使用語意核心建置多代理程式工作流程自動化解決方案

Azure 容器應用程式

Azure AI 服務

Azure Cosmos DB

語意核心

解決方案構想

本文說明解決方案概念。 您的雲端架構師可以使用本指南，協助視覺化此架構的一般實作的主要元件。 以本文為起點，設計符合您工作負載具體要求的完善解決方案。

此架構顯示使用多個 AI 代理程式的程式自動化系統。 代理程式會部署到 Azure Container Apps，並使用 Azure AI 服務。 此架構的代理程式和協調流程行為定義於具有語意核心的自定義軟體中。 架構會裝載自動協調及執行組織工作的特製化多個 AI 代理程式。

本文強調如何在 Azure 上管理多代理程式系統的基礎結構和 DevOps 層面，包括持續整合、數據持續性和代理程序協調。

此架構描述如何建置可調整的自動化管線，讓多個 AI 代理程式透過中央 API 協調器共同作業。 它支援企業級工作自動化的持續性學習和自動化部署程式。

建築

影像包含六個區段，代表工作流程的六個步驟。 在步驟一中，從 App Service 網站指向容器應用程式 API 代理程式協調流程的箭號。 在步驟 2 中，兩個箭頭會從 Container Apps API 代理程式協調流程指向知識來源和工具一節。 在步驟三中，從 Container Apps API 代理程式協調流程到 Azure AI Foundry GPT-4o 模型的箭頭點。 在步驟 4 中，從 Container Apps API 代理程式協調流程到 Azure Cosmos DB 的箭頭點。 在步驟 5 中，從 Docker 指向 Container Registry 的箭號。 在步驟 6 中，從 GitHub 來源存放庫指向 Docker 的箭號。

下載此架構的 Visio 檔案。

工作流程

下列工作流程對應至上圖：

1. 員工存取 Web 前端以要求及管理自動化解決方案。 工作會透過具有特定需求和參數的Web介面提交。

2. Azure App Service 網站會從前端接收使用者要求，並呼叫容器應用程式中裝載的 API。 該 API 會處理傳入工作，並判斷需要哪些特製化 AI 代理程式。 工作會細分為多個代理程序協調的元件元件。

3. Container Apps API 會連線到 Azure AI Foundry 裝載的 GPT-4o 模型。 多個特製化 AI 代理程式會協調處理工作的不同層面。 代理程式會共同作業以規劃、執行及驗證要完成的工作。

4. Azure Cosmos DB 會儲存與目前和過去方案和解決方案相關的所有數據。 歷程記錄工作數據和模式會針對學習和優化目的進行維護。 代理程式決策和結果會持續保存，以供日後參考。

5. Azure Container Registry 會管理前端網站和後端 API 的映像。 此登錄也會維護已建立版本的容器映射以進行復原功能。

6. GitHub 來源存放庫會在程式代碼更新時觸發網站和 API 伺服器映像的自動建置。 Docker 接著會建置並部署更新的容器映像至登錄。

元件

• App Service 是一種平臺即服務解決方案，可為應用程式提供可調整的 Web 主控環境。 在此架構中，App Service 網站可作為使用者要求及管理自動化解決方案的前埠。 它提供回應式 Web 體驗來提交工作並追蹤其進度。

• Container Apps 是無伺服器容器平臺，可讓您在無伺服器平台上執行微服務和容器化應用程式。 在此架構中，Container Apps API 是處理使用者要求、協調多個 AI 代理程式，以及管理工作完成狀態的中央協調流程層。 它會裝載由使用 Semantic Kernel 的軟體小組所建立的自定義開發程式代碼。

• Azure AI Foundry 是受控 AI 服務，可讓您存取進階語言模型以進行自然語言處理和產生。 在此架構中，Azure AI Foundry 會提供模型即服務，以供語意核心型代理程式叫用。

• Azure Cosmos DB 是全域散發的多模型資料庫服務，可提供低延遲和彈性延展性。 在此架構中，Azure Cosmos DB 會儲存與目前和過去自動化計畫和解決方案相關的所有數據。 容器應用程式 API 會在建立新方案或執行工作時寫入數據。 當使用者透過App Service 網站存取其自動化歷程記錄時，API 會讀取數據。

• Container Registry 是受控 Docker 登錄服務，可儲存和管理容器映射。 在此架構中，Container Registry 會管理前端網站和後端 API 的映像。 此設定可確保跨環境之多代理程式系統元件的一致部署和版本控制。

