소개
오늘날 조직에는 개인 설정된 컨텍스트 인식 응답을 제공하면서 복잡한 다단계 작업을 자율적으로 처리할 수 있는 애플리케이션이 필요합니다. AI 에이전트는 워크플로를 오케스트레이션하고, 관련 정보를 검색하고, 상호 작용 간에 대화 컨텍스트를 유지 관리하여 비즈니스가 고객과 상호 작용하는 방식을 변화시키고 있습니다.
수천 개의 숙소와 지속적인 게스트 문의가 있는 휴가용 임대 플랫폼인 Margie's Travel을 고려해 보세요. 개인 설정된 숙박을 추천하고, 게스트 피드백을 분석하고, 인벤토리 검사 및 감정 분석과 같은 특수 작업을 조정하려면 지능형 시스템이 필요합니다. Azure Database for PostgreSQL에서 제공하는 AI 에이전트를 통해 회사는 의미 체계 이해를 위한 벡터 검색, 컨텍스트 보존을 위한 영구 메모리 및 복잡한 워크플로에 대한 다중 에이전트 오케스트레이션을 결합하는 확장 가능한 솔루션을 빌드할 수 있습니다.
이 모듈에서는 Azure Database for PostgreSQL 및 오케스트레이션 프레임워크를 사용하여 AI 에이전트를 빌드하고 배포하는 방법을 보여 줍니다.
이 모듈에서는 다음을 알아봅니다.
- 에이전트 아키텍처와 PostgreSQL에서 정보 검색 및 메모리를 지원하는 방법을 이해합니다.
- 지능형 정보 검색을 위해 벡터 검색 및 의미 체계 연산자를 적용합니다.
- Microsoft 에이전트 프레임워크, LangGraph, LlamaIndex 및 Foundry 에이전트 서비스와 같은 에이전트 프레임워크를 평가합니다.
- PostgreSQL 통합과 함께 Foundry 에이전트 서비스를 사용하여 AI 에이전트를 구현합니다.
- 표준화된 도구 액세스를 위해 MCP(모델 컨텍스트 프로토콜)와 에이전트를 통합합니다.
이 모듈을 완료하면 다음을 수행할 수 있습니다.
- Azure Database for PostgreSQL을 사용하여 특수 작업을 조정하는 다중 에이전트 시스템을 빌드합니다.
- 컨텍스트 인식 에이전트 응답에 전원을 공급하도록 벡터 검색 및 의미 체계 검색을 구현합니다.
- 구조적 및 의미 체계 데이터에 액세스하는 Foundry 에이전트 서비스를 사용하여 에이전트를 배포합니다.
- MCP 기반 도구를 통합하여 외부 서비스와 에이전트 기능을 확장합니다.
- 컨텍스트를 유지하고 개인 설정된 상호 작용을 제공하는 확장 가능한 에이전트 아키텍처를 디자인합니다.