ai-agents-for-beginners
(Klicken Sie auf das obige Bild, um das Video dieser Lektion anzusehen)
Multi-Agent-Designmuster
Sobald Sie mit einem Projekt beginnen, das mehrere Agenten beinhaltet, müssen Sie sich mit dem Multi-Agenten-Designmuster auseinandersetzen. Es ist jedoch möglicherweise nicht sofort klar, wann man zu Multi-Agenten wechseln sollte und welche Vorteile dies mit sich bringt.
Einleitung
In dieser Lektion werden wir versuchen, die folgenden Fragen zu beantworten:
- Für welche Szenarien sind Multi-Agenten anwendbar?
- Welche Vorteile bietet die Verwendung von Multi-Agenten gegenüber einem einzelnen Agenten, der mehrere Aufgaben erledigt?
- Was sind die Bausteine für die Implementierung des Multi-Agenten-Designmusters?
- Wie erhalten wir Einblick in die Interaktionen der einzelnen Agenten miteinander?
Lernziele
Nach dieser Lektion sollten Sie in der Lage sein:
- Szenarien zu identifizieren, für die Multi-Agenten anwendbar sind.
- Die Vorteile der Verwendung von Multi-Agenten gegenüber einem einzelnen Agenten zu erkennen.
- Die Bausteine für die Implementierung des Multi-Agenten-Designmusters zu verstehen.
Was ist das Gesamtbild?
Multi-Agenten sind ein Designmuster, das es mehreren Agenten ermöglicht, gemeinsam auf ein gemeinsames Ziel hinzuarbeiten..
Dieses Muster wird in verschiedenen Bereichen häufig eingesetzt, darunter Robotik, autonome Systeme und verteilte Systeme.
Szenarien, für die Multi-Agenten anwendbar sind
Welche Szenarien eignen sich also gut für den Einsatz von Multi-Agenten? Die Antwort ist, dass es viele Szenarien gibt, in denen der Einsatz mehrerer Agenten vorteilhaft ist, insbesondere in den folgenden Fällen:
- Große Workloads: Große Workloads können in kleinere Aufgaben unterteilt und verschiedenen Agenten zugewiesen werden, was eine parallele Verarbeitung und eine schnellere Erledigung ermöglicht. Ein Beispiel hierfür ist eine große Datenverarbeitungsaufgabe.
- Komplexe Aufgaben: Komplexe Aufgaben können, ähnlich wie große Workloads, in kleinere Teilaufgaben zerlegt und verschiedenen Agenten zugewiesen werden, die sich jeweils auf einen bestimmten Aspekt der Aufgabe spezialisieren. Ein gutes Beispiel hierfür sind autonome Fahrzeuge, bei denen verschiedene Agenten die Navigation, die Hinderniserkennung und die Kommunikation mit anderen Fahrzeugen steuern.
- Vielfältige Expertise: Verschiedene Agenten können über unterschiedliche Fachkenntnisse verfügen, wodurch sie verschiedene Aspekte einer Aufgabe effektiver bewältigen können als ein einzelner Agent. Ein gutes Beispiel hierfür ist das Gesundheitswesen, wo Agenten die Diagnostik, Behandlungspläne und die Patientenüberwachung übernehmen können.
Vorteile der Verwendung von Multi-Agenten gegenüber einem einzelnen Agenten
Ein einzelnes Agentensystem könnte für einfache Aufgaben gut funktionieren, aber für komplexere Aufgaben kann die Verwendung mehrerer Agenten mehrere Vorteile bieten.
- Spezialisierung: Jeder Agent kann auf eine bestimmte Aufgabe spezialisiert sein. Bei einem einzelnen Agenten, der nicht spezialisiert ist, haben Sie einen Agenten, der alles kann, aber bei einer komplexen Aufgabe verwirrt sein könnte, was zu tun ist. Er könnte zum Beispiel eine Aufgabe erledigen, für die er nicht am besten geeignet ist.
- Skalierbarkeit: Es ist einfacher, Systeme zu skalieren, indem man weitere Agenten hinzufügt, anstatt einen einzelnen Agenten zu überlasten.
