Руководство по созданию агента по путешествиям ИИ с помощью Azure DocumentDB и LangChain

В этом руководстве показано, как создать автономный агент ИИ, который обрабатывает запросы путешественников и бронирование для круизной линии. Агент ИИ использует платформу агента LangChain для планирования, использования инструментов и восприятия. Затем агент объединяет эти функции с векторной базой данных Azure DocumentDB и возможностями хранилища документов для единой системы памяти.

Пример агента работает в серверной части Python FastAPI и поддерживает взаимодействие пользователей с помощью пользовательского интерфейса React JavaScript. Эта реализация демонстрирует, как агенты ИИ выходят за рамки базовых чат-ботов для выполнения сложных задач на основе естественного языка, которые традиционно требуют закодированную логику.

В этом руководстве вы узнаете, как:

Настройка Azure DocumentDB с помощью возможностей поиска векторов
Загрузка путевых документов и создание векторных встраиваний
Создание агента ИИ с помощью Python FastAPI и LangChain
Реализация средств агента для поиска отпусков, поиска маршрутов и резервирования
Создание веб-интерфейса React для взаимодействия с пользователем
Протестируйте комплектное решение ИИ агента

Предпосылки

подписка Azure
- Если у вас нет подписки Azure, создайте бесплатную учетную запись.

Существующий кластер Azure DocumentDB
- Если у вас нет кластера, создайте новый кластер

Учетная запись ДЛЯ API OpenAI или Службы Azure OpenAI.
Интегрированная среда разработки, например Visual Studio Code.
Python 3.11.4 или более поздней версии, установленный в среде разработки.
Node.js установлен для интерфейса React.

Скачивание примера проекта

Весь код и примеры наборов данных доступны в репозитории GitHub Travel AI Agent.

Клонируйте или скачайте репозиторий (https://github.com/jonathanscholtes/Travel-AI-Agent-React-FastAPI-and-Cosmos-DB-Vector-Store) в локальную среду разработки.
Перейдите в каталог проекта и изучите структуру:
- /loader: содержит код Python для загрузки примеров документов и внедрения векторов в Azure DocumentDB
- /api: содержит проект на основе Python FastAPI для размещения агента ИИ по путешествиям
- /web: содержит код для веб-интерфейса React

Загрузка документов для путешествий в Azure DocumentDB

Каталог /loader содержит проект на Python для загрузки примеров туристических документов в Azure DocumentDB и создания необходимых векторных встраиваний.

Перейдите к каталогу в терминале /loader .
Создайте виртуальную среду Python:
```
python -m venv venv
```

Активируйте виртуальную среду:

# On Windows
venv\Scripts\activate

# On macOS/Linux
source venv/bin/activate

Установите необходимые зависимости:
```
python -m pip install -r requirements.txt
```

Создайте файл в каталоге .env/loader со сведениями о подключении:

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

Файл main.py служит центральной точкой входа для загрузки данных. Он обрабатывает примеры данных о путешествиях, включая сведения о доставке и назначении, а затем создает пакеты маршрутов для путешествий.
Запустите скрипт загрузки данных из /loader каталога. Скрипт выполняет следующие операции:
- Считывает данные о доставке и назначении из JSON-файлов
- Создает пять пакетов маршрутов с помощью ItineraryBuilder
- Сохраняет пакеты маршрутов в коллекцию itinerary
- Сохраняет пункты назначения в destinations коллекцию
- Создает векторные встраивания для кораблей в ships коллекции
- Добавляет индекс поиска по тексту для названий кораблей.
```
python main.py
```
Убедитесь, что выходные данные показывают успешное завершение:
```
--build itinerary--
--load itinerary--
--load destinations--
--load vectors ships--
```

Создать API туристического агента на базе ИИ

Агент путешествий ИИ размещается через серверную часть Python FastAPI, которая интегрируется с фронтендом и обрабатывает запросы агента путем сопоставления данных Azure DocumentDB с запросами, использующими большие языковые модели (LLM).

Перейдите к каталогу в терминале /api .

Создайте и активируйте виртуальную среду Python:

python -m venv venv

# On Windows
venv\Scripts\activate

# On macOS/Linux
source venv/bin/activate

Установите необходимые зависимости:
```
python -m pip install -r requirements.txt
```

.env Создайте файл в каталоге/api:

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

Запустите приложение FastAPI из /api каталога:
```
python app.py
```
Сервер запускается на http://127.0.0.1:8000 по умолчанию.
Доступ к интерактивной документации Swagger по адресу http://127.0.0.1:8000/docs позволит вам более подробно изучить конечные точки API.

