microsoft--ai-agents-for-beginners
wehub-resource-sync
284 行
18 KiB
Plaintext
284 行
18 KiB
Plaintext
{
|
|
"cells": [
|
|
{
|
|
"cell_type": "markdown",
|
|
"id": "lesson-intro",
|
|
"metadata": {},
|
|
"source": [
|
|
"# Lesson 03 - Agentic Design Patterns\n",
|
|
"\n",
|
|
"ဤသင်ခန်းစာတွင် ကျွန်ုပ်တို့သည် ထိရောက်သော AI အေးဂျင်များ တည်ဆောက်ရန် အခြေခံဒီဇိုင်းပုံစံသုံးမျိုးကို လေ့လာပါမည်-\n",
|
|
"\n",
|
|
"1. **ရှင်းလင်းသည့် အေးဂျင်ညွှန်ကြားချက်များ** — အေးဂျင်၏ အပြုအမူကို လမ်းညွှန်ပေးရန် တိကျသော၊ တာဝန်သတ်မှတ်ထားသော prompt များကို ဖန်တီးခြင်း\n",
|
|
"2. **Pydantic မော်ဒယ်များဖြင့် ဖွဲ့စည်းထားသော ထွက်ရှိမှု** — အေးဂျင်များမှ ကြိုတင်ခန့်မှန်းနိုင်ပြီး သက်ဆိုင်သေချာစွာ စစ်ဆေးထားသော ဒေတာများကို ပြန်လည်ထုတ်ပေးရန်\n",
|
|
"3. **တစ်လုပ်ငန်းတာဝန်တည်းသော အေးဂျင်များ** — တစ်ခုချင်းစီကောင်းစွာ ပြုလုပ်နိုင်သော အာရုံစိုက်ထားသောအေးဂျင် များကို ဒီဇိုင်းဆွဲခြင်း\n",
|
|
"\n",
|
|
"ကျွန်ုပ်တို့သည် ဒီဒီဇိုင်းပုံစံအားလုံးကို **ခရီးသွားတည်နေရာအကြံပြုစနစ်** စနစ်မှာ အသုံးချ၍ မှတ်တမ်းတင်ထားသောနေရာများကို အကြံပြုခြင်း၊ ရရှိနိုင်မှုစစ်ဆေးခြင်း နှင့် လိုဂျစ်စတစ်များကို ကိုင်တွယ်ပေးခြင်း စသည်ဖြင့် အဆင့်ဆင့်စနစ်တဝိုက်တည်ဆောက်သွားမည် ဖြစ်ပါသည်။\n"
|
|
]
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"id": "setup-header",
|
|
"metadata": {},
|
|
"source": [
|
|
"## ပြင်ဆင်ခြင်း\n"
|
|
]
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"id": "setup-code",
|
|
"metadata": {},
|
|
"outputs": [],
|
|
"source": [
|
|
"%pip install agent-framework azure-ai-projects azure-identity pydantic python-dotenv --quiet"
|
|
]
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"id": "imports",
|
|
"metadata": {},
|
|
"outputs": [],
|
|
"source": [
|
|
"import logging\n",
|
|
"logging.getLogger(\"agent_framework.foundry\").setLevel(logging.ERROR)\n",
|
|
"\n",
|
|
"import os\n",
|
|
"import asyncio\n",
|
|
"import dotenv\n",
|
|
"from typing import Annotated\n",
|
|
"from pydantic import BaseModel\n",
|
|
"from agent_framework import tool\n",
|
|
"from agent_framework.foundry import FoundryChatClient\n",
|
|
"from azure.identity import DefaultAzureCredential\n",
|
|
"\n",
|
|
"dotenv.load_dotenv(dotenv.find_dotenv())\n",
|
|
"\n",
|
|
"endpoint = os.getenv(\"AZURE_AI_PROJECT_ENDPOINT\")\n",
|
|
"deployment_name = os.getenv(\"AZURE_AI_MODEL_DEPLOYMENT_NAME\")\n",
|
|
"\n",
|
|
"missing = [k for k, v in {\n",
|
|
" \"AZURE_AI_PROJECT_ENDPOINT\": endpoint,\n",
|
|
" \"AZURE_AI_MODEL_DEPLOYMENT_NAME\": deployment_name\n",
|
|
"}.items() if not v]\n",
|
|
"\n",
|
|
"if missing:\n",
|
|
" raise ValueError(\n",
|
|
" f\"Missing required environment variables: {', '.join(missing)}. \"\n",
|
|
" \"Please set them as environment variables (e.g., in your .env file or shell environment).\"\n",
|
|
" )\n",
|
|
"\n",
|
|
"provider = FoundryChatClient(\n",
|
|
" project_endpoint=endpoint,\n",
|
|
" model=deployment_name,\n",
|
|
" credential=DefaultAzureCredential()\n",
|
|
")"
|
|
]
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"id": "pattern1-header",