- Fehlertoleranz: Wenn ein Agent ausfällt, können andere weiterarbeiten, was die Zuverlässigkeit des Systems gewährleistet.
Nehmen wir ein Beispiel: Wir buchen eine Reise für einen Benutzer. Ein einzelnes Agentensystem müsste alle Aspekte des Reisebuchungsprozesses übernehmen, von der Flugsuche über die Hotel- und Mietwagenbuchung. Um dies mit einem einzelnen Agenten zu erreichen, müsste der Agent über Werkzeuge zur Bewältigung all dieser Aufgaben verfügen. Dies könnte zu einem komplexen und monolithischen System führen, das schwer zu warten und zu skalieren ist. Ein Multi-Agenten-System hingegen könnte verschiedene Agenten haben, die auf die Suche nach Flügen, die Buchung von Hotels und Mietwagen spezialisiert sind. Dies würde das System modularer, leichter zu warten und skalierbarer machen.
Vergleichen Sie dies mit einem Reisebüro, das als kleines Familienunternehmen geführt wird, im Gegensatz zu einem Reisebüro, das als Franchise geführt wird. Das kleine Familienunternehmen hätte einen einzelnen Agenten, der alle Aspekte des Reisebuchungsprozesses übernimmt, während das Franchise unterschiedliche Agenten hätte, die sich um verschiedene Aspekte des Reisebuchungsprozesses kümmern.
Bausteine für die Implementierung des Multi-Agenten-Designmusters
Bevor Sie das Multi-Agenten-Designmuster implementieren können, müssen Sie die Bausteine verstehen, aus denen das Muster besteht.
Machen wir dies konkreter, indem wir noch einmal das Beispiel der Reisebuchung für einen Benutzer betrachten. In diesem Fall wären die Bausteine:
- Agentenkommunikation: Agenten für die Flugsuche, Hotelbuchung und Mietwagenbuchung müssen kommunizieren und Informationen über die Präferenzen und Einschränkungen des Benutzers austauschen. Sie müssen die Protokolle und Methoden für diese Kommunikation festlegen. Konkret bedeutet dies, dass der Agent für die Flugsuche mit dem Agenten für die Hotelbuchung kommunizieren muss, um sicherzustellen, dass das Hotel für dieselben Daten wie der Flug gebucht wird. Das bedeutet, dass die Agenten Informationen über die Reisedaten des Benutzers austauschen müssen, was bedeutet, dass Sie entscheiden müssen, *welche Agenten Informationen austauschen und wie sie diese austauschen*.
- Koordinationsmechanismen: Agenten müssen ihre Aktionen koordinieren, um sicherzustellen, dass die Präferenzen und Einschränkungen des Benutzers erfüllt werden. Eine Benutzerpräferenz könnte sein, dass sie ein Hotel in der Nähe des Flughafens wünschen, während eine Einschränkung darin besteht, dass Mietwagen nur am Flughafen verfügbar sind. Dies bedeutet, dass der Agent für die Hotelbuchung mit dem Agenten für die Mietwagenbuchung koordinieren muss, um sicherzustellen, dass die Präferenzen und Einschränkungen des Benutzers erfüllt werden. Das bedeutet, dass Sie entscheiden müssen, *wie die Agenten ihre Aktionen koordinieren*.
- Beispiele dafür, wie ein Agent lernt und sich verbessert, könnten sein, dass der Agent für die Flugsuche ein Machine-Learning-Modell verwendet, um dem Benutzer basierend auf seinen früheren Präferenzen Flüge zu empfehlen.
- Sichtbarkeit von Multi-Agenten-Interaktionen: Sie müssen Einblick haben, wie die einzelnen Agenten miteinander interagieren. Das bedeutet, dass Sie über Werkzeuge und Techniken zur Verfolgung von Agentenaktivitäten und -interaktionen verfügen müssen. Dies kann in Form von Protokollierungs- und Überwachungswerkzeugen, Visualisierungswerkzeugen und Leistungsmetriken erfolgen.
