Képek használata ügynökkel

Ez az oktatóanyag bemutatja, hogyan használhat képeket egy ügynökkel, így az ügynök elemezheti és válaszolhat a képtartalmakra.

Előfeltételek

Az előfeltételekről és a NuGet-csomagok telepítéséről lásd az egyszerű ügynök létrehozása és futtatása lépést ebben az oktatóanyagban.

Képek átadása az ügynöknek

Képeket küldhet egy ügynöknek egy szöveg- és képtartalmat ChatMessage is tartalmazó létrehozással. Az ügynök ezután elemezheti a képet, és ennek megfelelően válaszolhat.

Először hozzon létre egy olyant AIAgent , amely képes képek elemzésére.

AIAgent agent = new AzureOpenAIClient(
    new Uri("https://<myresource>.openai.azure.com"),
    new AzureCliCredential())
    .GetChatClient("gpt-4o")
    .CreateAIAgent(
        name: "VisionAgent",
        instructions: "You are a helpful agent that can analyze images");

Ezután hozzon létre egy ChatMessage-t, amely tartalmaz egy szöveges utasítást és egy kép URL-címet is. A TextContent szöveghez és UriContent a képhez használható.

ChatMessage message = new(ChatRole.User, [
    new TextContent("What do you see in this image?"),
    new UriContent("https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg", "image/jpeg")
]);

Futtassa az ügynököt a(z) üzenettel. A streamelést használva fogadhatja a választ, miközben az generálódik.

Console.WriteLine(await agent.RunAsync(message));

Ezzel kinyomtatja az ügynök képelemzését a konzolra.

Képek átadása az ügynöknek

Képeket küldhet egy ügynöknek egy szöveg- és képtartalmat ChatMessage is tartalmazó létrehozással. Az ügynök ezután elemezheti a képet, és ennek megfelelően válaszolhat.

Először hozzon létre egy ügynököt, amely képes képek elemzésére.

import asyncio
from agent_framework.azure import AzureOpenAIChatClient
from azure.identity import AzureCliCredential

agent = AzureOpenAIChatClient(credential=AzureCliCredential()).create_agent(
    name="VisionAgent",
    instructions="You are a helpful agent that can analyze images"
)

Ezután hozzon létre egy ChatMessage-t, amely tartalmaz egy szöveges utasítást és egy kép URL-címet is. A TextContent szöveghez és UriContent a képhez használható.

from agent_framework import ChatMessage, TextContent, UriContent, Role

message = ChatMessage(
    role=Role.USER,
    contents=[
        TextContent(text="What do you see in this image?"),
        UriContent(
            uri="https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg",
            media_type="image/jpeg"
        )
    ]
)

A helyi fájlrendszerből is betölthet egy képet a DataContent használatával.

from agent_framework import ChatMessage, TextContent, DataContent, Role

# Load image from local file
with open("path/to/your/image.jpg", "rb") as f:
    image_bytes = f.read()

message = ChatMessage(
    role=Role.USER,
    contents=[
        TextContent(text="What do you see in this image?"),
        DataContent(
            data=image_bytes,
            media_type="image/jpeg"
        )
    ]
)

Futtassa az ügynököt a(z) üzenettel. A streamelést használva fogadhatja a választ, miközben az generálódik.

async def main():
    result = await agent.run(message)
    print(result.text)

asyncio.run(main())

Ezzel kinyomtatja az ügynök képelemzését a konzolra.

Következő lépések

Többfordulós beszélgetés egy ügynökkel