt – for problemfri og effektiv fuldførelse af opgaver.