Примечание.
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
Применяется к: Azure Logic Apps (Расход + Стандарт)
Это важно
Возможности агентских рабочих процессов потребления доступны в предварительной версии и применяются дополнительные условия использования для предварительных версий Microsoft Azure.
Azure Logic Apps поддерживает рабочие процессы, которые выполняют задачи с помощью циклов агента с большими языковыми моделями (LLM). Цикл агента использует итеративный процесс для решения сложных многошаговых задач. LLM — это обученная программа, которая распознает шаблоны и выполняет задания без взаимодействия с человеком, например:
- Анализ, интерпретация и размышление о таких сведениях, как инструкции, запросы, входные данные и другие данные.
- Принимать решения на основе результатов и доступных данных.
- Сформулируйте и верните ответы обратно в подсказку в соответствии с инструкциями агента.
Вы можете создавать рабочие процессы, использующие циклы автономных или беседных агентов. Цикл агента использует естественный язык для общения с вами и подключенной моделью. Агент также использует созданные моделью выходные данные для работы с человеческим взаимодействием или без нее. Модель помогает циклу агента предоставить следующие возможности:
- Примите сведения о роли агента, о том, как работать и как реагировать.
- Получение инструкций и реагирование на инструкции и приглашения или запросы.
- Обработка входных данных, анализ данных и выбор на основе доступных сведений.
- Выберите средства для выполнения задач, необходимых для выполнения запросов. Инструмент — это по сути последовательность с одним или несколькими действиями, которые выполняют задачу.
- Адаптироваться к средам, которые требуют гибкости и являются гибкими, динамическими, непредсказуемыми или неустойчивыми.
Благодаря 1400+ соединителям, которые можно использовать для создания инструментов с использованием цикла агента, агентные рабочие процессы поддерживают широкий спектр сценариев, которые значительно выигрывают от возможностей цикла агента и возможностей модели. На основе вашего сценария создайте автономный рабочий процесс агента без взаимодействия с человеком или беседового агента с человеческим взаимодействием в соответствии с потребностями вашего решения.
В этом обзоре рассматриваются следующие области:
- Агент и неагентические рабочие процессы
- Основные понятия ключа цикла агента
- Автономные и диалоговые агентические рабочие процессы
- Структура агента
- Пример сценариев
- Проверка подлинности и авторизация
- Основные сведения о выставлении счетов
Агент и неагентические рабочие процессы
Рабочие процессы, использующие циклы агентов, могут развиваться за рамки неагентических рабочих процессов. Рабочие процессы агента могут адаптироваться к средам, в которых происходят непредвиденные события, выбирать средства, используемые на основе запросов, входных данных и доступных данных, непрерывно улучшать их производительность, обрабатывать неструктурированные данные, поддерживать сложные сценарии и обеспечивать более высокий уровень адаптации и гибкости. Неагентические рабочие процессы лучше всего работают в стабильных средах, следуют предопределенным правилам и выполняют задачи, которые являются статическими, предсказуемыми и повторяющимися.
