Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Microsoft Discovery supporta gli agenti tra due offerte. Discovery è una piattaforma cloud gestita. L'app di individuazione è un'esperienza locale basata su GitHub Copilot. Questo articolo descrive i tipi di agente disponibili in ogni offerta e consente di scegliere l'approccio appropriato per lo scenario.
Agenti di individuazione (servizio cloud)
Agente di prompt
Un agente di prompt esegue il wrapping di una singola chiamata del modello linguistico di grandi dimensioni con istruzioni di sistema, input strutturati, strumenti e knowledge base. Gli agenti prompt gestiscono attività specializzate e possono operare in modo indipendente oppure il motore di individuazione può orchestrare gli agenti.
Usa gli agenti di prompt per:
- Ricerca specializzata: operare specifici strumenti scientifici o modelli di dominio, come simulazioni di dinamiche molecolari.
- Pianificazione e coordinamento: generare piani di ricerca, prendere decisioni di routing o riepilogare i risultati.
- Operazioni dei dati: interagire con gli asset di archiviazione, eseguire calcoli e produrre output scientifici.
Componenti dell'agente di prompt
Ogni agente prompt è costituito da componenti di base configurati tramite Discovery Studio.
Nome e descrizione
Il nome dell'agente funge da identificatore univoco nell'ambito del progetto. Tu usi questo nome per:
-
Richiamare direttamente gli agenti: immettere nella chat per instradare
@AgentNamei messaggi a agenti specifici. - Riferimento nell'orchestrazione: il motore di rilevamento fa riferimento agli agenti di prompt per nome.
- Funzionalità di individuazione: i nomi vengono visualizzati in Discovery Studio e aiutano gli agenti di routing a prendere decisioni di delega.
La descrizione fornisce un breve riepilogo dello scopo dell'agente, visibile nell'interfaccia utente e usato da altri agenti per comprendere le funzionalità.
Istruzioni
Le istruzioni sono prompt in linguaggio naturale che definiscono il comportamento, la personalità e l'approccio di ragionamento dell'agente. Questo componente determina il modo in cui l'agente interpreta gli input, usa gli strumenti e genera output.
Le istruzioni valide devono:
- Specificare chiaramente il ruolo e i limiti dell'agente.
- Descrivere il formato di output previsto.
- Includere i vincoli e il contesto di dominio pertinenti.
- Fare riferimento al contesto del flusso di lavoro quando si opera come parte di un team.
- Mantieni sotto 32.000 caratteri.
Selezione del modello
Il modello di intelligenza artificiale alimenta il ragionamento dell'agente. Discovery supporta le distribuzioni di modelli a livello di area di lavoro condivisi tra tutti gli agenti dei progetti. GPT-5.4 è il modello consigliato per tutti gli agenti di individuazione ed è disponibile in tutte le aree di produzione.
GPT-5.2 offre funzionalità affidabili sia per operazioni pesanti che per attività di ragionamento avanzate, tra cui:
- Esecuzione affidabile degli strumenti per gli agenti che richiamano spesso strumenti, eseguono calcoli o chiamano API.
- Ragionamento avanzato per attività di pianificazione, riepilogo, revisione della letteratura e analisi.
- Prestazioni coerenti nei flussi di lavoro scientifici.
È anche possibile distribuire modelli dal catalogo dei modelli di Microsoft Foundry a livello di area di lavoro e farvi riferimento in base al nome della distribuzione. È possibile distribuire modelli come risorse Azure Resource Manager.
Quando crei agenti, fai riferimento al deployment del modello di chat specificando il nome del deployment (ad esempio, my-gpt-4o-deployment) anziché un ID della risorsa. Discovery risolve i nomi di distribuzione a livello di area di lavoro, rendendoli disponibili per tutti gli agenti del progetto.
Controlli di risposta
Due parametri controllano le caratteristiche della risposta del modello per i modelli non basati sul ragionamento:
-
Temperatura (0-2): usa valori inferiori per produrre output deterministici. I valori più alti aumentano la creatività. Usare
0per gli agenti di routing e pianificazione che richiedono un comportamento coerente. - Top-P (0-1): controlla la diversità di campionamento del nucleo. Usare valori inferiori per le attività di precisione. Usare valori più elevati per le attività esplorative o creative.
Input strutturati
Gli input strutturati definiscono parametri tipizzati che il tuo agente accetta dai chiamanti o dai flussi di lavoro. Ogni input specifica:
-
Nome: nome variabile a cui si fa riferimento nelle istruzioni usando
{{variableName}}la sintassi. - Descrizione: viene spiegato ciò che fornisce l'input.
- Obbligatorio: indica se l'input deve essere fornito in fase di chiamata.
- Valore predefinito: valore di riserva facoltativo se non fornito.
