Usando imagens com um agente

Este tutorial mostra como usar imagens com um agente, permitindo que o agente analise e responda ao conteúdo da imagem.

Pré-requisitos

Para obter pré-requisitos e instalar pacotes NuGet, consulte a etapa Criar e executar um agente simples neste tutorial.

Passar imagens para o agente

Você pode enviar imagens para um agente criando um ChatMessage que inclua conteúdo de texto e imagem. O agente pode então analisar a imagem e responder em conformidade.

Primeiro, crie um AIAgent que seja capaz de analisar imagens.

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");

Em seguida, crie um ChatMessage que contenha um prompt de texto e um URL de imagem. Use TextContent para o texto e UriContent para a imagem.

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")
]);

Execute o agente com a mensagem. Você pode usar o streaming para receber a resposta à medida que ela é gerada.

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

Isso imprimirá a análise da imagem do agente no console.

Passar imagens para o agente

Você pode enviar imagens para um agente criando um ChatMessage que inclua conteúdo de texto e imagem. O agente pode então analisar a imagem e responder em conformidade.

Primeiro, crie um agente capaz de analisar imagens.

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"
)

Em seguida, crie um ChatMessage que contenha um prompt de texto e um URL de imagem. Use TextContent para o texto e UriContent para a imagem.

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"
        )
    ]
)

Você também pode carregar uma imagem do seu sistema de arquivos local usando DataContent:

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"
        )
    ]
)

Execute o agente com a mensagem. Você pode usar o streaming para receber a resposta à medida que ela é gerada.

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

asyncio.run(main())

Isso imprimirá a análise da imagem do agente no console.

Próximos passos

Ter uma conversa em vários turnos com um agente