В следующей таблице приведены дополнительные сравнения между агентическими рабочими процессами и неагентическими рабочими процессами:
| Аспект | Агент | Неагент |
|---|---|---|
| Логика | Сделайте информированный выбор задач для выполнения, на основе входных данных и других доступных сведений, а также выполните действия. | Следуйте предопределенным правилам и фиксированным последовательности. |
| Управление задачами | Рассматривать задачи как отдельные сущности | Неприменимо |
| Структура данных | Обработка и обработка неструктурированных данных. | Обработка и обработка структурированных данных с прогнозируемыми шаблонами. |
| Приспособляемость | Обнаружение и реагирование на изменение условий и сред, принятие решений и адаптация к новым входным данным в режиме реального времени. | Может бороться с средами, которые испытывают непредвиденные или динамические изменения. |
Основные понятия
В следующей таблице приведены основные сведения о ключевых понятиях:
| Понятие | Описание |
|---|---|
| Цикл агента | Предварительно созданное действие, использующее структурированный итеративный процесс для решения сложных многофакторных задач. Цикл агента выполняет эту задачу, итеративно выполнив следующие действия: 1. Думайте: сбор, обработка и анализ доступных данных и входных данных, таких как текст, изображения, аудио, данные датчика и т. д. из определенных источников данных. Применение причин, логики или моделей обучения для понимания запросов, создания планов или решений и выбора оптимального действия для ответа или выполнения запросов с помощью моделей создания искусственного интеллекта. 2. Действие: На основе сделанных выборов и имеющихся инструментов, выполняйте задачи в цифровом или реальном мире. 3. Изучать (необязательно): адаптировать свое поведение со временем, используя отзывы или другую информацию. Агент может принимать инструкции, работать со службами, системами, приложениями и данными, вызывая средства, созданные с предварительно созданными действиями в Azure Logic Apps, и отвечая на результаты. Агент может обрабатывать сведения, делать выбор и выполнять задачи с помощью развернутой модели, например в Службе OpenAI Azure. Примечание: Агентивный рабочий процесс может включать несколько агентов в последовательности. Невозможно встроить агента как инструмент в другой агент. Дополнительные сведения см. в разделе "Что такое агент ИИ?" |
| Большая языковая модель (LLM) | Программа, обученная распознавать шаблоны и выполнять задания без вмешательства человека. Дополнительные сведения см. в разделе "Что такое большие языковые модели" |
| инструмент | Средство содержит одно или несколько действий, выполняющих задачу для агента. Например, средство может отправлять сообщения электронной почты, работать с источниками данных, выполнять вычисления или преобразования, взаимодействовать с API и т. д. Например, см. инструмент "Создать", чтобы получить информацию о погоде. |
| Параметр агента | Параметр, который создается на инструменте или в параметре действия, в зависимости от варианта использования для параметра агента. Вы создаете параметры агента, чтобы агент может передавать выходные данные только модели в качестве входных данных параметров для действия в инструменте. Параметры агента не требуются для значений из немоделных источников. Параметры агента отличаются от традиционных параметров следующими способами: — Параметры агента применяются только к инструменту, в котором они определены. Это ограничение означает, что вы не можете совместно использовать параметры агента с другими средствами. Для сравнения можно совместно использовать традиционные параметры глобально с структурами потоков операций и управления в рабочем процессе. — Параметры агента не используют разрешенные значения при запуске рабочего процесса. Параметр агента получает значение, только если агент вызывает средство с помощью определенных аргументов. Эти аргументы становятся параметрами агента для вызова средства. — Агент может вызывать один и тот же инструмент несколько раз с разными значениями параметров агента, даже если это средство существует в одной итерации цикла. Например, средство может проверить погоду в Сиэтле и Лондоне. Дополнительные сведения см. в разделе "Создание параметров агента" для действия "Получить прогноз". |
| Контекст | Агент сохраняет журнал истории, сохраняя максимальное число маркеров или сообщений в качестве контекста и передавая этот контекст в модель для следующего взаимодействия. Каждая модель имеет разные ограничения длины контекста . |
Автономные и диалоговые агентические рабочие процессы
Чтобы лучше понять, как отличаются эти типы рабочих процессов агента, в следующих разделах описаны и показаны примеры для каждого типа агентического рабочего процесса. Оба типа рабочих процессов используют цикл агента и средства для получения текущей погоды и отправки этих сведений по электронной почте. У всех агентов есть информационная панель, где вы настраиваете агента с нужной моделью и предоставляете инструкции о ролях агента, его функциях и способе реагирования.
Автономный агентный рабочий процесс
Следующие высокоуровневые шаги описывают поведение базового автономного рабочего процесса агента:
Рабочий процесс начинается с любого доступного поддерживаемого триггера.
Между триггером и агентом может выполняться произвольное количество действий, включая ноль.
Агент принимает системные инструкции и нечеловеческие запросы или входные данные, например выходные данные триггера или предыдущего действия.
