Tutorial: Compilación del agente de motor personalizado - Teams

En este tutorial se muestra cómo crear un agente de motor personalizado con la biblioteca de inteligencia artificial de Teams mediante teams Toolkit para chatear con los datos en Azure OpenAI. La biblioteca de inteligencia artificial de Teams simplifica el proceso de creación de aplicaciones inteligentes de Teams mediante los componentes de inteligencia artificial y los modelos de lenguaje grande (LLM) de su elección.

En este tutorial, aprenderá lo siguiente:

Configuración de los datos en Azure OpenAI.
Cómo crear un nuevo agente de motor personalizado con Teams Toolkit.
Cómo interactuar con los LLM y los datos.
Estructura de directorios del agente de motor personalizado.

Requisitos previos

6 minutos restantes

Asegúrese de instalar las siguientes herramientas para compilar e implementar las aplicaciones:

	Instalar	Para usar...
	Kit de herramientas de Teams	Extensión de Microsoft Visual Studio Code que crea un scaffolding de proyecto para la aplicación. Use la versión más reciente.
	Node.js y NPM	Entorno de tiempo de ejecución de JavaScript de back-end. Para obtener más información, vea Node.js tabla de compatibilidad de versiones para el tipo de proyecto.
	Microsoft Edge (recomendado) o Google Chrome	Un explorador con herramientas de desarrollo.
	Visual Studio Code	Entornos de compilación de JavaScript, TypeScript o SharePoint Framework (SPFx). Use la versión más reciente.
	Azure OpenAI	En primer lugar, cree la clave de API de OpenAI para usar la GPT de OpenAI. Si desea hospedar la aplicación o acceder a los recursos en Azure, debe crear un servicio Azure OpenAI.

Configuración de los datos en Azure OpenAI

5 minutos restantes

Ve a Azure Portal.
Seleccione el servicio Azure OpenAI que creó en el requisito previo.
Seleccione Ir a Azure OpenAI Studio.
Seleccione Chat>Create new deployment (Crear nueva implementación).

Actualice los valores de los campos siguientes:
- Seleccionar un modelo: gpt-35-turbo
- Versión del modelo: actualización automática al valor predeterminado
- Tipo de implementación: Estándar
- Nombre de implementación: gpt-35-turbo
- Filtro de contenido: valor predeterminado
Seleccione Crear.
Seleccione ChatAdd a data source (Agregar> un origen de datos).
En la lista desplegable, seleccione Cargar archivos (versión preliminar).
Seleccione Crear un nuevo recurso de Azure Blob Storage y siga las instrucciones en pantalla.
Seleccione Crear un nuevo recurso de Azure AI Search y siga las instrucciones en pantalla.
Seleccione la instancia de Azure Blob Storage recién creada y Azure AI Search en la lista desplegable.

Nota:

Guarde el punto de conexión de Azure AI Search y los detalles clave , ya que son necesarios para los pasos siguientes.
Escriba un nombre de índice único y seleccione Siguiente.
Seleccione Examinar para un archivo y cargue los archivos que prefiera usar como datos y, a continuación, seleccione Cargar archivos.

Nota:

Los archivos deben tener .txtel formato , .md, .html, .pdf, .docxo .pptx con un límite de tamaño de 16 MB.
Seleccione la configuración de administración de datos como predeterminada y seleccione Siguiente.
Seleccione Guardar y cerrar.

Una vez completado el proceso de ingesta de datos, puede empezar a crear el agente de motor personalizado mediante la biblioteca de inteligencia artificial de Teams y el kit de herramientas de Teams.

Creación del agente de motor personalizado

4 minutos restantes

Ve a Visual Studio Code.
Seleccione el icono kit de herramientas de Teams en la barra de actividad de Visual Studio Code.
Seleccione Crear una nueva aplicación.
Seleccione Agente de motor personalizado.
Seleccione Bot de chat de IA básica.
Seleccione JavaScript como lenguaje de programación.
Seleccione Azure OpenAI.
Escriba los valores de la Azure Portal:
- Clave OpenAI de Azure
- Punto de conexión de Azure OpenAI
- Nombre de implementación
Como alternativa, puede rellenar estos detalles más adelante en el archivo una vez creado el env/.env.testtool.user agente de motor personalizado.
Seleccione una carpeta que contenga la carpeta raíz del proyecto y escriba un nombre adecuado para el agente de motor personalizado.
Seleccione Introducir. El agente de motor personalizado se crea en unos segundos.

