Többügynök munkafolyamat-automatizálási megoldás létrehozása Szemantic Kernel használatával
megoldási ötletek
Ez a cikk egy megoldási ötletet ismertet. A felhőmérnök ezen útmutató segítségével megjelenítheti az architektúra tipikus implementációjának fő összetevőit. Ez a cikk kiindulási pontként szolgál egy jól megtervezett megoldás megtervezéséhez, amely megfelel a számítási feladat egyedi követelményeinek.
Ez az architektúra egy folyamatautomatizálási rendszert mutat be, amely több AI-ügynököt használ. Az ügynökök az Azure Container Appsben vannak üzembe helyezve, és azure AI-szolgáltatásokat használnak. Az architektúra ügynökei és vezénylési viselkedése a Szemantic Kernellel rendelkező egyéni szoftverekben van definiálva. Az architektúra több speciális AI-ügynököt üzemeltet, amelyek automatikusan koordinálják és futtatják a szervezeti feladatokat.
Ez a cikk a többügynökű rendszerek Azure-beli kezelésének infrastruktúráját és DevOps-aspektusait mutatja be, beleértve a folyamatos integrációt, az adatmegőrzést és az ügynökkoordinációt.
Az architektúra leírja, hogyan hozhat létre méretezhető automatizálási folyamatokat, amelyekben több AI-ügynök együttműködik egy központi API-vezénylőn keresztül. Támogatja az állandó tanulási és automatizált üzembehelyezési folyamatokat a nagyvállalati szintű feladatautomatizáláshoz.
Építészet
Töltse le az architektúra Visio-fájlját.
Munkafolyamat
A következő munkafolyamat az előző diagramnak felel meg:
Az alkalmazottak a webes előtérhez férnek hozzá az automatizált megoldások kéréséhez és kezeléséhez. A feladatok elküldése a webes felületen történik, meghatározott követelményekkel és paraméterekkel.
Az Azure App Service webhelye fogadja a felhasználói kérést az előtérből, és meghív egy, a Container Appsben üzemeltetett API-t. Ez az API feldolgozza a bejövő feladatot, és meghatározza, hogy mely speciális AI-ügynökökre van szükség. A feladat többügynök-koordinációt szolgáló összetevőkre van bontva.
A Container Apps API egy Azure AI Foundry által üzemeltetett GPT-4o-modellhez csatlakozik. Több specializált AI-ügynök vezénylése a feladat különböző aspektusainak kezelésére. Az ügynökök együttműködnek a végrehajtandó feladatok megtervezésében, végrehajtásában és ellenőrzésében.
Az Azure Cosmos DB a jelenlegi és a korábbi tervekhez és megoldásokhoz kapcsolódó összes adatot tárolja. A korábbi feladatadatok és minták tanulási és optimalizálási célokra vannak fenntartva. Az ügynökkel kapcsolatos döntések és eredmények a jövőben is megmaradnak.
Az Azure Container Registry kezeli az előtérbeli webhely és a háttér API rendszerképeit. Ez a beállításjegyzék a verziószámozott tárolólemezképeket is fenntartja a visszaállítási képességekhez.
A GitHub-forrásadattár automatikusan létrehozza a webhely- és API-kiszolgáló lemezképeit a kódfrissítéseken. A Docker ezután létrehozza és üzembe helyezi a frissített tárolólemezképeket a beállításjegyzékben.
Összetevők
Az App Service egy szolgáltatásmegoldásként nyújtott platform, amely skálázható webes üzemeltetési környezetet biztosít az alkalmazások számára. Ebben az architektúrában az App Service webhelye az előtérbeli felületként szolgál a felhasználók számára az automatizált megoldások kéréséhez és kezeléséhez. Rugalmas webes felületet biztosít a feladatok elküldéséhez és az előrehaladás nyomon követéséhez.
A Container Apps egy kiszolgáló nélküli tárolóplatform, amely lehetővé teszi mikroszolgáltatások és tárolóalapú alkalmazások kiszolgáló nélküli platformon való futtatását. Ebben az architektúrában a Container Apps API szolgál a felhasználói kéréseket feldolgozó, több AI-ügynököt koordináló és a tevékenységek befejezési állapotát kezelő központi vezénylési rétegként. Ez üzemelteti a Szemantic Kernelt használó szoftvercsapat által létrehozott egyéni fejlesztésű kódot.