В зависимости от того, используете ли вы рабочий процесс типа Consumption или Standard, агент будет применять модель Azure OpenAI или API LLM из следующего источника для интерпретации и осмысления инструкций и запроса. Агент также использует модель для обработки и анализа предоставленных входных данных.
Логическое приложение Источник модели Consumption Microsoft Foundry Стандарт - Ресурс службы Azure OpenAI
- Проект Microsoft Foundry (предварительная версия)
- Учетная запись управления API Azure с ПОМОЩЬЮ API LLM (предварительная версия)На основе инструкций агента модель помогает спланировать средства, необходимые агенту для выполнения необходимых задач.
Агент возвращает результаты средства и отвечает инициирующему рабочему процессу или указанному получателю.
На следующем снимке экрана показан базовый пример автономного рабочего процесса агента:
Агентный рабочий процесс общения
Следующие высокоуровневые шаги описывают поведение для базового рабочего процесса агента общения:
Рабочий процесс всегда начинается с триггера с именем "При запуске сеанса чата".
Между триггером и агентом может выполняться произвольное количество действий, включая ноль.
Агент принимает системные инструкции и предоставленные пользователем запросы или входные данные через интегрированный интерфейс чата, например, что такое погода в Сиэтле?
В зависимости от того, есть ли у вас агентский рабочий процесс для уровня "Потребление" или "Стандарт", агент использует модель Azure OpenAI или API LLM из следующего источника для интерпретации и понимания инструкций и запросов. Агент также использует модель для обработки и анализа предоставленных входных данных.
Логическое приложение Источник модели Consumption Microsoft Foundry Стандарт - Ресурс службы Azure OpenAI
- Учетная запись управления API Azure с ПОМОЩЬЮ API LLM (предварительная версия)На основе инструкций агента модель помогает спланировать средства, которые вызывает агент для необходимых задач.
Агент возвращает результаты инструмента и отвечает через интерфейс чата человеческому собеседнику.
На следующем снимке экрана показан базовый пример рабочего процесса разговорного агента.
На следующем снимке экрана показан интегрированный интерфейс чата, к которому можно получить доступ из панели инструментов конструктора или бокового меню рабочего процесса на портале Azure:
Рабочие процессы конверсационного агентского типа также поддерживают внешний клиент чата, что позволяет другим пользователям использовать его за пределами портала Azure. Чтобы обеспечить и защитить доступ для этого внешнего клиента чата, необходимо настроить рабочую проверку подлинности и авторизацию.
Изучение структуры агентического рабочего процесса
Чтобы создать новый агентический рабочий процесс, создайте приложение логики потребления в мультитенантных Azure Logic Apps или стандартное приложение логики в одном клиенте Azure Logic Apps и выберите один из следующих типов рабочих процессов:
- Автономные агенты
- Агенты беседы
Эти типы рабочих процессов включают все возможности в рабочих процессах с отслеживанием состояния 'Consumption' или 'Standard' и специально предназначены для работы с возможностями агента. Эти типы рабочих процессов автоматически включают пустой агент.
Например, на следующем снимке экрана показан новый автономный рабочий процесс агента:
На следующем снимке экрана показан новый рабочий процесс агента общения:
В стандартных приложениях логики, если у вас есть существующий рабочий процесс с отслеживанием состояния , на следующем снимке экрана показано, как добавить действие агента для включения автономных агентов и возможностей LLM:
Хотя рабочие процессы агента потребления автоматически настраиваются с моделью для автоматического использования, стандартные рабочие процессы агента требуют настройки подключения к модели для использования агентом.
Замечание
В области подключения отображаются различные требования к подключению на основе типа рабочего процесса и выбранного источника модели.
Агент требует, чтобы вы предоставили инструкции, описывающие роли, которые он может выполнять, задачи, которые он может исполнять, и другие конкретные предписания, которые помогают агенту отвечать на запросы, отвечать на вопросы и выполнять запрошенные задачи, например:
Пустой агент, подключенный к модели, может отвечать на запросы, которые используют только возможности модели, поэтому агенту не нужно включать средства. Тем не менее, чтобы агент мог использовать действия, доступные в Azure Logic Apps, вам нужно создать средства. Вы можете начать создание средства, сначала добавив действие из галереи соединителей.
На следующей схеме показана коллекция, в которой можно просматривать и выбирать действия для создания инструментов:
На следующей схеме показан агент погоды, который может получить прогноз погоды и отправить этот прогноз по электронной почте:
Дополнительные примеры сценариев
В следующем разделе описано несколько способов выполнения агентом задач в рабочем процессе:
Агент по ипотечным кредитам
Представьте, что ваш банк использует агент по ипотечным кредитам, который обрабатывает кредиты автономно или с человеческим вмешательством при необходимости, выполняя следующие задачи в одном оркестрованном цикле:
- Беседуйте с клиентами, чтобы ответить на вопросы.
- Просмотрите заявки на кредит.
- Собирайте финансовую информацию, чтобы оценить право на получение кредита.
- Получение и анализ данных риска.
- Запрошение и обобщение оценок недвижимости после подачи.
- Включите рецензентов для особых случаев.
- Утверждение или отклонение приложений.
- Доводить решения до сведения соответствующих сторон.
Агент выполнения заказа
Предположим, что ваш бизнес использует агент выполнения заказов для выполнения следующих задач:
- Взаимодействуйте с клиентами, чтобы ответить на вопросы о продукте на основе корпоративных знаний.
- Создавайте заказы, но передавайте их людям по мере необходимости.
- Обеспечьте круглосуточную поддержку с интеллектуальной эскалацией.
Вы также можете использовать агент, который управляет работой между другими агентами. Например, у вас может быть группа агентов, например писатель, рецензент и издатель, которые работают вместе для создания и распространения отчетов о продажах.
Агент по заявкам на обслуживание объектов
Для поддержки команды по управлению внутренними объектами агент по заявкам выполняет следующие задачи:
- Общаться с сотрудниками и предоставлять варианты запросов на обслуживание.
- Открытие рабочих заказов на основе выборов сотрудников.
- Отправьте рабочие заказы соответствующим командам служб.
- Обновляйте рабочие заказы, указывая ход выполнения и статус заданий.
- Закройте рабочие заказы при завершении заданий.
- Уведомите соответствующих сторон о завершенных заданиях.
Проверка подлинности и авторизация
Неагентические рабочие процессы обычно взаимодействуют с небольшим, известным и предсказуемым набором вызывающих объектов. Однако рабочие процессы агента переговоров взаимодействуют с более широким спектром вызывающих субъектов, таких как люди, агенты, серверы протокола контекста модели (MCP), посредники инструментов и внешние службы. Этот более широкий охват увеличивает возможности интеграции, но вводит разные проблемы безопасности, потому что вызывающие абоненты могут исходить из динамических, неизвестных или ненадежных сетей. Когда звонящие поступают из сетей, которые вы не контролируете, или когда идентификаторы являются внешними или несвязанными, необходимо пройти процедуру аутентификации и авторизации каждого звонящего, чтобы защитить агентские рабочие процессы, поскольку они предоставляют внешний чат-клиент для взаимодействия с людьми.
Для непроизводственных действий портал Azure использует ключ разработчика для проверки подлинности и авторизации. Однако, когда рабочие процессы агента беседы готовы для использования в производственной среде, настройте соответствующую производственную проверку подлинности и авторизацию для вашего типа логического приложения.
Проверка подлинности и авторизация ключа разработчика
Для непроизводственных действий, таких как проектирование, разработка и быстрая проверка, портал Azure предоставляет, управляет и использует ключ разработчика для запуска рабочего процесса от вашего имени.
Что такое ключ разработчика?
Ключ разработчика — это удобный механизм проверки подлинности, используемый только порталом Azure для запуска рабочего процесса во время разработки, разработки и быстрого тестирования на портале Azure. На этих этапах ключ для разработчиков позволяет пропустить необходимость вручную настроить Easy Auth или скопировать URL-адреса обратного вызова с подписями общего доступа (SAS). Ключ связан с конкретным пользователем и клиентом только на основе маркера носителя Azure Resource Manager, который является маркером доступа, который проверяет подлинность запросов к REST API Azure Resource Manager.
