Mit jelent az AI-ügynök
A Microsoft AI Agents for Beginners kurzus meghatározása szerint az AI-ügynökök olyan rendszerek, amelyek a nagy nyelvi modelleket (LLM) képessé teszik arra, hogy ténylegesen tegyenek is valamit, mégpedig úgy, hogy eszközöket és tudást adnak nekik a világra való hatáshoz, nem csak a promptra való válaszoláshoz. A különbség tehát nem a modellben van, hanem abban a keretben, amely köré építjük. Egy sima modellhívás egyszer lefut és visszaad egy szöveget. Egy ügynök ezzel szemben körökben dolgozik, érzékeli a helyzetet, dönt a következő lépésről, végrehajtja, majd az eredmény alapján újra dönt, amíg el nem éri a célt.
Miből áll egy ügynök
A kurzus három szerkezeti alapelemet emel ki. A környezet (environment) az a működési tér, ahol az ügynök dolgozik, például egy webshop rendszere vagy egy fájlrendszer. Az érzékelők (sensors) olvassák ki a környezet aktuális állapotát, a beavatkozók (actuators) pedig végrehajtják a cselekvéseket. Ehhez társul három további építőelem. A nyelvi modell felel a gondolkodásért és a tervezésért. Az eszközök (tools) azok a képességek, amelyeket a fejlesztő ad az ügynöknek, például egy keresés vagy egy API hívás. A memória (memory) egyszerre jelenti a rövid távú beszélgetéstörténetet és a hosszú távú, tartós tudást vagy tudásbázist.
- ÉrzékelésAz ügynök az érzékelőkön keresztül kiolvassa a környezet aktuális állapotát és a felhasználói célt.
- GondolkodásA nyelvi modell a memóriára és a helyzetre támaszkodva eldönti, mi legyen a következő lépés.
- CselekvésAz ügynök egy eszközt hív, vagy a beavatkozókon keresztül végrehajt egy műveletet a világban.
- VisszacsatolásAz eredmény visszakerül a modellhez, amely ennek fényében dönt a következő körről, amíg a cél nem teljesül.
Ügynöktípusok
A kurzus hat fő ügynöktípust különböztet meg, a legegyszerűbbtől a legösszetettebbig. Az egyszerű reflexügynök (simple reflex) tisztán szabályalapú, nincs memóriája vagy tervezése. A modellalapú reflexügynök (model-based reflex) belső világmodellt tart fenn, amelyet folyamatosan frissít. A célalapú ügynök (goal-based) egy konkrét cél felé halad lépésről lépésre. A hasznosságalapú ügynök (utility-based) versengő szempontokat mérlegel és optimalizál. A tanuló ügynök (learning) visszajelzésből javul idővel. A hierarchikus ügynök (hierarchical) alárendelt ügynököknek delegál feladatokat. Ezekre épül a többügynökös rendszer (multi-agent system), ahol több önálló ügynök együttműködik vagy versenyez.
Mikor van szükség ügynökre
Nem minden feladathoz kell ügynök, és a kurzus külön hangsúlyozza, hogy az ügynök bevetése átgondolt döntés legyen, ne reflex. Három helyzetben teljesít igazán jól. Az első a nyílt végű problémák (open-ended problems) esete, ahol a megoldás útját nem lehet előre rögzíteni, mert menet közben derül ki, mi kell hozzá. A második a többlépéses folyamatok (multi-step processes), ahol egymás után több eszközt kell használni, és minden lépés az előzőtől függ. A harmadik az időbeli javulás (improvement over time), ahol az ügynök a felhasználói visszajelzésből tanul és finomodik. Ha egy feladat egyetlen, jól definiált lépéssel megoldható, ott jó eséllyel elég egy sima modellhívás.
Elég egy sima modellhívás
- Egyetlen, jól definiált lépés
- Nincs szükség külső eszközre
- Nincs többkörös döntés
- A válasz egyszeri szövegkimenet
Ügynök való ide
- Nyílt végű, előre nem rögzíthető út
- Több lépés, egymásra épülő eszközök
- Visszajelzésből javuló működés
- Cselekvés a világban, nem csak válasz
Három jel, hogy ügynök kell. Nyílt végű a probléma, több lépésen át kell eszközöket használni, és a rendszernek idővel javulnia kell a visszajelzésből. Ha egyik sem áll fenn, valószínűleg túlbonyolítás egy ügynököt építeni.
Workshop
AI Transformation Day
Egésznapos, vezetőknek szóló program. Feltérképezzük, hol tart a szervezet, mi az első reális lépés, és milyen belső feltételek szükségesek a sikerhez. A nap végén konkrét, prioritizált cselekvési lista.
Érdekel a program →