DevRel ของ Microsoft มีความตื่นเต้นที่จะแนะนํา , การแสดงตัวอย่างแอพพลิเคชันที่มีฟังก์ชั่นองค์กรที่แสดงให้เห็นว่านักพัฒนาสามารถประสานงานได้อย่างไร และ (เขียนใน Java, .NET, Python และ TypeScript) เพื่อสํารวจสถานการณ์การวางแผนการเดินทาง มันถูกสร้างขึ้นด้วย สําหรับตัวแทนการ orchestration สําหรับการโต้ตอบเครื่องมือแบบโครงสร้าง Azure AI Foundry, GitHub Model และ สําหรับการกระจายการกระจาย AI ตัวแทนการเดินทาง multiple AI agents MCP servers LlamaIndex.TS Model Context Protocol (MCP) Azure Container Apps AI ตัวแทนการเดินทาง แพทย์ : ประสบความสามารถของ MCP และ Azure ด้วย The AI Travel Agents! ลองทดลองใช้ตัวอย่างออนไลน์ในท้องถิ่นบนคอมพิวเตอร์ของคุณเพื่อดูการทํางานร่วมกันของตัวแทนในเวลาจริง แบ่งปันความคิดเห็นของคุณบนฟอรั่มชุมชนของเรา เรากําลังวางแผนการปรับปรุงเช่นตัวแทน MCP แบบบูรณาการใหม่ที่ช่วยให้สามารถสื่อสารได้อย่างปลอดภัยระหว่างตัวแทน AI และเซิร์ฟเวอร์ MCP เพิ่มการสนับสนุนสําหรับ Agent2Agent ผ่าน MCP นี่เป็นงานที่ยังคงอยู่ในขั้นตอนและเรายังต้อนรับการมีส่วนร่วมทุกชนิด กรุณาปลั๊กและดาว repo เพื่อให้แน่ใจว่ามีการปรับปรุง! แพทย์ : แอปพลิเคชันตัวอย่างนี้ใช้ข้อมูลปลอมและมีวัตถุประสงค์สําหรับการแสดงผลแทนการใช้การผลิต แอปพลิเคชันตัวอย่างนี้ใช้ข้อมูลปลอมและมีวัตถุประสงค์สําหรับการแสดงผลแทนการใช้การผลิต ความท้าทาย: การปรับขนาดการวางแผนการเดินทางส่วนบุคคล ตัวแทนการเดินทางต้องเผชิญกับภารกิจที่ซับซ้อน: การวิเคราะห์ความต้องการของลูกค้าที่หลากหลายการแนะนําจุดหมายปลายทางและการออกแบบเส้นทางทั้งหมดในขณะที่รวมข้อมูลในเวลาจริงเช่นจุดแนวโน้มหรือโลจิสติกส์ ระบบแบบดั้งเดิมล้มเหลวด้วยความล่าช้าการปรับขนาดและการประสานงานซึ่งนําไปสู่ความล่าช้าและลูกค้าที่ผิดหวัง ตัวแทนการเดินทาง AI จะจัดการกับปัญหาเหล่านี้ด้วย trifecta เทคนิค: LlamaIndex.TS จัดระเบียบหกตัวแทน AI สําหรับการจัดการงานที่มีประสิทธิภาพ MCP อุปกรณ์ตัวแทนด้วยข้อมูลและเครื่องมือที่เฉพาะเจาะจงสําหรับการเดินทาง แอปพลิเคชัน Azure Container ให้การใช้งานที่สามารถปรับขนาดได้และไม่มีเซิร์ฟเวอร์ สถาปัตยกรรมนี้ให้ประสิทธิภาพการดําเนินงานและบริการที่กําหนดเองในขนาดใหญ่เปลี่ยนความโหดร้ายเป็นโอกาส LlamaIndex.TS: Orchestrating AI Agents หัวใจของตัวแทนการเดินทาง AI คือ โครงสร้างตัวแทนที่มีประสิทธิภาพที่จัดเรียงตัวแทน AI