客座博客：在语义内核中构建具有多模型的多智能体系统 - 第 1 部分

[jrineakter]

今天，我想欢迎 Arafat Tehsin 回来，他是微软人工智能领域最有价值专家 (MVP)。他写了一篇我们在下面分享的文章，重点介绍了在语义内核中构建具有多模型的多智能体系统。我们将把更多内容交给 Arafat 分享！

代理人工智能实用指南

想象一下经营一家餐厅。从厨师到服务员再到收银员，您的每个团队成员都拥有专业技能。厨师准备美味的饭菜，服务员确保食物及时送达，收银员确保交易顺利进行。他们共同打造无缝的用餐体验。

同样，在由Semantic Kernel驱动的多代理系统中 ，每个 AI 代理都专注于其任务，例如生成旅行计划、分析预算或创建营销活动横幅。这些代理无缝沟通和协作，就像一个协调良好的餐厅团队，以有效解决复杂、多方面的问题，实现总体目标。

为什么我们需要代理？
代理是自主或半自主的软件实体，旨在通过处理输入、做出决策和产生输出来执行任务。它们为人工智能系统引入了模块化和适应性。它们提供协作、自主和人机交互等功能。例如，在客户支持系统中，一个代理可能会分析用户查询，而另一个代理会从数据库中提取数据，第三个代理会生成响应。

为什么要采用多智能体系统？
虽然单个代理可以有效地处理特定任务（见下文），但复杂问题通常需要协作。多代理系统引入了分布式智能，允许代理专门负责并并行协调任务。例如，在动态销售过程中，一个代理可以 IT 主管经理电子邮件列表 监控社交媒体趋势，另一个代理可以分析客户行为，第三个代理可以提供可操作的见解。这样，他们就可以共同制定整体战略。

为什么要采用多模型系统？
将多个模型集成到此类系统中可以增强其多功能性。单个代理或甚至一组代理绑定到一个模型可能会受到限制，尤其是当不同的任务需要专门的功能时。通过使用多模型编排，代理可以无缝使用不同的模型来充分利用前沿模型。例如，GPT-4 处理客户互动，Gemini Ultra 解释损坏产品的视觉数据，Llama 3.2 确保全球通信的实时翻译。

整合以上所有功能，企业可以实现更快的运营效率和适应性。这些系统可以让企业充分利用人工智能的潜力，通过最佳创新提供个性化的客户体验。

让我们谈谈如何构建这些代理
Semantic Kernel 提供了一个 Agent Framework 来构建这些代理。这里我只是总结了一些基本概念，因为我不想在这里重新讨论 Microsoft Learn 文档。

该框架处于实验阶段。其架构旨在实现智能代理的创建和管理。它允许多个代理在单个对话中协作并管理多个并发对话，包括多模型和多模式功能。该框架包括类 Agent 、 Agent Chat 和等 核心组件Agent Channel，可促进代理交互和协作。

它与语义内核的核心原则相集成，确保一致性，实现高级和自主的代理行为。此外，插件和函数调用使代理能够与外部服务交互并执行复杂任务，从而实现代理的功能。

这次，我采用了不同的方法来指导您作为开发人员如何快速学习 Agent Framework 的所有功能。您可能还记得，我 为 Semantic Kernel 创建了一个入门笔记本 ，您可以按照示例逐步学习。我不会写最新笔记本中已经包含的细节 Agents 。但是，我想向您简要介绍一下 我 在笔记本中创建的代理。