Przepływy pracy z agentami i modelami sztucznej inteligencji w usłudze Azure Logic Apps

Dotyczy: Azure Logic Apps (Consumption + Standard)

Usługa Azure Logic Apps obsługuje przepływy pracy, które wykonują zadania przy użyciu pętli agenta z dużymi modelami językowymi (LLMs). Pętla agenta używa procesu iteracyjnego do rozwiązywania złożonych, wieloetapowych problemów. LLM to wytrenowany program, który rozpoznaje wzorce i wykonuje zadania bez interakcji człowieka, na przykład:

• Analizowanie, interpretowanie i rozumowanie informacji, takich jak instrukcje, monity, dane wejściowe i inne dane.
• Podejmowanie decyzji na podstawie wyników i dostępnych danych.
• Formułuj i zwracaj odpowiedzi z powrotem do monitatora na podstawie instrukcji agenta.

Możesz tworzyć przepływy pracy korzystające z autonomicznych lub konwersacyjnych pętli agentów. Pętla agenta używa języka naturalnego do komunikacji z Tobą i modelem, z którym jest połączona. Agent używa również wygenerowanych przez model danych wyjściowych do pracy z interakcją człowieka lub bez interakcji. Model wspomaga działanie pętli agenta w zapewnianiu następujących możliwości:

• Zaakceptuj informacje o roli agenta, sposobie działania i sposobie reagowania.
• Odbieranie i odpowiadanie na instrukcje i żądania lub monity.
• Przetwarzanie danych wejściowych, analizowanie danych i podejmowanie wyborów na podstawie dostępnych informacji.
• Wybierz narzędzia do wykonywania zadań niezbędnych do realizacji żądań. Narzędzie to w zasadzie sekwencja z co najmniej jedną akcją, która wykonuje zadanie.
• Dostosuj się do środowisk wymagających elastyczności i są płynne, dynamiczne, nieprzewidywalne lub niestabilne.

Dzięki 1400 złączom, których można użyć do budowy narzędzi dla korzystania w pętli agenta, przepływy pracy agentów wspierają szeroką gamę scenariuszy, które znacząco korzystają z możliwości pętli agenta oraz modelu. W zależności od scenariusza utwórz przepływ pracy agenta autonomicznego bez interakcji z człowiekiem lub przepływ pracy agenta konwersacji z interakcją ludzką, aby najlepiej dopasować się do potrzeb rozwiązania.

To omówienie obejmuje następujące obszary:

• Przepływy pracy agenta a nieagentowe
• Kluczowe pojęcia dotyczące pętli agentów
• Przepływy pracy agenta autonomicznego i konwersacyjnego
• Struktura agenta
• Przykładowe scenariusze
• Uwierzytelnianie i autoryzacja
• Podstawowe informacje o rozliczeniach

Przepływy pracy agenta a nieagentowe

Przepływy pracy korzystające z pętli agentów mogą wykraczać poza limity nałożone na przepływy pracy nieogentne. Przepływy pracy agentów mogą dostosowywać się do środowisk, w których występują nieoczekiwane zdarzenia, wybierać narzędzia do użycia na podstawie monitów, danych wejściowych i dostępnych danych, stale poprawiać ich wydajność, obsługiwać dane bez struktury, obsługiwać złożone scenariusze i zapewniać wyższy poziom elastyczności i elastyczności. Przepływy pracy nonagent działają najlepiej w stabilnych środowiskach, przestrzegają wstępnie zdefiniowanych reguł i wykonują zadania statyczne, przewidywalne i powtarzalne.

W poniższej tabeli przedstawiono więcej porównań między przepływami pracy agenta i przepływami pracy bez agenta:

Najważniejsze pojęcia

Poniższa tabela zawiera podstawowe wprowadzenie do kluczowych pojęć:

Przepływy pracy agenta autonomicznego i konwersacyjnego

Aby lepiej zrozumieć różnice typów przepływów pracy agenta, w poniższych sekcjach opisano i przedstawiono przykłady dla każdego typu przepływu pracy agenta. Oba typy przepływów pracy używają pętli agenta i narzędzi, aby uzyskać bieżącą pogodę i wysłać te informacje w wiadomości e-mail. Wszyscy agenci mają panel informacyjny, w którym skonfigurujesz agenta z modelem, który chcesz, oraz udzielisz instrukcji dotyczących ról, funkcji agenta i sposobu reagowania.

Przepływ pracy agenta autonomicznego

W poniższych krokach wysokiego poziomu opisano zachowanie podstawowego przepływu pracy agenta autonomicznego:

1. Przepływ pracy rozpoczyna się od dowolnego dostępnego obsługiwanego wyzwalacza.

   Między wyzwalaczem a agentem opcjonalnie może zostać wykonanych zero lub więcej akcji.

