Microsoft jest podekscytowany wprowadzeniem , próbna demonstracja aplikacji z funkcjonalnością przedsiębiorstwa, która pokazuje, w jaki sposób programiści mogą koordynować i (wpisany w językach Java, .NET, Python i TypeScript) w celu zbadania scenariuszy planowania podróży. dla zespołu Orkiestry, dla interakcji narzędzi strukturalnych, Azure AI Foundry, Model GitHub i na skalowalne rozmieszczenie. AI Agenci Podróży multiple AI agents MCP servers LlamaIndex.TS Model Context Protocol (MCP) Azure Container Apps AI Agenci Podróży Tłum; dr Doświadcz mocy MCP i Azure z The AI Travel Agents! Wypróbuj demonstrację na żywo lokalnie na komputerze, aby zobaczyć współpracę agentów w czasie rzeczywistym w akcji. Podziel się swoją opinią na naszym forum społecznościowym. Już planujemy ulepszenia, takie jak nowe agenty zintegrowane z MCP, umożliwiające bezpieczną komunikację między agentami AI i serwerami MCP, dodając wsparcie dla Agent2Agent za pośrednictwem MCP. Jest to nadal praca w toku i mile widziane są wszelkiego rodzaju wkłady. Tłum; dr Ta aplikacja próbna wykorzystuje dane mock i jest przeznaczona do celów demonstracyjnych, a nie do użytku produkcyjnego. Ta aplikacja próbna wykorzystuje dane mock i jest przeznaczona do celów demonstracyjnych, a nie do użytku produkcyjnego. Wyzwanie: skalowanie spersonalizowanego planowania podróży Agencje podróży zmagają się z złożonymi zadaniami: analizą różnych potrzeb klientów, zalecaniem miejsc docelowych i opracowaniem tras, a jednocześnie integracją danych w czasie rzeczywistym, takich jak trendy w lokalizacjach lub logistyka.Tradycyjne systemy zwalniają z opóźnieniem, skalowalnością i koordynacją, prowadząc do opóźnień i frustracji klientów. LlamaIndex.TS orkiestruje sześciu agentów AI do efektywnego zarządzania zadaniami. MCP wyposaża agentów w dane i narzędzia specyficzne dla podróży. Aplikacje Azure Container Apps zapewniają skalowalne i bezserwerowe wdrażanie. Ta architektura zapewnia wydajność operacyjną i spersonalizowaną obsługę na skalę, przekształcając chaos w szansę. LlamaIndex.TS: Orkiestracja agentów AI Sercem agencji podróży jest , potężna ramowa agencja, która orkiestruje wielu agentów AI do obsługi zadań związanych z planowaniem podróży. Zbudowany na fundamencie Node.js, LlamaIndex.TS zarządza interakcjami agentów w bezproblemowy i inteligentny sposób: LlamaIndex.TS Delegacja zadań: Agent Triage analizuje zapytania i kieruje je do wyspecjalizowanych agentów, takich jak agent planowania trasy, zapewniając efektywne przepływy pracy. Koordynacja agentów: LlamaIndex.TS utrzymuje kontekst w interakcjach, umożliwiając spójne odpowiedzi na złożone zapytania, takie jak plany podróży wielostronnych. Integracja LLM: łączy się z Azure OpenAI, GitHub Models lub dowolnym lokalnym LLM za pomocą Foundy Local dla zaawansowanych możliwości AI. Modułowa konstrukcja LlamaIndex.TS obsługuje rozszerzalność, co pozwala na łatwe dodawanie nowych agentów. LlamaIndex.TS jest przewodnikiem, który zapewnia, że agenci pracują w synchronizacji, aby zapewnić dokładne, terminowe wyniki. MCP: Fueling Agents z danymi i narzędziami o umożliwia agentom sztucznej inteligencji dostarczanie danych i narzędzi specyficznych dla podróży, zwiększając ich funkcjonalność. MCP działa jako centrum danych i narzędzi: Model Context Protocol (MCP) Dane w czasie rzeczywistym: dostarcza aktualnych informacji o podróży, takich jak trendy docelowe lub wydarzenia sezonowe, za pośrednictwem agenta