|
|
"metadata": {},
|
|
"source": [
|
|
"## Pattern 1: ပေတိန် ၁ - အေးဂျင့် အညွှန်းများအား တိကျရှင်းလင်းစွာ ရေးသားခြင်း\n",
|
|
"\n",
|
|
"အကျိုးသက်ရောက်မှု အများဆုံး ပေတိန်မှာလည်း အလွယ်တကူဆုံးဖြစ်သည် - သင့်အေးဂျင့်အတွက် ရှင်းလင်းပြီး အသေးစိတ်ညွှန်းချက်များကို ရေးသားခြင်း။\n",
|
|
"\n",
|
|
"ကောင်းမွန်သော အညွှန်းများမှာ:\n",
|
|
"- **ဘယ်သူ** သည် အေးဂျင့်ဖြစ်သည် (ပုဂ္ဂိုလ်ရေးနှင့် အသံအတိုးအကျယ်)\n",
|
|
"- **ဘာကို** လုပ်သင့်သည် (အဆင့်လိုက်တာဝန်များ)\n",
|
|
"- **ဘယ်လို** လုပ်ဆောင်သင့်သည် (ကန့်သတ်ချက်များနှင့် ပုံစံ)\n",
|
|
"\n",
|
|
"အောက်တွင်၊ ငွေခွဲခရီးသွားအကြံပေး အေးဂျင့်တစ်ယောက်ကို တိကျရှင်းလင်းသော အညွှန်းများနှင့် ဖန်တီးထားပြီး ၎င်းထုတ်ပေးသည့် အဖြေတိုင်းကို ဦးတည်သတ်မှတ်ထားပါသည်။\n"
|
|
]
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"id": "pattern1-code",
|
|
"metadata": {},
|
|
"outputs": [],
|
|
"source": [
|
|
"agent = provider.as_agent(\n",
|
|
" name=\"TravelConcierge\",\n",
|
|
" instructions=\"\"\"You are a luxury travel concierge named Alex. Your role is to:\n",
|
|
"1. Understand the traveler's preferences (budget, climate, activities)\n",
|
|
"2. Check destination availability before making recommendations\n",
|
|
"3. Provide detailed, personalized travel suggestions\n",
|
|
"4. Always mention visa requirements and best travel seasons\n",
|
|
"Be warm, professional, and enthusiastic about travel.\"\"\",\n",
|
|
")\n",
|
|
"\n",
|
|
"response = await agent.run(\n",
|
|
" \"I'd love a week-long vacation somewhere with great food and history. Budget around $2500.\"\n",
|
|
")\n",
|
|
"print(response)"
|
|
]
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"id": "pattern2-header",
|
|
"metadata": {},
|
|
"source": [
|
|
"## Pattern 2: Structured Output with Pydantic Models\n",
|
|
"\n",
|
|
"Free-form text သည် ဆက်သွယ်ကြောင်းအတွက် အသုံးဝင်သော်လည်း၊ အောက်တိုဘာစနစ်များတွင် ဖွဲ့စည်းထားသော အချက်အလက်များ လိုအပ်သည်။\n",
|
|
"**Pydantic models** နှင့် **tool function** တို့ကို တွဲဖက် အသုံးပြုခြင်းဖြင့် -\n",
|
|
"\n",
|
|
"- အေးဂျင့်၏ output အတွက် တိတိကျကျ schema တစ်ခု သတ်မှတ်နိုင်သည်။\n",
|
|
"- တုံ့ပြန်ချက်များကို အလိုအလျောက် စစ်ဆေးနိုင်သည်။\n",
|
|
"- အေးဂျင့်ရလဒ်များကို လျှောက်လွှာ logic ထဲတွင် ယုံကြည်စိတ်ချစွာ မြှင့်တင်နိုင်သည်။\n",
|
|
"\n",
|
|
"တစ်ခုတည်း tool တစ်ခုကိုလည်း မိတ်ဆက်ပေးပါသည်၊ ၎င်းသည် အေးဂျင့်၏ အကြံပေးချက်များကို အချက်အလက်အစစ်အမှန်အပေါ် အခြေခံစေတော့မှာဖြစ်သည်။\n"
|
|
]
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"id": "pattern2-code",
|
|
"metadata": {},
|
|
"outputs": [],
|
|
"source": [
|
|
"class DestinationRecommendation(BaseModel):\n",
|
|
" destination: str\n",
|
|
" available: bool\n",
|
|
" best_season: str\n",
|
|
" highlights: list[str]\n",
|
|
" estimated_budget_usd: int\n",
|
|
"\n",
|
|
"\n",
|
|
"class TravelRecommendations(BaseModel):\n",
|
|
" recommendations: list[DestinationRecommendation]\n",
|
|
" personalized_note: str\n",
|
|
"\n",
|
|
"\n",
|
|
"@tool(approval_mode=\"never_require\")\n",
|
|
