บทนำ
องค์กรในปัจจุบันต้องการแอปพลิเคชันที่สามารถจัดการงานที่ซับซ้อนและมีหลายขั้นตอนได้โดยอัตโนมัติในขณะที่ให้การตอบสนองที่คํานึงถึงบริบทที่เป็นส่วนตัว ตัวแทน AI กําลังเปลี่ยนวิธีที่ธุรกิจโต้ตอบกับลูกค้าโดยการประสานเวิร์กโฟลว์ ดึงข้อมูลที่เกี่ยวข้อง และรักษาบริบทการสนทนาระหว่างการโต้ตอบ
ลองพิจารณา Margie's Travel แพลตฟอร์มที่พักให้เช่าที่มีที่พักหลายพันแห่งและสอบถามข้อมูลจากแขกอย่างต่อเนื่อง พวกเขาต้องการระบบอัจฉริยะเพื่อแนะนําการเข้าพักส่วนบุคคล วิเคราะห์ความคิดเห็นของแขก และประสานงานเฉพาะทาง เช่น การตรวจสอบสินค้าคงคลังและการวิเคราะห์ความรู้สึก ด้วยตัวแทน AI ที่ขับเคลื่อนโดย Azure Database for PostgreSQL บริษัทสามารถสร้างโซลูชันที่ปรับขนาดได้ซึ่งรวมการค้นหาเวกเตอร์เพื่อความเข้าใจเชิงความหมาย หน่วยความจําถาวรสําหรับการเก็บรักษาบริบท และการประสานงานหลายตัวแทนสําหรับเวิร์กโฟลว์ที่ซับซ้อน
โมดูลนี้แสดงวิธีสร้างและปรับใช้ตัวแทน AI โดยใช้ฐานข้อมูล Azure สําหรับ PostgreSQL และเฟรมเวิร์กการประสานรวม
ในโมดูลนี้ คุณจะได้เรียนรู้:
- ทําความเข้าใจสถาปัตยกรรมเอเจนต์และวิธีที่ PostgreSQL รองรับการดึงข้อมูลและหน่วยความจํา
- ใช้การค้นหาเวกเตอร์และตัวดําเนินการเชิงความหมายสําหรับการดึงข้อมูลอัจฉริยะ
- ประเมินเฟรมเวิร์กตัวแทน เช่น Microsoft Agent Framework, LangGraph, LlamaIndex และ Foundry Agent Service
- ใช้ตัวแทน AI โดยใช้ Foundry Agent Service กับการผสานรวม PostgreSQL
- ผสานรวมเอเจนต์กับ Model Context Protocol (MCP) เพื่อการเข้าถึงเครื่องมือที่เป็นมาตรฐาน
หลังจากจบโมดูลนี้ คุณจะสามารถ:
- สร้างระบบหลายตัวแทนที่ประสานงานเฉพาะทางโดยใช้ Azure Database for PostgreSQL
- ใช้การค้นหาเวกเตอร์และการดึงความหมายเพื่อขับเคลื่อนการตอบสนองของเอเจนต์ที่รับรู้บริบท
- ปรับใช้ตัวแทนด้วย Foundry Agent Service ที่เข้าถึงข้อมูลที่มีโครงสร้างและความหมาย
- ผสานรวมเครื่องมือที่ใช้ MCP เพื่อขยายความสามารถของตัวแทนด้วยบริการภายนอก
- ออกแบบสถาปัตยกรรมตัวแทนที่ปรับขนาดได้ซึ่งรักษาบริบทและส่งมอบการโต้ตอบส่วนบุคคล