wyszukiwania sieci Web przy użyciu wyszukiwania Bing. Dostęp do narzędzi: łączy agentów z narzędziami zewnętrznymi, takimi jak .NET-based customer query analyzer for sentiment analysis, Python-based itinerary planning for trip schedules lub docelowe narzędzia zalecania napisane w języku Java. Na przykład, gdy agent rekomendacji docelowych potrzebuje bieżących trendów podróży, MCP dostarcza za pośrednictwem agenta wyszukiwania sieci Web. Ta modułowość pozwala na bezproblemową integrację nowych narzędzi, zapewniając przyszłość platformie. Aplikacje Azure Container: skalowalność i odporność Wzór aplikacji AI Travel Agents z bezserwerową, skalowalną platformą do wdrażania mikrousług. Zapewnia, że aplikacja obsługuje z łatwością różne obciążenia robocze: Azure Container Apps Dynamic Scaling: automatycznie dostosowuje instancje kontenerów w oparciu o zapotrzebowanie, zarządzając przyrostami rezerwacji bez przerw. Polyglot Microservices: obsługuje usługi .NET (Customer Query), Python (Itinerary Planning), Java (Destination Recommandation) i Node.js w izolowanych kontenerach. Obserwowalność: Integruje śledzenie, metryki i logowanie umożliwiające monitorowanie w czasie rzeczywistym. Skuteczność bezserwerowa: Abstrakcja infrastruktury, obniżenie kosztów i przyspieszenie wdrożenia. Globalna infrastruktura aplikacji Azure Container Apps zapewnia wydajność z niskim opóźnieniem, co jest kluczowe dla biur podróży obsługujących klientów na całym świecie. Agenci AI: szybkie spojrzenie Podczas gdy aplikacje MCP i Azure Container Apps są gwiazdami, obsługują zespół wielu agentów AI, którzy napędzają funkcjonalność aplikacji. Zbudowane i zorganizowane z Llamaindex.TS za pośrednictwem MCP, te agenci współpracują w celu obsługi zadań związanych z planowaniem podróży: Triage Agent: kieruje zapytania do odpowiedniego agenta, wykorzystując MCP do delegowania zadań. Agent zapytań klienta: analizuje potrzeby klientów (emocje, intencje) przy użyciu narzędzi .NET. Destination Recommendation Agent: Sugeruje niestandardowe miejsca docelowe przy użyciu Java. Router Planning Agent: Opracowuje wydajne trasy obsługiwane przez Python. Agent wyszukiwania internetowego: Pobiera dane w czasie rzeczywistym za pośrednictwem wyszukiwarki Bing. Agenci ci opierają się na komunikacji w czasie rzeczywistym MCP i skalowalności aplikacji Azure Container Apps, aby zapewnić odpowiedzialne i dokładne wyniki. It's worth noting though this sample application uses mock data for demonstration purpose. In real worl scenario, the application would communicate with an MCP server that is plugged in a real production travel API. Wypróbuj go korzystając z aplikacji Docker Model Runner / Ollama lub Azure AI Foundry dla bardziej zdolnych programów LLM, aby zobaczyć współpracę agentów w czasie rzeczywistym. Try out live demo locally on your computer for free konkluzji Dziś możesz zapoznać się z projektem Open Source , z instrukcjami instalacji i wdrożenia. Podziel się swoją opinią na naszej stronie Planujemy już ulepszenia, takie jak nowe agenty zintegrowane z MCP, umożliwiające między agentami AI a serwerami MCP, dodając wsparcie dla Agent2Agent za pośrednictwem MCP. GitHub Forum Wspólnoty Bezpieczna komunikacja Jest to nadal praca w toku, a my również witamy wszelkiego rodzaju wkłady. proszę fork i gwiazdę repo, aby pozostać na bieżąco z aktualizacjami! Cieszymy się z Twoich opinii i kontynuujemy dyskusję w Azure AI Discord https://aka.ms/AI/discord