2. Agent akceptuje instrukcje systemowe i automatyczne polecenia lub dane wejściowe, na przykład rezultaty z wyzwalacza lub poprzedniej akcji.

3. W zależności od tego, czy masz przepływ pracy agenta konsumpcyjnego, czy standardowego, agent używa modelu Azure OpenAI lub interfejsu API LLM z następującego źródła, aby interpretować i zrozumieć instrukcje i żądania. Agent używa również modelu do przetwarzania i analizowania podanych danych wejściowych.

   Aplikacja logiki	Źródło modelu
   Zużycie	Microsoft Foundry
   Standard	- Zasób usługi Azure OpenAI - Projekt rozwiązania Azure AI Foundry (wersja zapoznawcza) - Konto usługi Azure API Management z interfejsem API LLM (wersja zapoznawcza)

4. Na podstawie instrukcji agenta model pomaga zaplanować narzędzia, które agent musi wywołać w celu wykonania niezbędnych zadań.

5. Agent zwraca wyniki narzędzia i odpowiada inicjatorowi przepływu pracy lub określonemu adresatowi.

Poniższy zrzut ekranu przedstawia podstawowy przykładowy przepływ pracy agenta autonomicznego:

Przepływ pracy agenta konwersacji

W poniższych krokach wysokiego poziomu opisano zachowanie podstawowego przepływu pracy agenta konwersacji:

1. Przepływ pracy zawsze rozpoczyna się od wyzwalacza o nazwie Po rozpoczęciu sesji czatu.

   Między wyzwalaczem a agentem opcjonalnie może zostać wykonanych zero lub więcej akcji.

2. Agent akceptuje instrukcje systemowe i zapytania lub dane wejściowe dostarczone przez człowieka za pośrednictwem zintegrowanego interfejsu czatu, na przykład Jaka jest pogoda w Seattle?

3. W zależności od tego, czy masz przepływ pracy agenta Konsumpcji, czy Standardowego, agent używa modelu Azure OpenAI lub interfejsu API LLM ze źródła, aby interpretować i rozumieć instrukcje i żądania. Agent używa również modelu do przetwarzania i analizowania podanych danych wejściowych.

   Aplikacja logiki	Źródło modelu
   Zużycie	Microsoft Foundry
   Standard	- Zasób usługi Azure OpenAI - Konto usługi Azure API Management z interfejsem API LLM (wersja zapoznawcza)

4. Na podstawie instrukcji agenta model pomaga zaplanować narzędzia wywoływane przez agenta w celu wykonywania niezbędnych zadań.

5. Agent zwraca wyniki narzędzia i odpowiada za pośrednictwem interfejsu czatu użytkownikowi prompter.

Poniższy zrzut ekranu przedstawia podstawowy przykładowy przepływ pracy agenta konwersacyjnego:

Poniższy zrzut ekranu przedstawia zintegrowany interfejs czatu, do którego można uzyskać dostęp z poziomu paska narzędzi projektanta lub menu paska bocznego przepływu pracy w witrynie Azure Portal:

Przepływy pracy agenta konwersacji obsługują również zewnętrznego klienta czatu, którego inni mogą używać poza witryną Azure Portal. Aby zapewnić i zabezpieczyć dostęp dla tego zewnętrznego klienta czatu, należy skonfigurować uwierzytelnianie i autoryzację produkcyjną.

Eksplorowanie struktury przepływu pracy agenta

Aby utworzyć nowy przepływ pracy agenta, utwórz aplikację logiki Zużycie w wielodostępnej usłudze Azure Logic Apps lub standardowej aplikacji logiki w usłudze Azure Logic Apps z jedną dzierżawą i wybierz jeden z następujących typów przepływów pracy:

• Agenci autonomiczni
• Agenci konwersacyjni

Te typy przepływów pracy obejmują wszystkie możliwości przepływów pracy w trybie zużycia lub standardowych przepływów stanowych i zostały zaprojektowane tak, aby działać specjalnie z funkcjami agentów. Te typy przepływów pracy automatycznie zawierają pustego agenta.

Na przykład poniższy zrzut ekranu przedstawia nowy przepływ pracy agenta autonomicznego:

Poniższy zrzut ekranu przedstawia nowy przepływ pracy agenta konwersacyjnego:

Jeśli masz istniejący Stateful przepływ pracy w aplikacjach logiki Standard, na poniższym zrzucie ekranu przedstawiono sposób dodawania akcji Agenta w celu uwzględnienia funkcji autonomicznego agenta i funkcji LLM.