Az Azure AI Foundry egy felügyelt AI-szolgáltatás, amely hozzáférést biztosít a speciális nyelvi modellekhez a természetes nyelvfeldolgozáshoz és -létrehozáshoz. Ebben az architektúrában az Azure AI Foundry szolgáltatásként kínál modelleket a szemantikus kernel-alapú ügynökök meghívásához.
Az Azure Cosmos DB egy globálisan elosztott, többmodelles adatbázis-szolgáltatás, amely alacsony késést és rugalmas méretezhetőséget biztosít. Ebben az architektúrában az Azure Cosmos DB az aktuális és a korábbi automatizálási tervekhez és megoldásokhoz kapcsolódó összes adatot tárolja. A Container Apps API adatokat ír az új tervek létrehozásakor vagy a feladatok futtatásakor. Az API akkor olvassa be az adatokat, amikor a felhasználók az App Service webhelyén keresztül férnek hozzá az automatizálási előzményekhez.
A Tárolóregisztrációs adatbázis egy felügyelt Docker-beállításjegyzék-szolgáltatás, amely tárolólemezképeket tárol és kezel. Ebben az architektúrában a Container Registry az előtérbeli webhely és a háttér API lemezképeit is kezeli. Ez a beállítás biztosítja a többügynökök rendszerösszetevőinek konzisztens üzembe helyezését és verziókövetését a környezetekben.
Forgatókönyv részletei
Ez az egyéni, többügynök-automatizálási motor az összetett, részlegek közötti üzleti folyamatok koordinálásának kihívásával foglalkozik, amelyek hagyományosan jelentős manuális felügyeletet és koordinációt igényeltek. A szervezetek gyakran küzdenek olyan feladatokkal, amelyek több szakterületre terjednek ki, konzisztens teljesítményt igényelnek a csapatok között, és auditnaplókat igényelnek a megfelelőség támogatásához.
Ez a megoldás egyéni kódolt, speciális AI-ügynököket használ, amelyek együttműködnek, hogy az összetett szervezeti feladatokat kezelhető összetevőkre bontsa. Minden ügynök hozzájárul a tartományspecifikus ismeretekhez és képességekhez. Ez a megközelítés lehetővé teszi, hogy a rendszer olyan kifinomult munkafolyamatokat kezeljen, amelyek egyébként emberi koordinációt igényelnének több részlegen. Az architektúra tárolóalapú üzembe helyezéssel skálázható, állandó adattárolással őrzi meg a tanulást, és az automatizált integrációs és kézbesítési folyamatokkal támogatja a folyamatos fejlesztést.
Lehetséges használati esetek
Vállalati folyamatautomatizálás
Alkalmazotti előkészítési vezénylés: Koordinálja az informatikai kiépítést, a HR-dokumentációt, a létesítményhozzáférést, a betanítási ütemterveket és a megfelelőségi követelményeket több részlegen.
Szerződéskezelési munkafolyamat: Automatizálhatja a jogi felülvizsgálatot, a beszerzés jóváhagyását, a pénzügyi elemzést és a szállítói kommunikációt összetett üzleti szerződések esetében.
Incidenskezelés koordinálása: A műszaki szervizelés, az érdekelt felek kommunikációja, dokumentációja és incidens utáni elemzése az informatikai, biztonsági és üzleti csapatokban.
Pénzügyi szolgáltatások és megfelelőség
Jogszabályi megfelelőség automatizálása: Koordinálja az adatgyűjtést, az elemzést, a jelentéskészítést és a beküldést egyszerre több szabályozási keretrendszerben.
Hitelfeldolgozási folyamat: Automatizálhatja a kreditelemzést, a kockázatértékelést, a dokumentáció áttekintését és a jóváhagyási munkafolyamatokat, amelyek több speciális csapatot is tartalmaznak.
Naplózás-előkészítés kezelése: Koordinálja a bizonyítékok gyűjtését, a dokumentáció előkészítését, az érdekelt felek interjúit és a megfelelőség ellenőrzését az üzleti egységek között.
Egészségügy és kutatás
Klinikai vizsgálatok kezelése: A betegek toborzásának, jogszabályi megfelelőségének, adatgyűjtésének, biztonsági monitorozásának és jelentéskészítésének vezénylése a kutatócsoportok között.
Betegellátás koordinálása: Automatizálhatja az ütemezést, a kezelés megtervezését, a biztosítás ellenőrzését és az ápolási csapat kommunikációját összetett orvosi esetek esetén.