Тестирование функциональных возможностей агента ИИ

Проверьте, работает ли агент ИИ должным образом.

В интерфейсе Swagger проверьте конечную точку сеанса:
- Перейдите к разделу /session/ и выберите "Попробовать"
- Выполните запрос, чтобы получить идентификатор сеанса для отслеживания журнала бесед
Проверьте функциональные возможности чата агента:
- Перейдите к разделу /agent/agent_chat и выберите "Попробовать"
- Используйте этот пример входных данных для тестирования агента:
```
{
  "input": "I want to take a relaxing vacation.",
  "session_id": "your-session-id-from-step-1"
}
```
Агент должен отвечать с рекомендациями по круизам на основе векторного поиска по сходству, демонстрируя интеграцию между моделью LLM и Azure DocumentDB.

Создание веб-интерфейса React

Веб-интерфейс предоставляет удобный способ взаимодействия с агентом по путешествиям ИИ через диалоговый интерфейс.

Настройка среды React

Перейдите в каталог /web в терминале.
Установите зависимости проекта:
```
npm ci
```
.env Создайте файл в каталоге/web:
```
REACT_APP_API_HOST=http://127.0.0.1:8000
```

Запуск веб-приложения

Запустите сервер разработки React:
```
npm start
```
Приложение автоматически открывается в браузере по умолчанию, как правило, в http://localhost:3000.
В интерфейсе показан веб-сайт путешествия с круизными кораблями и изображениями назначения.

Тестирование полного решения

На главной странице выберите Легкое планирование путешествия, чтобы открыть интерфейс чата помощника по путешествиям.
Интерфейс чата открывается в диалоговом окне с предварительно заполненным сообщением: "Я хочу принять отдых".
Нажмите кнопку "Отправить ", чтобы отправить сообщение агенту ИИ.
Агент отвечает с рекомендациями круиза на основе входных данных, демонстрируя следующее:
- Обработка естественного языка
- Поиск сходства векторов в Azure DocumentDB
- Память беседы во время сессии
- Ответы в формате HTML в интерфейсе чата
Просмотрите полный спектр возможностей агента, продолжая беседу. Спросите о конкретных кораблях, маршрутах или о заказе.

Общие сведения об архитектуре агента ИИ

Реализация агента ИИ следует многоуровневой архитектуре, которая разделяет проблемы и обеспечивает удобство обслуживания.

Компоненты уровня служб

Уровень служб содержит основную бизнес-логику и реализацию агента LangChain:

Инициализация агента: init.py модуль настраивает модель ChatOpenAI, средства агента и журнал бесед.
Средства агента: три основных средства обработки поиска отпусков, поиска маршрутов и круизного бронирования.
Управление памятью. Журнал бесед хранится в Azure DocumentDB с помощью идентификаторов сеанса.

Функциональные возможности средств агента

Агент ИИ использует три специализированных средства.

vacation_lookup. Проводит векторный поиск по Azure DocumentDB, чтобы найти соответствующие сведения о путешествиях.
itinerary_lookup: извлекает сведения о круизных пакетах и расписаниях для конкретных кораблей.
book_cruise: обрабатывает бронирование круизных пакетов с помощью проверки информации о пассажирах.

Интеграция уровня данных

Уровень данных обрабатывает все взаимодействия с Azure DocumentDB.

Векторный поиск: поиск сходства с оценкой рекомендаций по путешествиям.
Хранилище документов: структурированные данные для кораблей, назначений и маршрутов.
Журнал бесед: хранилище сообщений чата на основе сеансов.

Очистите ресурсы

Если ресурсы, созданные в этом руководстве, больше не нужны, их можно удалить, чтобы избежать текущих расходов.

На портале Azure перейдите к учетной записи Azure DocumentDB.
Если вы создали выделенную группу ресурсов для этого руководства, удалите всю группу ресурсов.
В противном случае удалите определенные коллекции, созданные:
- travel.itinerary
- travel.destinations
- travel.ships
- travel.history

Следующий шаг

Сведения о поиске векторов в Azure DocumentDB

Обратная связь

Были ли сведения на этой странице полезными?

Last updated on 2025-11-19