- Multi-Agenten-Muster: Es gibt verschiedene Muster für die Implementierung von Multi-Agenten-Systemen, wie z. B. zentralisierte, dezentrale und hybride Architekturen. Sie müssen das Muster auswählen, das am besten zu Ihrem Anwendungsfall passt.
- Mensch im Kreislauf: In den meisten Fällen werden Sie einen Menschen im Kreislauf haben und die Agenten anweisen müssen, wann sie menschliche Intervention anfordern sollen. Dies kann in Form einer Benutzeranfrage nach einem bestimmten Hotel oder Flug, der von den Agenten nicht empfohlen wurde, oder einer Bestätigungsanfrage vor der Buchung eines Fluges oder Hotels geschehen.
Sichtbarkeit von Multi-Agenten-Interaktionen
Es ist wichtig, dass Sie Einblick haben, wie die einzelnen Agenten miteinander interagieren. Diese Sichtbarkeit ist unerlässlich für die Fehlersuche, Optimierung und Gewährleistung der Gesamteffektivität des Systems. Um dies zu erreichen, benötigen Sie Werkzeuge und Techniken zur Verfolgung von Agentenaktivitäten und -interaktionen. Dies kann in Form von Protokollierungs- und Überwachungswerkzeugen, Visualisierungswerkzeugen und Leistungsmetriken erfolgen.
Beispielsweise könnten Sie im Fall der Buchung einer Reise für einen Benutzer ein Dashboard haben, das den Status jedes Agenten, die Präferenzen und Einschränkungen des Benutzers sowie die Interaktionen zwischen den Agenten anzeigt. Dieses Dashboard könnte die Reisedaten des Benutzers, die vom Flugagenten empfohlenen Flüge, die vom Hotelagenten empfohlenen Hotels und die vom Mietwagenagenten empfohlenen Mietwagen anzeigen. Dies würde Ihnen einen klaren Überblick darüber geben, wie die Agenten miteinander interagieren und ob die Präferenzen und Einschränkungen des Benutzers erfüllt werden.
Betrachten wir jeden dieser Aspekte genauer.
-
Protokollierungs- und Überwachungswerkzeuge: Sie möchten, dass für jede vom Agenten ausgeführte Aktion eine Protokollierung erfolgt. Ein Protokolleintrag könnte Informationen über den Agenten, der die Aktion ausgeführt hat, die ausgeführte Aktion, den Zeitpunkt der Aktion und das Ergebnis der Aktion speichern. Diese Informationen können dann zur Fehlersuche, Optimierung und mehr verwendet werden.
-
Visualisierungswerkzeuge: Visualisierungswerkzeuge können Ihnen helfen, die Interaktionen zwischen Agenten auf intuitivere Weise zu erkennen. Sie könnten zum Beispiel ein Diagramm haben, das den Informationsfluss zwischen den Agenten zeigt. Dies könnte Ihnen helfen, Engpässe, Ineffizienzen und andere Probleme im System zu identifizieren.
-
Leistungsmetriken: Leistungsmetriken können Ihnen helfen, die Effektivität des Multi-Agenten-Systems zu verfolgen. Sie könnten zum Beispiel die benötigte Zeit zur Erledigung einer Aufgabe, die Anzahl der pro Zeiteinheit erledigten Aufgaben und die Genauigkeit der von den Agenten gemachten Empfehlungen verfolgen. Diese Informationen können Ihnen helfen, Verbesserungspotenziale zu identifizieren und das System zu optimieren.
Multi-Agenten-Muster
Tauchen wir ein in einige konkrete Muster, die wir zur Erstellung von Multi-Agenten-Anwendungen verwenden können. Hier sind einige interessante Muster, die es wert sind, in Betracht gezogen zu werden.
Gruppenchat
Dieses Muster ist nützlich, wenn Sie eine Gruppenchat-Anwendung erstellen möchten, bei der mehrere Agenten miteinander kommunizieren können. Typische Anwendungsfälle für dieses Muster sind Teamkollaboration, Kundensupport und soziale Netzwerke.