案例詳細資料

此自定義的多代理程式自動化引擎可解決協調複雜跨部門商務程序的挑戰，這些流程傳統上需要大量手動監督和協調。 組織通常會在跨多個專業知識領域、跨小組要求一致的效能，以及需要稽核線索來支持合規性的工作。

此解決方案會使用自定義編碼的特製化 AI 代理程式，共同作業，將複雜的組織工作分解成可管理的元件。 每個代理程式都會提供領域特定的知識和功能。 這種方法可讓系統管理複雜的工作流程，否則需要跨多個部門進行人力協調。 架構會透過容器化部署進行調整、透過持續性數據記憶體保留學習，並透過自動化整合和傳遞管線支援持續改善。

潛在應用情境

企業程序自動化

員工上線協調流程： 協調IT布建、HR檔、設施存取、訓練排程，以及多個部門的合規性需求。

合約管理工作流程： 針對複雜的商務協定，自動進行法律檢閱、採購核准、財務分析和廠商通訊。

事件回應協調： 協調跨IT、安全性和商務小組的技術補救、專案關係人通訊、檔和事件後分析。

金融服務與合規性

法規合規性自動化： 同時協調多個法規架構的數據收集、分析、報告和提交。

貸款處理管線： 自動化信用分析、風險評估、檔檢閱和核准工作流程，其中包含多個專家小組。

稽核準備管理： 協調跨業務單位的辨識項收集、文件準備、專案關係人面試和合規性驗證。

醫療保健與研究

臨床試驗管理： 協調患者招聘、法規合規性、數據收集、安全性監視，以及跨研究小組的報告。

病患護理協調： 針對複雜的醫療案例，自動排程、治療規劃、保險驗證和護理小組通訊。

醫療設備採購： 協調臨床需求、技術規格、廠商評估和法規核准程式。

製造和供應鏈

產品推出協調： 協調設計最終化、製造設定、品質保證、營銷準備和配送規劃。

供應商上線程式： 自動化資格評定、合約交涉、系統整合和效能監視設定。

品質事件管理： 協調調查、根本原因分析、更正動作，以及質量問題的供應商溝通。

替代選擇

此架構包含多個元件，您可以根據工作負載的功能和非功能需求來替代其他 Azure 服務或方法。 請考慮下列替代方案和取捨。

代理程序協調流程

目前的方法： 此解決方案會使用以語意核心 SDK 撰寫的自定義代理程式程式代碼來協調代理程式及其互動。 Container Apps 可作為執行程式碼的中央協調器計算。 此程式代碼會協調在作用中工作流程上運作的多個 AI 代理程式。 這種方法是程式代碼優先的解決方案，可提供代理程式行為、協調流程邏輯和計算規模的最大控制權。

替代方法： 使用 Azure AI Foundry 代理程式服務來定義代理程式，並將其個別連線到相關的知識存放區和工具。 這種方法是一種無程式代碼解決方案，您可以透過系統提示來定義代理程式行為和代理程序關聯性。 代理程式會代表您裝載，而且您無法控制執行代理程序的計算。

如果您的工作負載具有下列特性，請考慮此替代方案：

• 您不需要具決定性的代理程序協調流程。 您可以透過系統提示，充分定義代理程序行為，包括知識存放區存取和工具使用。

• 您不需要完全控制代理程式的計算。

• 您只需要 HTTPS 可存取的工具，而且您的知識存放區與 Foundry Agent Service 兼容。

對於有混合需求的組織，混合式方法可能有效。 標準工作流程會使用 Foundry 代理程式服務，而關鍵或高度自定義的進程會在 Container Apps 上使用自我裝載協調流程。

成本優化

成本優化著重於減少不必要的費用，並提升營運效率的方式。 如需詳細資訊，請參閱成本最佳化的設計檢閱檢查清單。

如需執行此案例成本的相關信息，請參閱 Azure 定價計算機中的預先設定估計值。

定價會因區域和使用量而異，因此無法事先預測確切的成本。 此基礎結構中的大部分 Azure 資源都遵循以使用量為基礎的定價模型。 不過，Container Registry 會對每個登錄產生每日固定成本。

