Использование изображений с агентом

В этом руководстве показано, как использовать изображения с агентом, позволяя агенту анализировать и реагировать на содержимое изображения.

Передача изображений агенту

Вы можете отправить изображения агенту, создав ChatMessage, который включает как текст, так и изображение. Затем агент может проанализировать изображение и ответить соответствующим образом.

Сначала создайте объект AIAgent , который может анализировать изображения.

AIAgent agent = new AIProjectClient(
    new Uri("<your-foundry-project-endpoint>"),
    new DefaultAzureCredential())
    .AsAIAgent(
        model: "gpt-4o",
        name: "VisionAgent",
        instructions: "You are a helpful agent that can analyze images");

Предупреждение

DefaultAzureCredential удобно для разработки, но требует тщательного рассмотрения в рабочей среде. В рабочей среде рекомендуется использовать определенные учетные данные (например, ManagedIdentityCredential), чтобы избежать проблем с задержкой, непреднамеренной проверки данных аутентификации и потенциальных рисков безопасности из-за резервных механизмов.

Затем создайте ChatMessage, который содержит обо текстовую подсказку и URL-адрес изображения. Используется TextContent для текста и UriContent изображения.

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")
]);

Запустите агент с сообщением. Потоковую передачу можно использовать для получения ответа по мере его создания.

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

Это выведет анализ изображения агентом в консоль.

Передача изображений агенту

Вы можете отправить изображения агенту, создав Message, который включает как текст, так и изображение. Затем агент может проанализировать изображение и ответить соответствующим образом.

Сначала создайте агент, который может анализировать изображения.

import asyncio
import os
from agent_framework.openai import OpenAIChatCompletionClient
from azure.identity import AzureCliCredential

agent = OpenAIChatCompletionClient(
    model=os.environ["AZURE_OPENAI_CHAT_COMPLETION_MODEL"],
    azure_endpoint=os.environ["AZURE_OPENAI_ENDPOINT"],
    api_version=os.getenv("AZURE_OPENAI_API_VERSION"),
    credential=AzureCliCredential(),
).as_agent(
    name="VisionAgent",
    instructions="You are a helpful agent that can analyze images"
)

Затем создайте Message, который содержит обо текстовую подсказку и URL-адрес изображения. Используется Content.from_text() для текста и Content.from_uri() изображения.

from agent_framework import Message, Content

message = Message(
    role="user",
    contents=[
        Content.from_text(text="What do you see in this image?"),
        Content.from_uri(
            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"
        )
    ]
)

Вы также можете загрузить образ из локальной файловой системы с помощью Content.from_data():

from agent_framework import Message, Content

# Load image from local file
with open("path/to/your/image.jpg", "rb") as f:
    image_bytes = f.read()

message = Message(
    role="user",
    contents=[
        Content.from_text(text="What do you see in this image?"),
        Content.from_data(
            data=image_bytes,
            media_type="image/jpeg"
        )
    ]
)

Запустите агент с сообщением. Потоковую передачу можно использовать для получения ответа по мере его создания.

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

asyncio.run(main())

Это выведет анализ изображения агентом в консоль.

Передача изображений агенту

Вы можете отправить изображения агенту, создав message, который включает как текст, так и изображение. Затем агент может проанализировать изображение и ответить соответствующим образом.

Сначала создайте агент, который может анализировать изображения.

import (
    "context"
    "fmt"
    "os"

    "github.com/microsoft/agent-framework-go/agent"
    "github.com/microsoft/agent-framework-go/provider/foundryprovider"
    "github.com/microsoft/agent-framework-go/message"

    "github.com/Azure/azure-sdk-for-go/sdk/azidentity"
)

token, err := azidentity.NewDefaultAzureCredential(nil)
if err != nil {
    panic(err)
}

a := foundryprovider.NewAgent(
    os.Getenv("FOUNDRY_PROJECT_ENDPOINT"),
    token,
    foundryprovider.ModelDeployment(os.Getenv("FOUNDRY_MODEL")),
    foundryprovider.AgentConfig{
        Instructions: "You are a helpful agent that can analyze images",
        Config: agent.Config{
            Name: "VisionAgent",
        },
    },
)

Предупреждение

azidentity.NewDefaultAzureCredential удобно для разработки, но требует тщательного рассмотрения в рабочей среде. В рабочей среде рекомендуется использовать определенные учетные данные, например azidentity.NewManagedIdentityCredential, чтобы избежать проблем с задержкой, непреднамеренного проверки учетных данных и потенциальных рисков безопасности от резервных механизмов.

Затем создайте сообщение, содержащее текстовый запрос и URL-адрес изображения. Используется message.TextContent для текста и message.URIContent изображения.

msg := message.New(
    &message.TextContent{Text: "What do you see in this image?"},
    &message.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",
        MediaType: "image/jpeg",
    },
)

Вы также можете загрузить образ из локальной файловой системы с помощью message.DataContent:

import "encoding/base64"

imageBytes, err := os.ReadFile("path/to/your/image.jpg")
if err != nil {
    panic(err)
}

msg := message.New(
    &message.TextContent{Text: "What do you see in this image?"},
    &message.DataContent{
        Data:      base64.StdEncoding.EncodeToString(imageBytes),
        MediaType: "image/jpeg",
    },
)

Запустите агент с сообщением. Потоковую передачу можно использовать для получения ответа по мере его создания.

ctx := context.Background()
resp, err := a.RunMessage(ctx, msg).Collect()
fmt.Println(resp.Text(), err)

Это выведет анализ изображения агентом в консоль.

Дальнейшие шаги

Структурированные выходные данные