Freigeben über

Erstellen einer Automatisierungslösung mit mehreren Agent-Workflows mit semantischem Kernel

Azure Container Apps
Azure KI Services
Azure Cosmos DB
Semantischer Kernel

Lösungsmöglichkeiten

In diesem Artikel ist ein Lösungsvorschlag beschrieben. Ihr Cloudarchitekt kann diesen Leitfaden verwenden, um die Hauptkomponenten einer typischen Implementierung dieser Architektur zu visualisieren. Verwenden Sie diesen Artikel als Ausgangspunkt, um eine gut durchdachte Lösung zu entwerfen, die den spezifischen Anforderungen Ihrer Workload entspricht.

Diese Architektur zeigt ein Prozessautomatisierungssystem, das mehrere KI-Agents verwendet. Die Agents werden in Azure Container-Apps bereitgestellt und verwenden Azure AI-Dienste. Die Agents und das Orchestrierungsverhalten dieser Architektur werden in benutzerdefinierter Software mit semantischem Kernel definiert. Die Architektur hostt spezialisierte KI-Agents, die Organisationsaufgaben automatisch koordinieren und ausführen.

In diesem Artikel werden die Infrastruktur- und DevOps-Aspekte der Verwaltung mehrerer Agent-Systeme in Azure erläutert, einschließlich fortlaufender Integration, Datenpersistenz und Agentkoordination.

Die Architektur beschreibt, wie skalierbare Automatisierungspipelines erstellt werden, in denen mehrere KI-Agents über einen zentralen API-Orchestrator zusammenarbeiten. Es unterstützt persistentes Lernen und automatisierte Bereitstellungsprozesse für die Automatisierung von Aufgaben auf Unternehmensniveau.

Architektur

Diagramm, das eine typische Architektur mit mehreren Agents zeigt.

Laden Sie eine Visio-Datei dieser Architektur herunter.

Arbeitsablauf

Der folgende Workflow entspricht dem vorherigen Diagramm:

  1. Mitarbeiter greifen auf das Web-Front-End zu, um automatisierte Lösungen anzufordern und zu verwalten. Aufgaben werden über die Webschnittstelle mit bestimmten Anforderungen und Parametern übermittelt.

  2. Die Azure App Service-Website empfängt die Benutzeranforderung vom Front-End und ruft eine in Container-Apps gehostete API auf. Diese API verarbeitet die eingehende Aufgabe und bestimmt, welche speziellen KI-Agents benötigt werden. Die Aufgabe wird in Komponententeile für die Koordination mit mehreren Agenten unterteilt.

  3. Die Container-Apps-API stellt eine Verbindung mit einem vom Azure AI Foundry gehosteten GPT-4o-Modell her. Mehrere spezialisierte KI-Agents werden koordiniert, um verschiedene Aspekte der Aufgabe zu behandeln. Agents arbeiten zusammen, um die zu erledigenden Aufgaben zu planen, auszuführen und zu überprüfen.

  4. Azure Cosmos DB speichert alle Daten im Zusammenhang mit aktuellen und früheren Plänen und Lösungen. Historische Aufgabendaten und Muster werden für Lern- und Optimierungszwecke verwaltet. Agententscheidungen und -ergebnisse werden für zukünftige Referenz beibehalten.

  5. Die Azure Container Registry verwaltet Bilder für die Front-End-Website und die Back-End-API. In dieser Registrierung werden auch Versionsverwaltungscontainerimages für Rollbackfunktionen verwaltet.

  6. Das GitHub-Quell-Repository löst automatische Builds von Website- und API-Serverimages bei Codeupdates aus. Docker erstellt und stellt dann die aktualisierten Containerimages in der Registrierung bereit.

Komponenten

  • App Service ist eine Plattform als Dienstlösung, die eine skalierbare Webhostingumgebung für Anwendungen bereitstellt. In dieser Architektur dient die App Service-Website als Front-End-Schnittstelle für Benutzer, um automatisierte Lösungen anzufordern und zu verwalten. Es bietet eine reaktionsfähige Weboberfläche zum Übermitteln von Aufgaben und zum Nachverfolgen des Fortschritts.

  • Container-Apps ist eine serverlose Containerplattform, mit der Sie Microservices und containerisierte Anwendungen auf einer serverlosen Plattform ausführen können. In dieser Architektur dient die Container-Apps-API als zentrale Orchestrierungsebene, die Benutzeranforderungen verarbeitet, mehrere KI-Agents koordiniert und den Abschlussstatus von Aufgaben verwaltet. Es hostt den von Ihrem Softwareteam erstellten benutzerdefinierten Code, der semantischen Kernel verwendet.