部署此案例

若要部署此架構的實作，請遵循 GitHub 存放庫中的步驟。

貢獻者們

本文由 Microsoft 維護。 下列參與者撰寫本文。

主要作者：

• 所羅門·彼克特 |軟體工程師II

其他參與者：

• Mark Taylor |首席軟體工程師

若要查看非公開的 LinkedIn 個人檔案，請登入 LinkedIn。

後續步驟

• 使用語意核心的代理程序架構概觀

解決方案構想

本文說明解決方案概念。 您的雲端架構師可以使用本指南，協助視覺化此架構的一般實作的主要元件。 以本文為起點，設計符合您工作負載具體要求的完善解決方案。

此架構顯示使用多個 AI 代理程式的程式自動化系統。 代理程式會部署到 Azure Container Apps，並使用 Azure AI 服務。 此架構的代理程式和協調流程行為定義於具有語意核心的自定義軟體中。 架構會裝載自動協調及執行組織工作的特製化多個 AI 代理程式。

本文強調如何在 Azure 上管理多代理程式系統的基礎結構和 DevOps 層面，包括持續整合、數據持續性和代理程序協調。

此架構描述如何建置可調整的自動化管線，讓多個 AI 代理程式透過中央 API 協調器共同作業。 它支援企業級工作自動化的持續性學習和自動化部署程式。

建築

影像包含六個區段，代表工作流程的六個步驟。 在步驟一中，從 App Service 網站指向容器應用程式 API 代理程式協調流程的箭號。 在步驟 2 中，兩個箭頭會從 Container Apps API 代理程式協調流程指向知識來源和工具一節。 在步驟三中，從 Container Apps API 代理程式協調流程到 Azure AI Foundry GPT-4o 模型的箭頭點。 在步驟 4 中，從 Container Apps API 代理程式協調流程到 Azure Cosmos DB 的箭頭點。 在步驟 5 中，從 Docker 指向 Container Registry 的箭號。 在步驟 6 中，從 GitHub 來源存放庫指向 Docker 的箭號。

下載此架構的 Visio 檔案。

工作流程

下列工作流程對應至上圖：

1. 員工存取 Web 前端以要求及管理自動化解決方案。 工作會透過具有特定需求和參數的Web介面提交。

2. Azure App Service 網站會從前端接收使用者要求，並呼叫容器應用程式中裝載的 API。 該 API 會處理傳入工作，並判斷需要哪些特製化 AI 代理程式。 工作會細分為多個代理程序協調的元件元件。

3. Container Apps API 會連線到 Azure AI Foundry 裝載的 GPT-4o 模型。 多個特製化 AI 代理程式會協調處理工作的不同層面。 代理程式會共同作業以規劃、執行及驗證要完成的工作。

4. Azure Cosmos DB 會儲存與目前和過去方案和解決方案相關的所有數據。 歷程記錄工作數據和模式會針對學習和優化目的進行維護。 代理程式決策和結果會持續保存，以供日後參考。

5. Azure Container Registry 會管理前端網站和後端 API 的映像。 此登錄也會維護已建立版本的容器映射以進行復原功能。

6. GitHub 來源存放庫會在程式代碼更新時觸發網站和 API 伺服器映像的自動建置。 Docker 接著會建置並部署更新的容器映像至登錄。

元件

• App Service 是一種平臺即服務解決方案，可為應用程式提供可調整的 Web 主控環境。 在此架構中，App Service 網站可作為使用者要求及管理自動化解決方案的前埠。 它提供回應式 Web 體驗來提交工作並追蹤其進度。

• Container Apps 是無伺服器容器平臺，可讓您在無伺服器平台上執行微服務和容器化應用程式。 在此架構中，Container Apps API 是處理使用者要求、協調多個 AI 代理程式，以及管理工作完成狀態的中央協調流程層。 它會裝載由使用 Semantic Kernel 的軟體小組所建立的自定義開發程式代碼。

• Azure AI Foundry 是受控 AI 服務，可讓您存取進階語言模型以進行自然語言處理和產生。 在此架構中，Azure AI Foundry 會提供模型即服務，以供語意核心型代理程式叫用。

• Azure Cosmos DB 是全域散發的多模型資料庫服務，可提供低延遲和彈性延展性。 在此架構中，Azure Cosmos DB 會儲存與目前和過去自動化計畫和解決方案相關的所有數據。 容器應用程式 API 會在建立新方案或執行工作時寫入數據。 當使用者透過App Service 網站存取其自動化歷程記錄時，API 會讀取數據。

• Container Registry 是受控 Docker 登錄服務，可儲存和管理容器映射。 在此架構中，Container Registry 會管理前端網站和後端 API 的映像。 此設定可確保跨環境之多代理程式系統元件的一致部署和版本控制。