Dar un paseo por el código fuente

Eche un vistazo a lo que hay dentro de esta plantilla de bot de chat de inteligencia artificial básica del agente > de motor personalizado.

Nombre de la carpeta	Contenido
`.vscode`	Archivos de VS Code para la depuración.
`appPackage`	Plantillas para el manifiesto de aplicación de Teams.
`env`	Los pares de nombre o valor se almacenan en archivos de entorno y los usa teamsapp.yml para personalizar las reglas de aprovisionamiento e implementación.
`infra`	Plantillas para aprovisionar recursos de Azure.
`src/`	Código fuente de la aplicación de Teams de notificación.
`src/index.js`	Configura el servidor de aplicaciones de bot.
`src/adapter.js`	Configura el adaptador del bot.
`src/config.js`	Define las variables de entorno.
`src/prompts/chat/skprompt.txt`	Define el símbolo del sistema.
`src/prompts/chat/config.json`	Configura el símbolo del sistema.
`src/app/app.js`	Controla las lógicas de negocios para el bot de chat de IA básico.
`teamsapp.yml`	El archivo de proyecto principal describe la configuración de la aplicación y define el conjunto de acciones que se van a ejecutar en cada fase del ciclo de vida.
`teamsapp.local.yml`	Esta invalidación `teamsapp.yml` con acciones que habilitan la ejecución y depuración locales.
`teamsapp.testtool.yml`	Esta invalidación `teamsapp.yml` con acciones que habilitan la ejecución y depuración locales en la herramienta de prueba de aplicaciones de Teams.

Configuración del agente de motor personalizado

3 minutos restantes

Vamos a personalizar el símbolo del sistema del agente de motor personalizado.

Vaya a src/prompts/chat/skprompt.txt y actualice el código siguiente en el skprompt.txt archivo:

The following is a conversation with an AI assistant, who is an expert on answering questions over the given context.
Responses should be in a short journalistic style with no more than 80 words.

Captura de pantalla que muestra skprompt en el explorador en Visual Studio Code.

Vaya al config.json archivo en prompts/chat. Agregue el código siguiente entre completion corchetes y reemplace los valores y keyindex_name por los endpointdetalles del recurso de Azure AI Search:

   "data_sources": [
     {
            "type": "azure_search",
            "parameters": {
                 "endpoint": "AZURE-AI-SEARCH-ENDPOINT",
                 "index_name": "YOUR-INDEX_NAME",
                 "authentication": {
                       "type": "api_key",
                       "key": "AZURE-AI-SEARCH-KEY"
                   }
             }
       }
     ]

Vaya al src/app/app.js archivo y agregue la siguiente variable dentro de OpenAIModel:
```
azureApiVersion: '2024-02-15-preview'
```
En el panel izquierdo, seleccione Ejecutar y depurar (Ctrl+Mayús+D).
Seleccione Depurar en La herramienta de prueba (versión preliminar).
Seleccione la tecla F5 .
El agente de motor personalizado se ejecuta en la herramienta de prueba de aplicaciones de Teams, que se abre en el explorador.

Desafío completo

2 minutos restantes

En la Herramienta de prueba de aplicaciones de Teams, haga preguntas relacionadas con el documento y chatee con el agente del motor personalizado para obtener más información sobre los datos.

Captura de pantalla que muestra la herramienta de prueba de aplicaciones de Teams.

Enhorabuena.

100 % completado.

Enhorabuena, ha completado este tutorial. Si está interesado en obtener más información sobre el código fuente, visite el ejemplo de Azure OpenAI en el repositorio de GitHub de la biblioteca de inteligencia artificial de Teams.

Compartir a través de

Creación de un agente de motor personalizado para chatear con los datos mediante la biblioteca de inteligencia artificial de Teams y el kit de herramientas de Teams