  • Azure AI Foundry ist ein verwalteter KI-Dienst, der Zugriff auf erweiterte Sprachmodelle für die Verarbeitung und Generierung natürlicher Sprachen bietet. In dieser Architektur stellt Azure AI Foundry Modelle als Dienst für die semantischen Kernel-basierten Agents bereit, die aufgerufen werden sollen.

  • Azure Cosmos DB ist ein global verteilter Datenbankdienst mit mehreren Modellen, der niedrige Latenz und flexible Skalierbarkeit bietet. In dieser Architektur speichert Azure Cosmos DB alle Daten im Zusammenhang mit aktuellen und früheren Automatisierungsplänen und -lösungen. Die Container-Apps-API schreibt Daten, wenn neue Pläne erstellt werden oder Aufgaben ausgeführt werden. Die API liest Daten, wenn Benutzer über die App Service-Website auf ihren Automatisierungsverlauf zugreifen.

  • Containerregistrierung ist ein verwalteter Docker-Registrierungsdienst, der Containerimages speichert und verwaltet. In dieser Architektur verwaltet die Containerregistrierung Bilder sowohl für die Front-End-Website als auch für die Back-End-API. Mit diesem Setup wird eine konsistente Bereitstellungs- und Versionskontrolle der Komponenten des Systems mit mehreren Agents in allen Umgebungen sichergestellt.

Szenariodetails

Dieses benutzerdefinierte Automatisierungsmodul mit mehreren Agenten behebt die Herausforderung, komplexe, abteilungsübergreifende Geschäftsprozesse zu koordinieren, die traditionell erhebliche manuelle Kontrolle und Koordination erforderten. Organisationen kämpfen häufig mit Aufgaben, die sich über mehrere Fachgebiete erstrecken, eine konsistente Leistung in allen Teams erfordern und Überwachungspfade zur Unterstützung der Compliance benötigen.

Diese Lösung verwendet benutzerdefinierte, spezialisierte KI-Agents, die zusammenarbeiten, um komplexe Organisationsaufgaben in verwaltbare Komponenten aufzuteilen. Jeder Agent trägt domänenspezifische Kenntnisse und Funktionen bei. Dieser Ansatz ermöglicht es dem System, anspruchsvolle Workflows zu verwalten, die andernfalls eine menschliche Koordination über mehrere Abteilungen erfordern. Die Architektur skaliert sich durch containerisierte Bereitstellung, behält das Lernen über die persistente Datenspeicherung bei und unterstützt eine kontinuierliche Verbesserung durch automatisierte Integrations- und Übermittlungspipelinen.

Potenzielle Anwendungsfälle

Automatisierung von Unternehmensprozessen

Mitarbeiter-Onboarding-Orchestrierung: Koordinieren Sie die IT-Bereitstellung, die Personaldokumentation, den Zugriff auf Einrichtungen, Schulungspläne und Complianceanforderungen in mehreren Abteilungen.

Vertragsverwaltungsworkflow: Automatisieren Sie rechtliche Überprüfung, Beschaffungsgenehmigung, Finanzanalyse und Lieferantenkommunikation für komplexe Geschäftsvereinbarungen.

Koordination der Reaktion auf Vorfälle: Koordinieren Sie technische Wartung, Stakeholderkommunikation, Dokumentation und Analyse nach dem Vorfall in IT-, Sicherheits- und Geschäftsteams.

Finanzdienstleistungen und Compliance

Automatisierung gesetzlicher Vorschriften: Koordinieren Sie die Datenerfassung, Analyse, Berichterstellung und Übermittlung in mehreren regulatorischen Frameworks gleichzeitig.

Kreditverarbeitungspipeline: Automatisieren Sie Kreditanalyse, Risikobewertung, Dokumentationsüberprüfung und Genehmigungsworkflows, die mehrere Spezialisierte Teams umfassen.

Audit-Vorbereitungsmanagement: Koordinieren Sie die Beweiserfassung, Dokumentationsvorbereitung, Stakeholder-Interviews und Compliance-Überprüfung in allen Geschäftseinheiten.

Gesundheitswesen und Forschung

Klinisches Testmanagement: Koordinieren Sie die Patientenrekrutierung, die Einhaltung gesetzlicher Vorschriften, die Datenerfassung, die Sicherheitsüberwachung und die Berichterstellung in forschungsübergreifenden Teams.

