Udostępnij przez

Samouczek: tworzenie agenta podróży sztucznej inteligencji przy użyciu usług Azure DocumentDB i LangChain

W tym samouczku pokazano, jak utworzyć autonomicznego agenta sztucznej inteligencji, który przetwarza zapytania podróżnych i rezerwacje na linię wycieczkową. Agent sztucznej inteligencji używa struktury agenta LangChain do planowania, użycia narzędzi i percepcji. Następnie agent łączy te funkcje z wektorową bazą danych usługi Azure DocumentDB i możliwościami przechowywania dokumentów dla ujednoliconego systemu pamięci.

Przykładowy agent działa w zapleczu fastAPI języka Python i obsługuje interakcje użytkowników za pośrednictwem interfejsu użytkownika React JavaScript. Ta implementacja pokazuje, jak agenci sztucznej inteligencji przechodzą poza podstawowe czatboty, aby wykonywać złożone zadania na podstawie języka naturalnego, które tradycyjnie wymagają zapisanej w kodzie logiki.

W tym poradniku nauczysz się, jak:

  • Konfigurowanie usługi Azure DocumentDB z funkcjami wyszukiwania wektorowego
  • Ładowanie dokumentów podróży i tworzenie zakodowań wektorowych
  • Tworzenie agenta sztucznej inteligencji przy użyciu języka Python FastAPI i LangChain
  • Implementowanie narzędzi agenta na potrzeby wyszukiwania urlopowego, wyszukiwania tras i rezerwacji
  • Tworzenie interfejsu internetowego platformy React na potrzeby interakcji użytkownika
  • Testowanie kompletnego rozwiązania agenta sztucznej inteligencji

Wymagania wstępne

  • Subskrypcja platformy Azure

  • Istniejący klaster usługi Azure DocumentDB

  • Konto dla API OpenAI lub Azure OpenAI Service.

  • Zintegrowane środowisko programistyczne, takie jak Visual Studio Code.

  • Python 3.11.4 lub nowszy zainstalowany w środowisku deweloperskim.

  • Node.js zainstalowane dla frontonu React.

Pobieranie przykładowego projektu

Wszystkie kody i przykładowe zestawy danych są dostępne w repozytorium GitHub Travel AI Agent.

  1. Sklonuj lub pobierz repozytorium (https://github.com/jonathanscholtes/Travel-AI-Agent-React-FastAPI-and-Cosmos-DB-Vector-Store) do lokalnego środowiska deweloperskiego.

  2. Przejdź do katalogu projektu i zapoznaj się ze strukturą:

    • /loader: Zawiera kod języka Python do ładowania przykładowych dokumentów i osadzania wektorów w usłudze Azure DocumentDB

    • /api: zawiera projekt FastAPI języka Python do hostowania agenta podróży sztucznej inteligencji

    • /web: zawiera kod dla interfejsu internetowego react

Ładowanie dokumentów podróży do usługi Azure DocumentDB

Katalog /loader zawiera projekt w języku Python do ładowania przykładowych dokumentów podróży do Azure DocumentDB i tworzenia niezbędnych wektorowych osadzeń.

  1. Przejdź do katalogu /loader w terminalu.

  2. Tworzenie środowiska wirtualnego języka Python:

    python -m venv venv

  3. Aktywuj środowisko wirtualne:

    # On Windows
venv\Scripts\activate

# On macOS/Linux
source venv/bin/activate

  4. Zainstaluj wymagane zależności:

    python -m pip install -r requirements.txt

  5. .env Utwórz plik w /loader katalogu ze szczegółami połączenia:

    OPENAI_API_KEY="<your OpenAI key>"
MONGO_CONNECTION_STRING="mongodb+srv:<your connection string from Azure DocumentDB>"

  6. Plik main.py służy jako centralny punkt wejścia do ładowania danych. Przetwarza przykładowe dane podróży, w tym informacje o statku i miejscu docelowym, a następnie generuje pakiety podróży.

  7. Uruchom skrypt ładowania danych z /loader katalogu. Skrypt wykonuje następujące operacje:

    • Odczytuje dane wysyłkowe i docelowe z plików JSON

    • Tworzy pięć pakietów tras przy użyciu ItineraryBuilder

    • Zapisuje pakiety tras do kolekcji itinerary

    • Zapisuje miejsca docelowe w kolekcji destinations

    • Tworzy osadzenia wektorowe dla statków w kolekcji ships

    • Dodaje indeks wyszukiwania tekstu do nazw statków

    python main.py

  8. Sprawdź, czy dane wyjściowe pokazują pomyślne zakończenie:

    --build itinerary--
--load itinerary--
--load destinations--
--load vectors ships--

Tworzenie interfejsu API agenta podróży AI

Agent podróży sztucznej inteligencji jest hostowany za pośrednictwem zaplecza FastAPI w języku Python, które integruje się z interfejsem frontendowym i przetwarza żądania agentów przez osadzanie dużych monitów modelu językowego (LLM) w odniesieniu do danych usługi Azure DocumentDB.

  1. Przejdź do katalogu /api w terminalu.

  2. Tworzenie i aktywowanie środowiska wirtualnego języka Python:

    python -m venv venv

# On Windows
venv\Scripts\activate

# On macOS/Linux
source venv/bin/activate

  3. Zainstaluj wymagane zależności:

    python -m pip install -r requirements.txt

  4. .env Utwórz plik w /api katalogu:

    OPENAI_API_KEY="<your OpenAI key>"
MONGO_CONNECTION_STRING="mongodb+srv:<your connection string from Azure DocumentDB>"

  5. Uruchom aplikację FastAPI z /api katalogu:

    python app.py

  6. Serwer domyślnie uruchamia się na http://127.0.0.1:8000.

  7. Zapoznaj się z punktami końcowymi interfejsu API, korzystając z interaktywnej dokumentacji programu Swagger pod adresem http://127.0.0.1:8000/docs.

