将图像与智能体一起使用

本教程介绍如何将图像与代理配合使用，使代理能够分析和响应图像内容。

将映像传递到代理

可以通过创建包含文本和图像内容的 ChatMessage 来将图像发送给代理。 然后，代理可以分析图像并相应地做出响应。

首先，创建能够分析图像的一个 AIAgent 。

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");

警告

DefaultAzureCredential 对于开发来说很方便，但在生产中需要仔细考虑。 在生产环境中，请考虑使用特定凭据（例如）， ManagedIdentityCredential以避免延迟问题、意外凭据探测以及回退机制的潜在安全风险。

接下来，创建一个包含文本提示和图像 URL 的 ChatMessage。 使用 TextContent 代表文本，UriContent 代表图像。

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")
]);

使用消息运行代理。 你可以使用流式传输来接收生成的响应。

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

这会将代理对图像的分析输出到控制台。

将映像传递到代理

可以通过创建包含文本和图像内容的 Message 来将图像发送给代理。 然后，代理可以分析图像并相应地做出响应。

首先，创建能够分析图像的代理。

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"
)

接下来，创建一个包含文本提示和图像 URL 的 Message。 使用 Content.from_text() 代表文本，Content.from_uri() 代表图像。

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"
        )
    ]
)

还可以使用以下 Content.from_data()方法从本地文件系统加载映像：

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"
        )
    ]
)

使用消息运行代理。 你可以使用流式传输来接收生成的响应。

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

asyncio.run(main())

这会将代理对图像的分析输出到控制台。

将映像传递到代理

可以通过创建包含文本和图像内容的 message 来将图像发送给代理。 然后，代理可以分析图像并相应地做出响应。

首先，创建能够分析图像的代理。

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",
        },
    },
)

警告

azidentity.NewDefaultAzureCredential 对于开发来说很方便，但在生产中需要仔细考虑。 在生产环境中，请考虑使用特定的凭据，例如 azidentity.NewManagedIdentityCredential，避免延迟问题、意外凭据探测以及回退机制的潜在安全风险。

接下来，创建包含文本提示和图像 URL 的消息。 使用 message.TextContent 代表文本，message.URIContent 代表图像。

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",
    },
)

还可以使用以下 message.DataContent方法从本地文件系统加载映像：

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",
    },
)

使用消息运行代理。 你可以使用流式传输来接收生成的响应。

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

这会将代理对图像的分析输出到控制台。

后续步骤

结构化输出

  • Last updated on