El equipo de Microsoft está entusiasmado por presentar , una demostración de aplicación con funcionalidad empresarial que demuestra cómo los desarrolladores pueden coordinar y (escrito en Java, .NET, Python y TypeScript) para explorar escenarios de planificación de viajes. para la orquestación, para las interacciones de herramientas estructuradas, Azure AI Foundry, GitHub Model y para el despliegue escalable. Los agentes de viajes multiple AI agents MCP servers LlamaIndex.TS Model Context Protocol (MCP) Azure Container Apps Los agentes de viajes TD y DR: Experimente el poder de MCP y Azure con The AI Travel Agents! Pruebe una demostración en vivo localmente en su ordenador para ver la colaboración de agentes en tiempo real en acción. Comparte su feedback en nuestro foro de la comunidad. Ya estamos planeando mejoras, como nuevos agentes integrados con MCP, permitiendo una comunicación segura entre los agentes de IA y los servidores de MCP, añadiendo soporte para Agent2Agent a través de MCP. Este es todavía un trabajo en curso y también acogemos todo tipo de contribuciones. Por favor, forque y estrella el repo para mantenerse atento a las actualizaciones! TD y DR: Esta aplicación de muestra utiliza datos de mock y está destinado a fines de demostración en lugar de uso de producción. Esta aplicación de muestra utiliza datos de mock y está destinado a fines de demostración en lugar de uso de producción. El reto: Escalar la planificación de viajes personalizada Travel agencies grapple with complex tasks: analyzing diverse customer needs, recommending destinations, and crafting itineraries, all while integrating real-time data like trending spots or logistics. Traditional systems falter with latency, scalability, and coordination, leading to delays and frustrated clients. The AI Travel Agents tackles these issues with a technical trifecta: LlamaIndex.TS orquesta seis agentes de IA para el manejo eficiente de tareas. MCP equipa a los agentes con datos y herramientas específicas para viajes. ensures scalable, serverless deployment. Azure Container Apps Esta arquitectura ofrece eficiencia operativa y servicio personalizado a escala, transformando el caos en oportunidad. LlamaIndex.TS: Orquestación de Agentes de IA El corazón de los agentes de viajes AI es , un poderoso marco de agentes que orquesta múltiples agentes de IA para manejar tareas de planificación de viajes. Construido en un backend de Node.js, LlamaIndex.TS gestiona las interacciones de agentes de una manera sencilla e inteligente: LlamaIndex.TS Delegación de tareas: El agente de clasificación analiza las consultas y las dirige a agentes especializados, como el agente de planificación de itinerarios, asegurando flujos de trabajo eficientes. Coordinación de agentes: LlamaIndex.TS mantiene el contexto a través de las interacciones, permitiendo respuestas coherentes a consultas complejas, como los planes de viaje multi-ciudad. Integración de LLM: Se conecta a Azure OpenAI, GitHub Models o cualquier LLM local usando Foundy Local para capacidades avanzadas de IA. El diseño modular de LlamaIndex.TS soporta la extensibilidad, permitiendo la adición de nuevos agentes con facilidad. LlamaIndex.TS es el conductor, asegurando que los agentes trabajen en sincronía para entregar resultados precisos y oportunos. Su orquestación ligera minimiza la latencia, lo que lo convierte en ideal para aplicaciones en tiempo real. MCP: Agentes de combustible con datos y herramientas El empodera a los agentes de IA proporcionando datos y herramientas específicas para viajes, mejorando su funcionalidad. MCP actúa como un hub de datos y herramientas: Model Context Protocol (MCP) Datos en tiempo real: proporciona información de viaje actualizada, como destinos de tendencia o eventos estacionales, a través del agente de búsqueda web utilizando la búsqueda de Bing. Acceso a herramientas: Conecta a los agentes a herramientas externas, como el analizador de consultas de clientes basado en .NET para el análisis de sentimientos, la planificación de itinerarios basada en Python para los horarios de viaje o las herramientas de recomendación de destinos escritas en Java. Por ejemplo, cuando el agente de recomendación de destinos necesita las tendencias actuales de viajes, MCP entrega a través del agente de búsqueda web. Esta modularidad permite que las nuevas herramientas se integren sin problemas, prohibiendo el futuro de la plataforma. El papel de MCP es enriquecer las capacidades del agente, dejando orquestación a LlamaIndex.TS. Aplicaciones de contenedores de Azure: Escalabilidad y resiliencia empodera la aplicación de muestra de AI Travel Agents con una plataforma sin servidor, escalable para desplegar microservicios. Asegura que la aplicación maneja cargas de trabajo variables con facilidad: Azure Container Apps Escalado dinámico: Ajusta automáticamente las instancias de contenedores en función de la demanda, gestionando los aumentos de reserva sin interrupciones. Polyglot Microservices: soporta los servicios .NET (Customer Query), Python (Itinerary Planning), Java (Destination Recommandation) y Node.js en contenedores aislados. Observabilidad: Integra el seguimiento, la métrica y el registro que permite el seguimiento en tiempo real. Eficiencia sin servidor: Abstrae la infraestructura, reduciendo costes y acelerando la implementación. La infraestructura global de Azure Container Apps ofrece un rendimiento de baja latencia, esencial para las agencias de viajes que sirven a clientes en todo el mundo. Los agentes de IA: una mirada rápida Mientras que MCP y Azure Container Apps son las estrellas, soportan un equipo de múltiples agentes de IA que impulsan la funcionalidad de la aplicación. Construidos y orquestados con Llamaindex.TS a través de MCP, estos agentes colaboran para manejar tareas de planificación de viajes: Agente de clasificación: Dirige las consultas al agente correcto, aprovechando el MCP para la delegación de tareas. Customer Query Agent: Analiza las necesidades de los clientes (emociones, intenciones), utilizando herramientas .NET. Agente de recomendación de destinos: Sugiere destinos personalizados, utilizando Java. Agente de planificación de itinerarios: Hace itinerarios eficientes, alimentados por Python. Agente de búsqueda web: recupera datos en tiempo real a través de la búsqueda de Bing. Estos agentes confían en la comunicación en tiempo real de MCP y la escalabilidad de las aplicaciones de contenedores de Azure para ofrecer resultados sensibles y precisos. Vale la pena señalar que esta aplicación de muestra utiliza datos de mock para fines de demostración.En un escenario real, la aplicación comunicaría con un servidor MCP que está conectado a una API de viaje de producción real. Pruebe lo fuera usando Docker Model Runner / Ollama o Azure AI Foundry para LLMs más capaces, para ver la colaboración de agentes en tiempo real en acción. Pruebe la demo en vivo localmente en su ordenador gratis Conclusión Puedes consultar hoy el proyecto de código abierto en , con instrucciones de configuración y implementación. Comparte tu feedback en nuestro Ya estamos planeando mejoras, como nuevos agentes integrados con MCP, que permiten entre los agentes de IA y los servidores de MCP, añadiendo soporte para Agent2Agent a través de MCP. GitHub Foro Comunitario Comunicación segura Este es todavía un trabajo en curso y también acogemos todo tipo de contribuciones. Por favor, forque y estrella el repo para mantenerse atento a las actualizaciones! Nos encantaría su feedback y continuar la discusión en el Azure AI Discord https://aka.ms/AI/discord