Przepływy pracy agenta konsumpcji są automatycznie konfigurowane z użyciem modelu, podczas gdy standardowe przepływy pracy agenta wymagają skonfigurowania połączenia z modelem, który ma być używany przez agenta.

Agent wymaga podania instrukcji opisujących role, które agent może pełnić, zadania, które agent może wykonać, oraz inne konkretne informacje nakazowe, które pomagają agentowi reagować na monity, udzielać odpowiedzi na pytania i wykonywać żądane zadania, na przykład:

Agent pusty, połączony z modelem, może odpowiadać na monity korzystające wyłącznie z możliwości modelu, więc agent nie musi zawierać narzędzi. Jednak aby agent używał akcji dostępnych w usłudze Azure Logic Apps, agent musi tworzyć narzędzia. Możesz rozpocząć tworzenie narzędzia, dodając najpierw akcję z galerii łączników.

Na poniższym diagramie przedstawiono galerię, w której można przeglądać i wybierać akcje do tworzenia narzędzi:

Na poniższym diagramie przedstawiono agenta pogody, który może uzyskać prognozę pogody i wysłać prognozę w wiadomości e-mail:

Więcej przykładowych scenariuszy

W poniższej sekcji opisano kilka dodatkowych sposobów, na które agent może wykonywać zadania w przepływie pracy:

Agent kredytu hipotecznego

Wyobraź sobie, że twój bank korzysta z agenta kredytu hipotecznego, który przetwarza pożyczki autonomicznie lub z interwencją człowieka, jeśli jest to konieczne, wykonując następujące zadania w jednej zaaranżowanej pętli:

• Porozmawiaj z klientami, aby odpowiedzieć na pytania.
• Przejrzyj wnioski o pożyczki.
• Zbierz informacje finansowe, aby ocenić uprawnienia do kredytu.
• Pobieranie i analizowanie danych o podwyższonym ryzyku.
• Zażądaj wycen nieruchomości i podsumuj je po ich przesłaniu.
• Uwzględnij recenzentów ludzkich w przypadku przypadków brzegowych.
• Zatwierdzanie lub odrzucanie aplikacji.
• Przekazywanie decyzji odpowiednim stronom.

Agent realizacji zamówień

Załóżmy, że twoja firma używa agenta realizacji zamówień do wykonywania następujących zadań:

• Skontaktuj się z klientami, aby odpowiedzieć na pytania dotyczące produktów w oparciu o wiedzę przedsiębiorstwa.
• Utwórz zamówienia, ale w razie potrzeby przekaż je ludziom.
• Zapewnij obsługę 24/7 dzięki inteligentnej eskalacji.

Możesz również mieć agenta, który organizuje pracę między innymi agentami. Możesz na przykład mieć zespół agentów, takich jak pisarz, recenzent i wydawca, który współpracuje ze sobą w celu tworzenia i dystrybuowania raportów sprzedaży.

Koordynator zleceń robót obiektów

Aby obsługiwać wewnętrzny zespół obiektów, agent zamówienia pracy wykonuje następujące zadania:

• Porozmawiaj z pracownikami i udostępniaj opcje żądań obsługi.
• Otwieranie zamówień pracy na podstawie wyborów pracowników.
• Wyślij zlecenia robocze do odpowiednich zespołów serwisowych.
• Aktualizuj zlecenia robocze z postępem prac i statusem zadań.
• Zamknij zamówienia pracy po zakończeniu zadań.
• Powiadom stosowne osoby o ukończonych zadaniach.

Uwierzytelnianie i autoryzacja

Przepływy pracy bez agentów zwykle wchodzą w interakcje z małym, znanym i przewidywalnym zestawem wywołujących. Jednak przepływy pracy agentów konwersacyjnych komunikują się z szerszym zakresem osób wywołujących, takich jak osoby, agenci, serwery protokołu MCP (Model Context Protocol), brokerzy narzędzi i usługi zewnętrzne. Ten szerszy zasięg zwiększa opcje integracji, ale wprowadza różne wyzwania związane z zabezpieczeniami, ponieważ osoby wywołujące mogą pochodzić z dynamicznych, nieznanych lub niezaufanych sieci. Gdy rozmówcy pochodzą z sieci, których nie kontrolujesz, lub gdy tożsamości są zewnętrzne lub nieskończone, musisz uwierzytelnić i autoryzować każdego rozmówcę, aby chronić procesy pracy agentów konwersacyjnych, ponieważ zapewniają zewnętrznemu klientowi czatu możliwość interakcji z ludźmi.