Портал автоматически внедряет ключ разработчика при использовании встроенных тестов в конструкторе рабочих процессов, таких как запуск рабочего процесса, вызов триггера запроса или взаимодействие с рабочим процессом агента беседы во внутреннем интерфейсе чата. Ключ неявно привязан к сеансу арендатора и пользователю портала, выполнившему вход, поэтому вы не сможете распространять ключ за пределами системы из-за этой привязки, которая основана только на маркере удостоверения ARM.
Ограничения ключей разработчика
В следующем списке описываются ограничения, касающиеся использования и проектирования ключа разработчика.
- Ключ не является заменой Easy Auth, управляемого удостоверения, федеративных учетных данных или подписанных URL-адресов обратного вызова в продуктивных сценариях.
- Ключ не предназначен для крупных или ненадежных групп абонентов, средств агента или клиентов автоматизации.
- Ключ не является механизмом авторизации для каждого пользователя из-за отсутствия детализированных областей и ролей.
- Ключ не регулируется политиками условного доступа на уровне выполнения запроса только на уровне входа на портале.
- Ключ не предназначен для программного использования или использования CI/CD.
Сравнение ключа разработчика и простой проверки подлинности см. в разделе "Простая проверка подлинности" и "Ключ разработчика".
Варианты использования ключа разработчика
В следующей таблице описаны соответствующие и неуместные сценарии использования ключа разработчика:
| Соответствующие сценарии | Недопустимые сценарии |
|---|---|
| Быстрое тестирование в дизайнере перед формализацией аутентификации. | Для рабочего процесса требуется детерминированная автоматизация, которая использует принципал службы и Упрощенную аутентификацию или подписанный SAS. |
| Проверьте структуру рабочего процесса, привязки или базовое поведение триггера и действия. | — Ваши вызывающие рабочие процессы включают внешних агентов, серверы MCP или диалоговых клиентов. — Вы планируете опубликовать конечную точку рабочего процесса за пределами клиента. |
| Временные прототипы песочниц или экспериментальные прототипы, которые позже применяют простую проверку подлинности или защиту URL-адреса SAS. | Для рабочего процесса требуется аудит удостоверений для каждого пользователя, отзыв токенов, политики условного доступа и обеспечение минимальных привилегий. |
Проверка подлинности и авторизация в производственной среде
Когда агентские рабочие процессы готовы к выпуску в производственную среду, в следующих разделах описываются параметры для непроизводственной и производственной среды для проверки подлинности пользователей, совершающих вызовы, и авторизация на доступ к агентским рабочим процессам.
| Логическое приложение | Проверка подлинности и авторизация |
|---|---|
| Consumption | OAuth 2.0 с идентификатором Microsoft Entra |
| Стандарт | Easy Auth, также известная как проверка подлинности службы приложений, на ресурсе логического приложения включает возможность использования внешнего клиента чата вне портала Azure, который другие могут использовать после настройки Easy Auth. См. Easy Auth для логического приложения. |
Дополнительные сведения о рабочей проверке подлинности и авторизации см. на вкладке для типа приложения логики.
OAuth 2.0 с Microsoft Entra ID для логического приложения
Для агентных потребительских рабочих процессов в продакшене защитите доступ к вашему клиенту чата с помощью OAuth 2.0 с идентификацией Microsoft Entra, настроив политику авторизации агента в ресурсе логического приложения. См. "Миграция на проверку подлинности в рабочей среде".
Выставление счетов
Потребление: выставление счетов осуществляется по модели "оплата по мере использования". Ценообразование цикла агента основано на количестве токенов, которые используются каждым действием агента, и отображаются в счете как корпоративные единицы. Чтобы получить информацию о конкретных ценах, см. цены на Azure Logic Apps.
Стандартный: хотя агентические рабочие процессы не несут дополнительных расходов, использование модели искусственного интеллекта взимает плату. Дополнительные сведения см. в калькуляторе цен Azure.