Orvosi berendezések beszerzése: Koordinálja a klinikai követelményeket, a műszaki specifikációkat, a szállítók értékelését és a szabályozási jóváhagyási folyamatokat.
Gyártási és ellátási lánc
Termékindítási koordináció: A tervezés véglegesítésének, a gyártás beállításának, a minőségbiztosításnak, a marketing előkészítésének és a forgalmazás tervezésének vezénylése.
Beszállítói előkészítési folyamat: Automatizálhatja a minősítési értékeléseket, a szerződéstárgyalásokat, a rendszerintegrációkat és a teljesítményfigyelési beállításokat.
Minőségi incidenskezelés: Koordinálja a kivizsgálást, a kiváltó okok elemzését, a korrekciós műveleteket és a szállítói kommunikációt a minőséggel kapcsolatos problémák esetén.
Alternatívák
Ez az architektúra több összetevőt is tartalmaz, amelyeket más Azure-szolgáltatásokkal vagy megközelítésekkel helyettesíthet a számítási feladat funkcionális és nem funkcionális követelményeitől függően. Fontolja meg a következő alternatívákat és kompromisszumoket.
Ügynök vezénylése
Jelenlegi megközelítés: Ez a megoldás a Szemantikus Kernel SDK-val írt egyéni ügynökkódot használ az ügynökök és azok interakcióinak vezénylésére. A Container Apps a kódot futtató központi vezénylő számításként szolgál. Ez a kód koordinálja az aktív munkafolyamatokon működő több AI-ügynököt. Ez a megközelítés egy kódelső megoldás, amely maximálisan szabályozza az ügynök viselkedését, a vezénylési logikát és a számítási skálát.
Alternatív megközelítés: Az Azure AI Foundry Agent Service használatával definiálhat ügynököket, és egyenként csatlakoztathatja őket a megfelelő tudástárakhoz és eszközökhöz. Ez a megközelítés egy kód nélküli megoldás, amely az ügynök viselkedését és az ügynökkapcsolatokat egy rendszerkérésen keresztül határozza meg. Az ügynökök az Ön nevében vannak üzemeltetve, és Ön nem tudja szabályozni az ügynököket futtató számítást.
Fontolja meg ezt az alternatívát, ha a számítási feladat a következő jellemzőkkel rendelkezik:
Nincs szükség determinisztikus ügynök-vezénylésre. Az ügynök viselkedését, beleértve a tudástár hozzáférését és az eszközhasználatot is, egy rendszerkérésen keresztül lehet megfelelően meghatározni.
Nincs szükség az ügynökök számításának teljes ellenőrzésére.
Csak HTTPS-kompatibilis eszközökre van szüksége, és a tudástárak kompatibilisek az Foundry Agent Service szolgáltatással.
A vegyes követelményekkel rendelkező szervezetek esetében a hibrid megközelítés hatékony lehet. A standard munkafolyamatok az Foundry Agent Service szolgáltatást használják, míg a kritikus vagy nagy mértékben testre szabott folyamatok saját üzemeltetésű vezénylést használnak a Container Appsben.
Költségoptimalizálás
A költségoptimalizálás a szükségtelen kiadások csökkentésére és a működési hatékonyság javítására összpontosít. További információt a Költségoptimalizálás tervezési felülvizsgálati ellenőrzőlistájában talál.
A forgatókönyv futtatásának költségeiről az Előre konfigurált becslést az Azure díjszabási kalkulátorában talál.
A díjszabás régiónként és használatonként eltérő, ezért nem lehet előre előre előre jelezni a pontos költségeket. Az infrastruktúra legtöbb Azure-erőforrása használatalapú díjszabási modelleket követ. A Tárolóregisztrációs adatbázis azonban napi fix költséggel jár az egyes beállításjegyzékekhez.
A forgatókönyv üzembe helyezése
Az architektúra implementációjának üzembe helyezéséhez kövesse a GitHub-adattár lépéseit.
Közreműködők
A Microsoft fenntartja ezt a cikket. A következő közreműködők írták ezt a cikket.
Fő szerző:
- Salamon Pickett | Szoftvermérnök II
Egyéb közreműködő:
- Mark Taylor | Fő szoftvermérnök
A nem nyilvános LinkedIn-profilok megtekintéséhez jelentkezzen be a LinkedInbe.
Következő lépés
- Az ügynökarchitektúra áttekintése a Szemantic Kernel használatával