W przypadku działań nieprodukcyjnych witryna Azure Portal używa klucza dewelopera do uwierzytelniania i autoryzacji. Jednak gdy przepływy pracy agenta konwersacyjnego są gotowe do wdrożenia, skonfiguruj odpowiednie uwierzytelnianie i autoryzację produkcyjną dla typu aplikacji logicznej.

Uwierzytelnianie i autoryzacja klucza dewelopera

Tylko w przypadku działań nieprodukcyjnych, takich jak projektowanie, programowanie i szybka walidacja, witryna Azure Portal udostępnia, zarządza i używa klucza dewelopera do uruchamiania przepływu pracy w Twoim imieniu.

Co to jest klucz dewelopera?

Klucz dewelopera to wygodny mechanizm uwierzytelniania używany tylko przez witrynę Azure Portal do uruchamiania przepływu pracy podczas etapów projektowania, programowania i szybkiego testowania w witrynie Azure Portal. Na tych etapach klucz dewelopera pozwala pominąć konieczność ręcznego skonfigurowania Easy Auth lub adresów URL wywołań zwrotnych wyzwalacza z sygnaturami dostępu współdzielonego (SAS). Klucz jest połączony z określonym użytkownikiem i dzierżawcą tylko na podstawie tokenu nosiciela usługi Azure Resource Manager, który jest tokenem dostępu uwierzytelniającym żądania do interfejsu API REST usługi Azure Resource Manager.

Portal automatycznie wprowadza klucz dewelopera w przypadku korzystania z wbudowanych środowisk testowych w projektancie przepływu pracy, takich jak uruchamianie przepływu pracy, wywoływanie wyzwalacza żądania lub interakcja z przepływem pracy agenta konwersacji w wewnętrznym interfejsie czatu. Klucz jest automatycznie związany z sesją dzierżawy i zalogowanym użytkownikiem portalu, więc nie można dystrybuować klucza zewnętrznie ze względu na to powiązanie, które jest oparte tylko na tokenie nośnika ARM.

Ograniczenia klucza dewelopera

Poniższa lista zawiera opis ograniczeń użycia i projektowania klucza dewelopera:

• Klucz nie jest zamiennikiem dla prostego uwierzytelniania, tożsamości zarządzanej, poświadczeń federacyjnych ani podpisanych adresów URL wywołania zwrotnego w scenariuszach produkcyjnych.
• Klucz nie jest przeznaczony dla dużych lub niezaufanych populacji dzwoniących, narzędzi dla agentów ani klientów automatyzacyjnych aplikacji.
• Klucz nie jest mechanizmem autoryzacji dla poszczególnych użytkowników z powodu braku szczegółowych zakresów i ról.
• Klucz nie podlega zasadom dostępu warunkowego w warstwie wykonywania żądania tylko w warstwie logowania portalu.
• Klucz nie jest przeznaczony do użycia programistycznego ani zastosowań w procesach CI/CD.

Aby zapoznać się z porównaniem klucza dewelopera i prostego uwierzytelniania, zobacz Easy Auth a klucz dewelopera.

Przypadki użycia klucza dewelopera

W poniższej tabeli opisano odpowiednie i niewłaściwe scenariusze używania klucza dewelopera:

Uwierzytelnianie produkcyjne i autoryzacja

Gdy przepływy pracy agenta konwersacyjnego są gotowe do środowiska produkcyjnego, w poniższych sekcjach opisano opcje nieprodukcyjne i produkcyjne dotyczące uwierzytelniania wywołujących i autoryzowania dostępu do przepływów pracy agenta.

Aby uzyskać więcej informacji na temat uwierzytelniania i autoryzacji w środowisku produkcyjnym, zobacz kartę dla typu aplikacji logicznej.

Fakturowanie

• Użycie: Rozliczenia korzystają z modelu płatności typu pay-as-you-go. Cennik pętli agenta jest oparty na liczbie tokenów używanych przez akcję agenta i wyświetlanych jako jednostki przedsiębiorstwa na rachunku. Aby uzyskać szczegółowe informacje o cenach, zobacz Cennik usługi Azure Logic Apps.

• Standardowa: Mimo że przepływy pracy agentów nie generują dodatkowych opłat, użycie modelu sztucznej inteligencji powoduje naliczanie opłat. Aby uzyskać więcej informacji, zobacz Kalkulator cen platformy Azure.

Treści powiązane

• Tworzenie przepływów pracy agenta autonomicznego w usłudze Azure Logic Apps
• Tworzenie przepływów pracy agenta konwersacji w usłudze Azure Logic Apps
• Laboratoria: Omówienie tworzenia przepływów pracy agentów za pomocą usługi Azure Logic Apps