案例詳細資料

此自定義的多代理程式自動化引擎可解決協調複雜跨部門商務程序的挑戰，這些流程傳統上需要大量手動監督和協調。 組織通常會在跨多個專業知識領域、跨小組要求一致的效能，以及需要稽核線索來支持合規性的工作。

此解決方案會使用自定義編碼的特製化 AI 代理程式，共同作業，將複雜的組織工作分解成可管理的元件。 每個代理程式都會提供領域特定的知識和功能。 這種方法可讓系統管理複雜的工作流程，否則需要跨多個部門進行人力協調。 架構會透過容器化部署進行調整、透過持續性數據記憶體保留學習，並透過自動化整合和傳遞管線支援持續改善。

潛在應用情境

企業程序自動化

員工上線協調流程： 協調IT布建、HR檔、設施存取、訓練排程，以及多個部門的合規性需求。

合約管理工作流程： 針對複雜的商務協定，自動進行法律檢閱、採購核准、財務分析和廠商通訊。

事件回應協調： 協調跨IT、安全性和商務小組的技術補救、專案關係人通訊、檔和事件後分析。

金融服務與合規性

法規合規性自動化： 同時協調多個法規架構的數據收集、分析、報告和提交。

貸款處理管線： 自動化信用分析、風險評估、檔檢閱和核准工作流程，其中包含多個專家小組。

稽核準備管理： 協調跨業務單位的辨識項收集、文件準備、專案關係人面試和合規性驗證。

醫療保健與研究

臨床試驗管理： 協調患者招聘、法規合規性、數據收集、安全性監視，以及跨研究小組的報告。

病患護理協調： 針對複雜的醫療案例，自動排程、治療規劃、保險驗證和護理小組通訊。

醫療設備採購： 協調臨床需求、技術規格、廠商評估和法規核准程式。

製造和供應鏈

產品推出協調： 協調設計最終化、製造設定、品質保證、營銷準備和配送規劃。

供應商上線程式： 自動化資格評定、合約交涉、系統整合和效能監視設定。

品質事件管理： 協調調查、根本原因分析、更正動作，以及質量問題的供應商溝通。

替代選擇

此架構包含多個元件，您可以根據工作負載的功能和非功能需求來替代其他 Azure 服務或方法。 請考慮下列替代方案和取捨。

代理程序協調流程

目前的方法： 此解決方案會使用以語意核心 SDK 撰寫的自定義代理程式程式代碼來協調代理程式及其互動。 Container Apps 可作為執行程式碼的中央協調器計算。 此程式代碼會協調在作用中工作流程上運作的多個 AI 代理程式。 這種方法是程式代碼優先的解決方案，可提供代理程式行為、協調流程邏輯和計算規模的最大控制權。

替代方法： 使用 Azure AI Foundry 代理程式服務來定義代理程式，並將其個別連線到相關的知識存放區和工具。 這種方法是一種無程式代碼解決方案，您可以透過系統提示來定義代理程式行為和代理程序關聯性。 代理程式會代表您裝載，而且您無法控制執行代理程序的計算。

如果您的工作負載具有下列特性，請考慮此替代方案：

• 您不需要具決定性的代理程序協調流程。 您可以透過系統提示，充分定義代理程序行為，包括知識存放區存取和工具使用。

• 您不需要完全控制代理程式的計算。

• 您只需要 HTTPS 可存取的工具，而且您的知識存放區與 Foundry Agent Service 兼容。

對於有混合需求的組織，混合式方法可能有效。 標準工作流程會使用 Foundry 代理程式服務，而關鍵或高度自定義的進程會在 Container Apps 上使用自我裝載協調流程。

成本優化

成本優化著重於減少不必要的費用，並提升營運效率的方式。 如需詳細資訊，請參閱成本最佳化的設計檢閱檢查清單。

如需執行此案例成本的相關信息，請參閱 Azure 定價計算機中的預先設定估計值。

定價會因區域和使用量而異，因此無法事先預測確切的成本。 此基礎結構中的大部分 Azure 資源都遵循以使用量為基礎的定價模型。 不過，Container Registry 會對每個登錄產生每日固定成本。

部署此案例

若要部署此架構的實作，請遵循 GitHub 存放庫中的步驟。

貢獻者們

本文由 Microsoft 維護。 下列參與者撰寫本文。

主要作者：

• 所羅門·彼克特 |軟體工程師II

其他參與者：

• Mark Taylor |首席軟體工程師

若要查看非公開的 LinkedIn 個人檔案，請登入 LinkedIn。

後續步驟

• 使用語意核心的代理程序架構概觀