In diesem Muster repräsentiert jeder Agent einen Benutzer im Gruppenchat, und Nachrichten werden zwischen den Agenten über ein Nachrichtenprotokoll ausgetauscht. Die Agenten können Nachrichten an den Gruppenchat senden, Nachrichten aus dem Gruppenchat empfangen und auf Nachrichten von anderen Agenten antworten.
Dieses Muster kann mit einer zentralisierten Architektur, bei der alle Nachrichten über einen zentralen Server geleitet werden, oder einer dezentralen Architektur, bei der Nachrichten direkt ausgetauscht werden, implementiert werden.
Übergabe
Dieses Muster ist nützlich, wenn Sie eine Anwendung erstellen möchten, bei der mehrere Agenten Aufgaben aneinander übergeben können.
Typische Anwendungsfälle für dieses Muster sind Kundensupport, Aufgabenverwaltung und Workflow-Automatisierung.
In diesem Muster repräsentiert jeder Agent eine Aufgabe oder einen Schritt in einem Workflow, und Agenten können Aufgaben basierend auf vordefinierten Regeln an andere Agenten übergeben.
Kollaborative Filterung
Dieses Muster ist nützlich, wenn Sie eine Anwendung erstellen möchten, bei der mehrere Agenten zusammenarbeiten können, um Benutzern Empfehlungen zu geben.
Warum mehrere Agenten zusammenarbeiten sollten, liegt daran, dass jeder Agent unterschiedliche Fachkenntnisse haben kann und auf unterschiedliche Weise zum Empfehlungsprozess beitragen kann.
Nehmen wir ein Beispiel, bei dem ein Benutzer eine Empfehlung für die beste Aktie zum Kauf an der Börse wünscht.
- Branchenexperte: Ein Agent könnte ein Experte in einer bestimmten Branche sein.
- Technische Analyse: Ein anderer Agent könnte ein Experte für technische Analyse sein.
- Fundamentalanalyse: und ein weiterer Agent könnte ein Experte für Fundamentalanalyse sein. Durch die Zusammenarbeit können diese Agenten dem Benutzer eine umfassendere Empfehlung geben.
Szenario: Rückerstattungsprozess
Betrachten wir ein Szenario, in dem ein Kunde versucht, eine Rückerstattung für ein Produkt zu erhalten. Es können recht viele Agenten an diesem Prozess beteiligt sein, aber teilen wir ihn in Agenten auf, die speziell für diesen Prozess zuständig sind, und allgemeine Agenten, die auch in anderen Prozessen eingesetzt werden können.
Agenten, die speziell für den Rückerstattungsprozess zuständig sind:
Im Folgenden sind einige Agenten aufgeführt, die am Rückerstattungsprozess beteiligt sein könnten:
- Kundenagent: Dieser Agent repräsentiert den Kunden und ist für die Einleitung des Rückerstattungsprozesses verantwortlich.
- Verkäuferagent: Dieser Agent repräsentiert den Verkäufer und ist für die Abwicklung der Rückerstattung verantwortlich.
- Zahlungsagent: Dieser Agent repräsentiert den Zahlungsprozess und ist für die Rückerstattung der Kundenzahlung verantwortlich.
- Lösungsagent: Dieser Agent repräsentiert den Lösungsfindungsprozess und ist für die Lösung von Problemen zuständig, die während des Rückerstattungsprozesses auftreten.
- Compliance-Agent: Dieser Agent repräsentiert den Compliance-Prozess und ist dafür verantwortlich, sicherzustellen, dass der Rückerstattungsprozess den Vorschriften und Richtlinien entspricht.
Allgemeine Agenten:
Diese Agenten können von anderen Teilen Ihres Unternehmens verwendet werden.
- Versandagent: Dieser Agent repräsentiert den Versandprozess und ist für den Rückversand des Produkts an den Verkäufer verantwortlich. Dieser Agent kann sowohl für den Rückerstattungsprozess als auch für den allgemeinen Versand eines Produkts, z. B. nach einem Kauf, verwendet werden.
- Feedback-Agent: Dieser Agent repräsentiert den Feedback-Prozess und ist für die Erfassung von Feedback vom Kunden verantwortlich. Feedback kann jederzeit eingeholt werden, nicht nur während des Rückerstattungsprozesses.