หลายตัวเพื่อจัดการงานการวางแผนการเดินทาง สร้างขึ้นบน Node.js backend LlamaIndex.TS จัดการการโต้ตอบตัวแทนได้อย่างราบรื่นและสมาร์ท: LlamaIndex.TS การส่งมอบงาน: ตัวแทน Triage จะวิเคราะห์คําถามและนําไปสู่ตัวแทนเฉพาะเช่นตัวแทนการวางแผนเส้นทางเพื่อให้แน่ใจว่ากระบวนการทํางานที่มีประสิทธิภาพ การประสานงานตัวแทน: LlamaIndex.TS ช่วยให้การโต้ตอบมีความสม่ําเสมอสําหรับคําถามที่ซับซ้อนเช่นแผนการเดินทางหลายเมือง การบูรณาการ LLM: เชื่อมต่อกับ Azure OpenAI, GitHub Models หรือ LLM ในท้องถิ่นใด ๆ โดยใช้ Foundy Local สําหรับความสามารถของ AI ขั้นสูง การออกแบบแบบโมดูลของ LlamaIndex.TS รองรับการขยายตัวช่วยให้สามารถเพิ่มตัวแทนใหม่ได้อย่างง่ายดาย LlamaIndex.TS เป็นตัวนําให้แน่ใจว่าตัวแทนทํางานร่วมกันเพื่อให้ได้ผลลัพธ์ที่แม่นยําและทันเวลา การจัดระเบียบน้ําหนักเบาช่วยลดความล่าช้าทําให้เหมาะสําหรับการใช้งานในเวลาจริง MCP: ตัวแทนน้ํามันเชื้อเพลิงด้วยข้อมูลและเครื่องมือ โซ ช่วยให้ตัวแทน AI มีอํานาจโดยการให้ข้อมูลและเครื่องมือเฉพาะการเดินทางเพิ่มประสิทธิภาพการทํางานของพวกเขา MCP ทํางานเป็นศูนย์กลางข้อมูลและเครื่องมือ: Model Context Protocol (MCP) ข้อมูลแบบเรียลไทม์: ให้ข้อมูลการเดินทางที่ทันสมัยเช่นเป้าหมายแนวโน้มหรือเหตุการณ์ตามฤดูกาลผ่านตัวแทนค้นหาเว็บโดยใช้ Bing Search การเข้าถึงเครื่องมือ: เชื่อมต่อตัวแทนกับเครื่องมือภายนอกเช่นเครื่องมือวิเคราะห์คําถามลูกค้าแบบ .NET สําหรับการวิเคราะห์อารมณ์การวางแผนเส้นทางตาม Python สําหรับแผนการเดินทางหรือเครื่องมือแนะนําปลายทางที่เขียนใน Java ตัวอย่างเช่นเมื่อตัวแทนการแนะนําจุดหมายปลายทางต้องการแนวโน้มการเดินทางปัจจุบัน MCP จัดส่งผ่านตัวแทนการค้นหาเว็บ โมดูลนี้ช่วยให้เครื่องมือใหม่สามารถบูรณาการได้อย่างราบรื่นทําให้แพลตฟอร์มมีประสิทธิภาพในอนาคต บทบาทของ MCP คือการเสริมสร้างความสามารถของตัวแทนให้ LlamaIndex.TS แอปพลิเคชันคอนเทนเนอร์ Azure: ความยืดหยุ่นและความยืดหยุ่น พลังงาน แอปพลิเคชันตัวอย่างของ AI Travel Agents ด้วยแพลตฟอร์มที่ไม่มีเซิร์ฟเวอร์และสามารถปรับขนาดได้สําหรับการใช้งานไมโครบริการ ช่วยให้แอปพลิเคชันจัดการโหลดงานที่แตกต่างกันได้อย่างง่ายดาย: Azure Container Apps การปรับขนาดแบบไดนามิก: ปรับตัวอย่างคอนเทนเนอร์โดยอัตโนมัติตามความต้องการจัดการการเพิ่มการจองโดยไม่มีเวลาหยุดทํางาน Polyglot Microservices: สนับสนุนบริการ .NET (Customer Query), Python (Itinerary Planning), Java (Destination Recommandation) และ Node.js ในคอนเทนเนอร์แยกต่างหาก ความสามารถในการสังเกต: รวมการติดตามเมตริกและบันทึกเพื่อให้สามารถตรวจสอบได้ในเวลาจริง ประสิทธิภาพไร้เซิร์ฟเวอร์: อะไหล่โครงสร้างพื้นฐานลดค่าใช้จ่ายและเร่งการใช้งาน โครงสร้างพื้นฐานระดับโลกของ Azure Container Apps ให้ประสิทธิภาพการล่าช้าต่ําซึ่งเป็นสิ่งสําคัญสําหรับหน่วยงานการเดินทางที่ให้บริการลูกค้าทั่วโลก ตัวแทน AI: A Quick Look ในขณะที่ MCP และ Azure Container Apps เป็นดาวพวกเขาสนับสนุนทีมงานตัวแทน AI หลายคนที่ขับเคลื่อนฟังก์ชั่นของแอปพลิเคชัน สร้างและจัดระเบียบด้วย Llamaindex.TS ผ่าน MCP ตัวแทนเหล่านี้ทํางานร่วมกันในการจัดการงานการวางแผนการเดินทาง: ตัวแทน triage: ส่งคําถามไปยังตัวแทนที่เหมาะสมโดยใช้ MCP สําหรับการส่งมอบงาน ตัวแทนคําถามลูกค้า: การวิเคราะห์ความต้องการของลูกค้า (อารมณ์ความตั้งใจ) โดยใช้เครื่องมือ .NET ตัวแทนการแนะนําเป้าหมาย: แนะนําเป้าหมายที่กําหนดเองโดยใช้ Java ตัวแทนการวางแผนเส้นทาง: ออกแบบเส้นทางที่มีประสิทธิภาพโดยใช้ Python ตัวแทนการค้นหาเว็บ: รับข้อมูลในเวลาจริงผ่านทาง Bing Search ตัวแทนเหล่านี้พึ่งพาการสื่อสารแบบเรียลไทม์ของ MCP และความสามารถในการปรับขนาดของ Azure Container Apps เพื่อให้ได้ผลลัพธ์ที่ตอบสนองและแม่นยํา เป็นที่น่าสังเกตว่าแอพพลิเคชันตัวอย่างนี้ใช้ข้อมูลปลอมสําหรับวัตถุประสงค์การสาธิต ในสถานการณ์ที่เกิดขึ้นจริงแอพพลิเคชันจะสื่อสารกับเซิร์ฟเวอร์ MCP ที่เชื่อมต่อกับ API การเดินทางการผลิตจริง ลองออก ใช้ Docker Model Runner / Ollama หรือ Azure AI Foundry สําหรับ LLMs ที่มีประสิทธิภาพมากขึ้นเพื่อดูการทํางานร่วมกับตัวแทนในเวลาจริง ลองทดลองใช้ Live Demo ในท้องถิ่นบนคอมพิวเตอร์ของคุณฟรี ข้อสรุป คุณสามารถสํารวจโครงการ open-source ในวันนี้ , พร้อมคําแนะนําการตั้งค่าและการใช้งาน แบ่งปันความคิดเห็นของคุณในเว็บไซต์ของเรา เรากําลังวางแผนการปรับปรุงเช่นตัวแทนแบบบูรณาการ MCP ใหม่ ระหว่างตัวแทน AI และเซิร์ฟเวอร์ MCP เพิ่มการสนับสนุนสําหรับ Agent2Agent ผ่าน MCP GitHub ฟอรั่มชุมชน การสื่อสารที่ปลอดภัย นี้ยังคงเป็นงานในขั้นตอนและเรายังยินดีที่จะมีส่วนร่วมทุกชนิด กรุณาปลอมและดาว repo เพื่อให้แน่ใจว่ามีการปรับปรุง! เราจะรักความคิดเห็นของคุณและต่อการสนทนาใน Azure AI Discord https://aka.ms/AI/discord