Quando il motore Discovery o altri agenti richiamano gli agenti prompt, eseguono il mapping delle variabili agli input strutturati tramite associazioni di argomenti.
Output strutturato
Configurare gli agenti per restituire json strutturato anziché testo a mano libera. Questa funzionalità è essenziale quando gli output richiedono l'analisi a livello di codice, ad esempio:
- Agenti di router che restituiscono la selezione dell'agente successivo.
- Agenti critici che restituiscono punteggi di valutazione.
- Agenti di elaborazione dati che restituiscono risultati strutturati.
Definire lo schema di output previsto usando il formato dello schema JSON.
Tools
Gli strumenti estendono le funzionalità dell'agente oltre la generazione del linguaggio. Discovery supporta diversi tipi di strumenti.
| Tipo di strumento | Descrizione | Configurazione |
|---|---|---|
| Strumenti di individuazione | Include strumenti scientifici e strumenti per l'elaborazione dei dati specifici del dominio. | Interfaccia utente di scoperta |
| Interprete di codice | Esegue codice Python con librerie scientifiche come RDKit. | Interfaccia utente di Foundry |
| Strumenti del Model Context Protocol | Si connette ai server model context protocol per l'individuazione dinamica degli strumenti. | Interfaccia utente di Foundry |
| Foundry Tools integrato | Include strumenti standard come la ricerca di file e la ricerca Web. | Interfaccia utente di Foundry |
| Funzioni personalizzate | Include Funzioni di Azure o endpoint API definiti dall'utente. | Interfaccia utente di Foundry |
Knowledge base
Le knowledge base forniscono un grounding aumentato dal recupero, che consente agli agenti di accedere a informazioni specifiche del dominio oltre i dati di training del modello. Creare knowledge base a livello di sottoscrizione e collegarle agli agenti per riferimento. Questa funzionalità consente agli agenti di rispondere alle domande con informazioni effettive e aggiornate basate su documenti e set di dati specifici.
Orchestrazione di agenti multipli con Discovery Engine
Per gli scenari che richiedono la collaborazione di più agenti, usare il motore di individuazione. Il motore di individuazione seleziona in modo dinamico gli agenti, pianifica l'esecuzione, monitora lo stato di avanzamento e si adatta quando i risultati differiscono dalle aspettative. Questo approccio offre:
- Selezione agente dinamico in base ai requisiti delle attività.
- Ripristino automatico in caso di errore e ripianificazione.
- Ragionamento continuo nel corso di indagini di lunga durata.
- Coordinamento adattivo senza sequenze statiche predefinite.
Note
Gli agenti del flusso di lavoro (orchestrazione statica del flusso di azione tramite kind: workflow) sono deprecati. Il motore di discovery offre un'orchestrazione multi-agente avanzata grazie a un coordinamento dinamico e autonomo. Per indicazioni sulla migrazione, vedere la documentazione del motore di individuazione.
Agenti dell'app di rilevamento
L'app Discovery è un'esperienza in locale per la piattaforma Discovery. Si basa su GitHub Copilot, che consente ai singoli utenti di creare agenti personalizzati per la sperimentazione e la convalida.
Agenti personalizzati tramite competenze di Copilot
Nell'app Discovery, crei agenti usando le competenze acquisite seguendo il modello di estendibilità di GitHub Copilot. Questo approccio offre:
- Creazione basata sulle competenze: definisci le capacità dell'agente come competenze usando la documentazione e i modelli di GitHub Copilot.
- Recupero della conoscenza locale: Collega una base di conoscenza locale, in modo che gli agenti possano recuperare conoscenze private per fornire risposte fondate.
- Iterazione rapida: testa e perfeziona gli agenti localmente prima di promuoverli a Discovery.
Orchestrazione multiagente nell'app Discovery
L'app di individuazione supporta due approcci per orchestrare più agenti:
- Motore di Discovery: Usa lo stesso motore di orchestrazione autonomo disponibile in Discovery. Il motore di individuazione seleziona in modo dinamico gli agenti, pianifica l'esecuzione e si adatta ai risultati.
- Orchestrazione basata sulle competenze: usare le competenze per coordinare e orchestrare più agenti. Le competenze possono definire la logica di orchestrazione che instrada il lavoro tra gli agenti per abilitare modelli multi-agente flessibili all'interno del framework GitHub Copilot.
Quando usare gli agenti dell'app Discovery
Gli agenti dell'app Discovery sono ideali per:
- Sperimentazione e prototipazione individuali.
- Convalida dei progetti degli agenti prima della distribuzione al team.
- Orchestrazione multi-agente tramite il motore di individuazione o il coordinamento basato sulle competenze.
- Scenari che richiedono la selezione flessibile del modello, inclusi gli endpoint non Microsoft.
- Recupero delle informazioni private dalle origini locali.