- Eskalationsagent: Dieser Agent repräsentiert den Eskalationsprozess und ist für die Eskalation von Problemen an eine höhere Supportebene zuständig. Diese Art von Agent kann für jeden Prozess verwendet werden, bei dem Sie ein Problem eskalieren müssen.
- Benachrichtigungsagent: Dieser Agent repräsentiert den Benachrichtigungsprozess und ist für den Versand von Benachrichtigungen an den Kunden in verschiedenen Phasen des Rückerstattungsprozesses verantwortlich.
- Analyseagent: Dieser Agent repräsentiert den Analyseprozess und ist für die Analyse von Daten im Zusammenhang mit dem Rückerstattungsprozess zuständig.
- Audit-Agent: Dieser Agent repräsentiert den Audit-Prozess und ist für die Prüfung des Rückerstattungsprozesses zuständig, um sicherzustellen, dass er korrekt durchgeführt wird.
- Berichtsagent: Dieser Agent repräsentiert den Berichtsprozess und ist für die Erstellung von Berichten über den Rückerstattungsprozess zuständig.
- Wissensagent: Dieser Agent repräsentiert den Wissensprozess und ist für die Pflege einer Wissensdatenbank mit Informationen zum Rückerstattungsprozess verantwortlich. Dieser Agent könnte sowohl über Rückerstattungen als auch über andere Teile Ihres Unternehmens Bescheid wissen.
- Sicherheitsagent: Dieser Agent repräsentiert den Sicherheitsprozess und ist für die Gewährleistung der Sicherheit des Rückerstattungsprozesses verantwortlich.
- Qualitätsagent: Dieser Agent repräsentiert den Qualitätsprozess und ist für die Sicherstellung der Qualität des Rückerstattungsprozesses verantwortlich.
Es gibt eine ganze Reihe von Agenten, die zuvor sowohl für den spezifischen Rückerstattungsprozess als auch für die allgemeinen Agenten, die in anderen Teilen Ihres Unternehmens verwendet werden können, aufgeführt sind. Hoffentlich gibt Ihnen dies eine Vorstellung davon, wie Sie entscheiden können, welche Agenten Sie in Ihrem Multi-Agenten-System einsetzen möchten.
Aufgabe
Entwerfen Sie ein Multi-Agenten-System für einen Kundensupport-Prozess. Identifizieren Sie die am Prozess beteiligten Agenten, ihre Rollen und Verantwortlichkeiten sowie die Art und Weise, wie sie miteinander interagieren. Berücksichtigen Sie sowohl Agenten, die spezifisch für den Kundensupport-Prozess sind, als auch allgemeine Agenten, die in anderen Teilen Ihres Unternehmens verwendet werden können.
Denken Sie nach, bevor Sie die folgende Lösung lesen, Sie benötigen möglicherweise mehr Agenten als Sie denken.
TIPP: Denken Sie über die verschiedenen Phasen des Kundensupport-Prozesses nach und berücksichtigen Sie auch die für jedes System benötigten Agenten.
Lösung
Wissensüberprüfungen
Frage: Wann sollten Sie die Verwendung von Multi-Agenten in Betracht ziehen?
- A1: Wenn Sie eine geringe Arbeitslast und eine einfache Aufgabe haben.
- A2: Wenn Sie eine große Arbeitslast haben.
- A3: Wenn Sie eine einfache Aufgabe haben.
Zusammenfassung
In dieser Lektion haben wir uns mit dem Multi-Agenten-Designmuster befasst, einschließlich der Szenarien, für die Multi-Agenten anwendbar sind, der Vorteile der Verwendung von Multi-Agenten gegenüber einem einzelnen Agenten, der Bausteine für die Implementierung des Multi-Agenten-Designmusters und wie Einblick in die Interaktionen der einzelnen Agenten miteinander erhalten werden kann.
Haben Sie weitere Fragen zum Multi-Agenten-Designmuster?
Treten Sie dem Azure AI Foundry Discord bei, um andere Lernende zu treffen, Sprechstunden zu besuchen und Ihre Fragen zu KI-Agenten beantwortet zu bekommen.