使用语义内核生成多代理工作流自动化解决方案
解决方案构想
本文介绍了一种解决方案构想。 云架构师可以通过本指南来帮助可视化此体系结构的典型实现的主要组件。 以本文为起点，设计一个符合工作负荷特定要求的架构合理的解决方案。
此体系结构显示了使用多个 AI 代理的进程自动化系统。 代理部署到 Azure 容器应用并使用 Azure AI 服务。 此体系结构的代理和业务流程行为在具有语义内核的自定义软件中定义。 该体系结构托管自动协调和运行组织任务的专用多个 AI 代理。
本文重点介绍了如何在 Azure 上管理多代理系统的基础结构和 DevOps 方面，包括持续集成、数据持久性和代理协调。
体系结构介绍如何构建可缩放的自动化管道，其中多个 AI 代理通过中央 API 业务流程协调程序进行协作。 它支持企业级任务自动化的持久学习和自动化部署过程。
建筑
下载此体系结构的 Visio 文件。
工作流程
以下工作流与上图相对应：
员工访问 Web 前端以请求和管理自动化解决方案。 任务通过具有特定要求和参数的 Web 界面提交。
Azure 应用服务网站从前端接收用户请求，并调用容器应用中托管的 API。 该 API 处理传入任务并确定需要哪些专用 AI 代理。 该任务分解为多个代理协调的组件部件。
容器应用 API 连接到 Azure AI Foundry 托管的 GPT-4o 模型。 安排多个专用 AI 代理来处理任务的不同方面。 代理可协作规划、执行和验证要完成的任务。
Azure Cosmos DB 存储与当前和过去的计划和解决方案相关的所有数据。 出于学习和优化目的，维护历史任务数据和模式。 代理决策和结果将保留以供将来参考。
Azure 容器注册表管理前端网站和后端 API 的映像。 此注册表还维护版本控制容器映像的回滚功能。
GitHub 源存储库在代码更新时触发网站和 API 服务器映像的自动生成。 然后，Docker 将生成更新后的容器映像并将其部署到注册表。
组件
应用服务 是一种平台即服务解决方案，可为应用程序提供可缩放的 Web 托管环境。 在此体系结构中，应用服务网站充当供用户请求和管理自动化解决方案的前端界面。 它为提交任务和跟踪进度提供了响应式 Web 体验。
容器应用 是一个无服务器容器平台，可用于在无服务器平台上运行微服务和容器化应用程序。 在此体系结构中，容器应用 API 充当处理用户请求、协调多个 AI 代理和管理任务的完成状态的中心业务流程层。 它托管使用语义内核的软件团队创建的自定义开发代码。
Azure AI Foundry 是一项托管 AI 服务，提供对高级语言模型的访问权限，以便进行自然语言处理和生成。 在此体系结构中，Azure AI Foundry 提供模型即服务，以便基于语义内核的代理调用。
Azure Cosmos DB 是一种全球分布式多模型数据库服务，可提供低延迟和弹性可伸缩性。 在此体系结构中，Azure Cosmos DB 存储与当前和过去的自动化计划和解决方案相关的所有数据。 容器应用 API 在创建新计划或运行任务时写入数据。 当用户通过应用服务网站访问其自动化历史记录时，API 会读取数据。
容器注册表 是一种托管的 Docker 注册表服务，用于存储和管理容器映像。 在此体系结构中，容器注册表管理前端网站和后端 API 的映像。 此设置可确保跨环境对多代理系统组件进行一致的部署和版本控制。
方案详细信息
此自定义多代理自动化引擎解决了协调复杂跨部门业务流程的挑战，这些业务流程传统上需要大量的手动监督和协调。 组织通常难以完成跨多个专业知识领域的任务，需要跨团队保持一致的性能，并要求审核线索来支持合规性。
此解决方案使用自定义编码的专用 AI 代理进行协作，将复杂的组织任务分解为可管理的组件。 每个代理都提供特定于域的知识和功能。 此方法使系统能够管理复杂的工作流，否则需要跨多个部门进行人工协调。 体系结构通过容器化部署进行扩展，通过持久性数据存储保留学习，并通过自动化集成和交付管道支持持续改进。
可能的用例
企业流程自动化
员工加入业务流程： 跨多个部门协调 IT 预配、HR 文档、设施访问、培训计划和合规性要求。
合同管理工作流： 自动执行复杂业务协议的法律审查、采购审批、财务分析和供应商沟通。
事件响应协调： 跨 IT、安全和业务团队协调技术修正、利益干系人沟通、文档和事后分析。
金融服务和合规性
法规合规性自动化： 同时跨多个法规框架协调数据收集、分析、报告和提交。
贷款处理管道： 自动执行信用分析、风险评估、文档评审和审批工作流，其中包括多个专家团队。
审核准备管理： 跨业务部门协调证据收集、文档准备、利益干系人面试和合规性验证。
医疗保健和研究
临床试验管理： 协调患者招聘、法规合规性、数据收集、安全监视和跨研究团队的报告。
患者护理协调： 自动安排、治疗规划、保险验证和护理团队对复杂医疗病例的沟通。
医疗设备采购： 协调临床要求、技术规范、供应商评估和法规审批流程。
制造和供应链
产品发布协调： 协调设计最终化、制造设置、质量保证、营销准备和分发计划。
供应商加入过程： 自动执行资格评估、合同协商、系统集成和性能监视设置。
质量事件管理： 协调调查、根本原因分析、纠正措施和供应商沟通质量问题。
替代方案
此体系结构包括多个组件，这些组件可以替换为其他 Azure 服务或方法，具体取决于工作负荷的功能和非功能要求。 请考虑以下替代方案和权衡。
代理业务流程
当前方法： 此解决方案使用使用语义内核 SDK 编写的自定义代理代码来协调代理及其交互。 容器应用充当运行代码的中央业务流程协调程序计算。 此代码协调多个在活动工作流上运行的 AI 代理。 此方法是一种代码优先解决方案，可提供对代理行为、业务流程逻辑和计算规模的最大控制。
替代方法： 使用 Azure AI Foundry 代理服务定义代理并将其单独连接到相关的知识存储和工具。 此方法是一种无代码解决方案，可通过系统提示定义代理行为和代理关系。 代理是代表你托管的，你无法控制运行代理的计算。
如果工作负荷具有以下特征，请考虑此替代方法：
不需要确定性的代理业务流程。 可以通过系统提示充分定义代理行为，包括知识存储访问和工具使用。
无需完全控制代理的计算。
只需 HTTPS 可访问的工具，知识存储与 Foundry 代理服务兼容。
对于要求混合的组织，混合方法可能有效。 标准工作流使用 Foundry 代理服务，而关键或高度自定义的进程在容器应用中使用自承载业务流程。
成本优化
成本优化侧重于减少不必要的开支和提高运营效率的方法。 有关详细信息，请参阅成本优化设计评审核对清单。
有关运行此方案的成本的信息，请参阅 Azure 定价计算器中的预配置估算值。
定价因区域和使用情况而异，因此无法提前预测确切的成本。 此基础结构中的大多数 Azure 资源都遵循基于使用情况的定价模型。 但是，容器注册表为每个注册表产生每日固定成本。
部署此方案
若要部署此体系结构的实现，请遵循 GitHub 存储库中的步骤。
供稿人
Microsoft维护本文。 以下参与者撰写了本文。
主要作者：
- 所罗门·皮克特 |软件工程师 II
其他参与者：
- Mark Taylor |首席软件工程师
若要查看非公开的LinkedIn个人资料，请登录LinkedIn。
后续步骤
- 使用语义内核的代理体系结构概述