DevRel на Microsoft е развълнуван да представи , демонстрация на примерни приложения с корпоративна функционалност, която демонстрира как разработчиците могат да координират и (написана на Java, .NET, Python и TypeScript) за изследване на сценарии за планиране на пътувания. за изпълнение на оркестър, за структурирани взаимодействия с инструменти, Azure AI Foundry, GitHub Model и за мащабно разгръщане. Какви са пътническите агенти multiple AI agents MCP servers LlamaIndex.TS Model Context Protocol (MCP) Azure Container Apps Какви са пътническите агенти Др ; Др : Изживейте силата на MCP и Azure с The AI Travel Agents! Опитайте да демонстрирате на живо на местно ниво на вашия компютър, за да видите сътрудничеството на агентите в реално време в действие. Споделете вашите отзиви на нашия форум на общността. Вече планираме подобрения, като нови MCP-интегрирани агенти, които позволяват сигурна комуникация между агентите на AI и сървърите на MCP, добавяйки поддръжка за Agent2Agent чрез MCP. Това все още е работа в ход и ние също приветстваме всякакви приноси. Др ; Др : Това приложение за извадка използва подправени данни и е предназначено за демонстрационни цели, а не за производствена употреба. Това приложение за извадка използва подправени данни и е предназначено за демонстрационни цели, а не за производствена употреба. Предизвикателството: Мащабиране на персонализираното планиране на пътуванията Туристическите агенции се борят със сложни задачи: анализиране на разнообразни нужди на клиентите, препоръчване на дестинации и изготвяне на маршрути, като същевременно интегрират данни в реално време като тенденционни точки или логистика.Традиционните системи се променят с латентност, мащабируемост и координация, което води до закъснения и разочарования на клиентите. LlamaIndex.TS оркестрира шест AI агенти за ефективно управление на задачи. MCP оборудва агентите с специфични за пътуването данни и инструменти. Azure Container Apps осигурява мащабируемо и безсървърно разполагане. Тази архитектура осигурява оперативна ефективност и персонализирано обслужване в мащаб, превръщайки хаоса в възможност. LlamaIndex.TS: Оркестриране на AI агенти Сърцето на AI Travel Agents е , мощна агентическа рамка, която оркестрира множество агенти на ИИ, за да се справят с задачи за планиране на пътувания. Построена на Node.js backend, LlamaIndex.TS управлява взаимодействията с агенти по безпроблемен и интелигентен начин: LlamaIndex.TS Делегиране на задачи: Агентът за сортиране анализира заявките и ги насочва към специализирани агенти, като например агента за планиране на маршрути, за да осигури ефективни работни потоци. Координация на агенти: LlamaIndex.TS поддържа контекста на взаимодействията, позволявайки съгласувани отговори на сложни запитвания, като например планове за пътуване в няколко града. : Connects to Azure OpenAI, GitHub Models or any local LLM using Foundy Local for advanced AI capabilities. LLM Integration Модулният дизайн на LlamaIndex.TS поддържа разширяемост, което позволява лесното добавяне на нови агенти. LlamaIndex.TS е проводникът, който гарантира, че агентите работят в синхрон, за да осигурят точни, навременни резултати. MCP: горивни агенти с данни и инструменти на овластява агентите на ИИ чрез предоставяне на специфични за пътуванията данни и инструменти, подобрявайки тяхната функционалност. MCP действа като център за данни и инструменти: Model Context Protocol (MCP) Данни в реално време: Предоставя актуална информация за пътуване, като например тенденционни дестинации или сезонни събития, чрез уеб агента за търсене с помощта на Bing Search. Достъп до инструменти: Свързва агентите с външни инструменти, като например анализатора на заявки на клиенти на база .NET за анализ на настроението, планирането на маршрути на базата на Python за графици за пътуване или инструментите за препоръчване на дестинации, написани в Java. Например, когато Агентът за препоръки за дестинации се нуждае от текущи тенденции за пътуване, MCP доставя чрез Агента за уеб търсене. Тази модулност позволява нови инструменти да бъдат интегрирани безпроблемно, осигурявайки надеждна платформа за бъдещето. Приложения за контейнери на Azure: мащабируемост и устойчивост AI Travel Agents предлага извадка от приложението с безсървърна, мащабируема платформа за разполагане на микроуслуги.Това гарантира, че приложението лесно се справя с различни работни натоварвания: Azure Container Apps Динамично мащабиране: Автоматично регулира инстанциите на контейнерите въз основа на търсенето, като управлява увеличенията на резервациите без прекъсвания. Polyglot Microservices: Поддържа .NET (Customer Query), Python (Itinerary Planning), Java (Destination Recommandation) и Node.js услуги в изолирани контейнери. Наблюдаемост: Интегрира проследяване, показатели и записване, което позволява мониторинг в реално време. Ефективност без сървъри: абстрахира инфраструктурата, намалява разходите и ускорява разполагането. Глобалната инфраструктура на Azure Container Apps осигурява производителност с ниска закъснение, което е от решаващо значение за туристическите агенции, обслужващи клиенти по целия свят. The AI Agents: A Quick Look / Агентите на AI: Бърз поглед Докато MCP и Azure Container Apps са звездите, те поддържат екип от множество AI агенти, които управляват функционалността на приложението. Построени и оркестрирани с Llamaindex.TS чрез MCP, тези агенти си сътрудничат за справяне с задачите за планиране на пътувания: Агент за сортиране: насочва заявки към правилния агент, като използва MCP за делегиране на задачи. Customer Query Agent: Анализира нуждите на клиентите (емоции, намерения) с помощта на .NET инструменти. Агент за препоръки за дестинации: Предлага персонализирани дестинации, използвайки Java. Агент за планиране на маршрути: Изработва ефективни маршрути, задвижвани от Python. Агент за уеб търсене: Получава данни в реално време чрез Bing Search. Тези агенти разчитат на комуникацията в реално време на MCP и мащабируемостта на приложенията за контейнери на Azure, за да предоставят отзивчиви и точни резултати. Заслужава да се отбележи, че приложението използва подправени данни за демонстрационни цели.В реалния сценарий, приложението ще комуникира с MCP сървър, който е свързан към истински производствен път API. Опитайте го навън с помощта на Docker Model Runner / Ollama или Azure AI Foundry за по-способни LLMs, за да видите сътрудничеството на агентите в реално време в действие. Опитайте демо на живо на вашия компютър безплатно Заключението Днес можете да разгледате проекта с отворен код на , с инструкции за инсталиране и разполагане. Споделете обратната си информация на нашия сайт Вече планираме подобрения, като нови MCP-интегрирани агенти, които позволяват между агентите на AI и MCP сървърите, добавяйки поддръжка за Agent2Agent чрез MCP. GitHub Форум на Общността Сигурна комуникация Това е все още работа в ход и ние също приветстваме всички видове вноски. Моля, викайте и звездите на репото, за да останете настроени за актуализации! Ще се радваме на вашите отзиви и ще продължим дискусията в Azure AI Discord https://aka.ms/AI/discord