Testowanie funkcjonalności agenta sztucznej inteligencji

Przetestuj, czy agent sztucznej inteligencji działa zgodnie z oczekiwaniami.

  1. W interfejsie Swagger przetestuj punkt końcowy dla sesji.

    • Przejdź do /session/ strony i wybierz pozycję Wypróbuj

    • Wykonaj żądanie, aby uzyskać identyfikator sesji na potrzeby śledzenia historii konwersacji

  2. Przetestuj funkcję czatu agenta:

    • Przejdź do /agent/agent_chat strony i wybierz pozycję Wypróbuj

    • Użyj tych przykładowych danych wejściowych, aby przetestować agenta:

    {
  "input": "I want to take a relaxing vacation.",
  "session_id": "your-session-id-from-step-1"
}

  3. Agent powinien reagować na zalecenia dotyczące rejsu na podstawie wyszukiwania podobieństwa wektorów, demonstrując integrację między usługą LLM i usługą Azure DocumentDB.

Tworzenie interfejsu internetowego platformy React

Interfejs internetowy zapewnia przyjazny dla użytkownika sposób interakcji z agentem podróży sztucznej inteligencji za pośrednictwem interfejsu konwersacyjnego.

Konfigurowanie środowiska React

  1. Przejdź do katalogu w terminalu /web .

  2. Zainstaluj zależności projektu:

    npm ci

  3. .env Utwórz plik w /web katalogu:

    REACT_APP_API_HOST=http://127.0.0.1:8000

Uruchamianie aplikacji internetowej

  1. Uruchom serwer deweloperów React:

    npm start

  2. Aplikacja zostanie otwarta automatycznie w domyślnej przeglądarce, zazwyczaj w witrynie http://localhost:3000.

  3. Interfejs przedstawia witrynę internetową podróży z obrazami statków wycieczkowych i docelowych.

Testowanie kompletnego rozwiązania

  1. Na stronie głównej wybierz pozycję Bez wysiłku zaplanuj podróż , aby otworzyć interfejs czatu asystenta podróży.

  2. Interfejs czatu otwiera się w oknie dialogowym ze wstępnie wypełnionym komunikatem: "Chcę wziąć relaksujące wakacje."

  3. Wybierz pozycję Prześlij , aby wysłać wiadomość do agenta sztucznej inteligencji.

  4. Agent odpowiada, przedstawiając zalecenia dotyczące rejsu na podstawie Twoich preferencji, demonstrując:

    • Przetwarzanie języka naturalnego

    • Wyszukiwanie podobieństwa wektorów w Azure DocumentDB

    • Pamięć konwersacyjna podczas całej sesji

    • Odpowiedzi w formacie HTML w interfejsie czatu

  5. Zapoznaj się z pełnym zakresem możliwości agenta, kontynuując konwersację. Zapytaj o konkretne statki, trasy lub dokonywanie rezerwacji.

Omówienie architektury agenta sztucznej inteligencji

Implementacja agenta sztucznej inteligencji jest zgodna z architekturą warstwową, która oddziela kwestie i umożliwia utrzymanie.

Składniki warstwy usługi

Warstwa usługi zawiera podstawową logikę biznesową i implementację agenta LangChain:

  • Inicjowanie agenta: init.py moduł konfiguruje model ChatOpenAI, narzędzia agenta i historię konwersacji.

  • Narzędzia agenta: Trzy główne narzędzia obsługują wyszukiwanie urlopowe, wyszukiwanie tras i rezerwację rejsów.

  • Zarządzanie pamięcią: historia konwersacji jest przechowywana w usłudze Azure DocumentDB przy użyciu identyfikatorów sesji.

Funkcje narzędzi agenta

Agent sztucznej inteligencji używa trzech wyspecjalizowanych narzędzi.

  1. vacation_lookup: przeprowadza wyszukiwanie wektorów w usłudze Azure DocumentDB w celu znalezienia odpowiednich informacji o podróży.

  2. itinerary_lookup: pobiera szczegóły pakietu wycieczkowego i harmonogramy dla określonych statków.

  3. book_cruise: Obsługuje rezerwacje pakietów wycieczkowych z weryfikacją informacji o pasażerach.

Integracja warstwy danych

Warstwa danych obsługuje wszystkie interakcje z usługą Azure DocumentDB.

  • Wyszukiwanie wektorowe: wyszukiwanie podobieństwa z ocenianiem zaleceń dotyczących podróży.

  • Przechowywanie dokumentów: Ustrukturyzowane dane przeznaczone dla statków, miejsc docelowych i tras.

  • Historia konwersacji: przechowywanie wiadomości czatu oparte na sesji.

Uprzątnij zasoby

Jeśli nie potrzebujesz już zasobów utworzonych w tym samouczku, możesz je usunąć, aby uniknąć bieżących opłat:

  1. W witrynie Azure Portal przejdź do konta usługi Azure DocumentDB.

  2. Jeśli utworzono dedykowaną grupę zasobów na potrzeby tego samouczka, usuń całą grupę zasobów.

  3. W przeciwnym razie usuń utworzone kolekcje:

    • travel.itinerary

    • travel.destinations

    • travel.ships

    • travel.history

Następny krok

Dowiedz się więcej o wyszukiwaniu wektorów w usłudze Azure DocumentDB

  • Last updated on