Koordination der Patientenversorgung: Automatisieren Sie die Planung, Behandlungsplanung, Versicherungsüberprüfung und Pflegeteamkommunikation für komplexe medizinische Fälle.

Beschaffung medizinischer Geräte: Koordinieren Sie klinische Anforderungen, technische Spezifikationen, Lieferantenbewertungen und behördliche Genehmigungsprozesse.

Fertigung und Lieferkette

Koordination der Produktstarts: Konzipierung der Konstruktion, Fertigungseinrichtung, Qualitätssicherung, Marketingvorbereitung und Vertriebsplanung.

Onboardingprozess für Lieferanten: Automatisieren Sie Qualifizierungsbewertungen, Vertragsverhandlungen, Systemintegrationen und Einrichtung der Leistungsüberwachung.

Qualitätsvorfallverwaltung: Koordinieren Sie Untersuchung, Ursachenanalyse, Korrekturmaßnahmen und Lieferantenkommunikation für Probleme mit Qualität.

Alternativen

Diese Architektur umfasst mehrere Komponenten, die Sie je nach den funktionalen und nichtfunktionellen Anforderungen Ihrer Workload durch andere Azure-Dienste oder -Ansätze ersetzen können. Berücksichtigen Sie die folgenden Alternativen und Kompromisse.

Agent-Orchestrierung

Aktueller Ansatz: Diese Lösung verwendet benutzerdefinierten Agent-Code, der mit dem Semantic Kernel SDK geschrieben wurde, um Agents und deren Interaktionen zu koordinieren. Container-Apps dienen als zentrale Orchestrator-Compute, die den Code ausführt. Dieser Code koordiniert die mehreren KI-Agents, die mit aktiven Workflows arbeiten. Bei diesem Ansatz handelt es sich um eine Code-first-Lösung, die maximale Kontrolle über das Verhalten des Agents, die Orchestrierungslogik und die Berechnungsskala bietet.

Alternativer Ansatz: Verwenden Sie den Azure AI Foundry Agent Service, um Agents zu definieren und individuell mit relevanten Wissensspeichern und Tools zu verbinden. Bei diesem Ansatz handelt es sich um eine Lösung ohne Code, bei der Sie Agentverhalten und Agentbeziehungen über eine Systemaufforderung definieren. Die Agents werden in Ihrem Auftrag gehostet, und Sie haben keine Kontrolle über die Berechnung, die die Agents ausführt.

Erwägen Sie diese Alternative, wenn Ihre Workload die folgenden Merkmale aufweist:

  • Sie benötigen keine deterministische Agent-Orchestrierung. Sie können das Agentverhalten, einschließlich des Zugriffs und des Tools des Wissensspeichers, über eine Systemaufforderung ausreichend definieren.

  • Sie benötigen keine vollständige Kontrolle über die Berechnung Ihrer Agents.

  • Sie benötigen nur HTTPS-barrierefreiheitstools, und Ihre Wissensspeicher sind mit dem Foundry Agent Service kompatibel.

Für Organisationen mit gemischten Anforderungen kann ein Hybridansatz effektiv sein. Standardworkflows verwenden den Foundry Agent Service, während kritische oder hochgradig angepasste Prozesse selbst gehostete Orchestrierung für Container-Apps verwenden.

Kostenoptimierung

Die Kostenoptimierung konzentriert sich auf Möglichkeiten, unnötige Ausgaben zu reduzieren und die betriebliche Effizienz zu verbessern. Weitere Informationen finden Sie unter Erstellen einer Checkliste zur Überprüfung der Kostenoptimierung.

Informationen zu den Kosten für die Ausführung dieses Szenarios finden Sie in der vorkonfigurierten Schätzung im Azure-Preisrechner.

Die Preise variieren je nach Region und Nutzung, sodass es nicht möglich ist, genaue Kosten im Voraus vorherzusagen. Die meisten Azure-Ressourcen in dieser Infrastruktur folgen nutzungsbasierten Preismodellen. Die Containerregistrierung verursacht jedoch täglich fixe Kosten für jede Registrierung.

Bereitstellen dieses Szenarios

Führen Sie die Schritte im GitHub-Repository aus, um eine Implementierung dieser Architektur bereitzustellen.

Beitragende

Microsoft verwaltet diesen Artikel. Die folgenden Mitwirkenden haben diesen Artikel geschrieben.

Hauptautor:

Anderer Mitwirkender:

Um nicht-öffentliche LinkedIn-Profile anzuzeigen, melden Sie sich bei LinkedIn an.

Nächster Schritt