"def get_destination_details(destination: Annotated[str, \"The destination to look up\"]) -> str:\n",
|
|
" \"\"\"Get details about a vacation destination.\"\"\"\n",
|
|
" details = {\n",
|
|
" \"Barcelona\": \"Available. Best: May-Jun. Beach, architecture, nightlife. ~$2000/week\",\n",
|
|
" \"Tokyo\": \"Available. Best: Mar-Apr. Culture, food, technology. ~$2500/week\",\n",
|
|
" \"Cape Town\": \"Not available. Best: Nov-Mar. Nature, wine, adventure. ~$1800/week\",\n",
|
|
" }\n",
|
|
" return details.get(destination, f\"{destination}: No information available.\")\n",
|
|
"\n",
|
|
"\n",
|
|
"structured_agent = provider.as_agent(\n",
|
|
" name=\"StructuredTravelExpert\",\n",
|
|
" instructions=\"You are a travel expert. Recommend destinations based on traveler preferences. Use the get_destination_details tool.\",\n",
|
|
" tools=[get_destination_details],\n",
|
|
")\n",
|
|
"\n",
|
|
"response = await structured_agent.run(\n",
|
|
" \"Recommend 3 destinations for a culture-loving traveler with a $2500 budget\"\n",
|
|
")\n",
|
|
"\n",
|
|
"if response:\n",
|
|
" print(response)"
|
|
]
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"id": "pattern3-header",
|
|
"metadata": {},
|
|
"source": [
|
|
"## Pattern 3: Single Responsibility Agents\n",
|
|
"\n",
|
|
"ရှုပ်ထွေးသောလုပ်ငန်းများကို တာဝန်တစ်ခုချင်းစီ သတ်မှတ်ထားသော အေးဂျင့်များစွာဖြင့် ခွဲခြားလုပ်ဆောင်ခြင်းအားဖြင့် အကျိုးရှိပါသည်-\n",
|
|
"\n",
|
|
"- အရပ်များနှင့် အရရှိနိုင်မှုများကို သိရှိထားသော **ခရိုင်ကျွမ်းကျင်သူ**\n",
|
|
"- လေယာဉ်၊ ဟိုတယ်နှင့် ခရီးစဉ်များကို ကိုင်တွယ်သည့် **ရေကြောင်းစီမံသူ**\n",
|
|
"\n",
|
|
"ဒါဟာ *ဝေဖန်ခြင်းခြားနားမှု* ဆိုတဲ့ ဆော့ဖ်ဝဲ အင်ဂျင်နီယာ လမ်းညွှန်ချက်နဲ့ အညီဖြစ်ပြီး — အေးဂျင့်တိုင်း အလွယ်တကူ စမ်းသပ်၊ ပြုပြင်ထိန်းသိမ်း နှင့် တိုးတက်လာစေလို့ရပါတယ်။\n"
|
|
]
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"id": "pattern3-code",
|
|
"metadata": {},
|
|
"outputs": [],
|
|
"source": [
|
|
"destination_agent = provider.as_agent(\n",
|
|
" name=\"DestinationExpert\",\n",
|
|
" tools=[get_destination_details],\n",
|
|
" instructions=\"\"\"You are a destination research specialist. Your only job is to:\n",
|
|
"1. Evaluate destinations based on traveler preferences\n",
|
|
"2. Check availability using the provided tool\n",
|
|
"3. Return a short ranked list with pros/cons\n",
|
|
"Do NOT discuss flights, hotels, or logistics — another agent handles that.\"\"\",\n",
|
|
")\n",
|
|
"\n",
|
|
"logistics_agent = provider.as_agent(\n",
|
|
" name=\"LogisticsPlanner\",\n",
|
|
" instructions=\"\"\"You are a travel logistics planner. Your only job is to:\n",
|
|
"1. Create a day-by-day itinerary for the chosen destination\n",
|
|
"2. Suggest flight and hotel options within the stated budget\n",
|
|
"3. Note visa requirements and travel insurance recommendations\n",
|
|
"Do NOT recommend destinations — another agent handles that.\"\"\",\n",
|
|
")\n",
|
|
"\n",
|
|
"# Step 1: Destination Expert picks the best options\n",
|
|
"dest_response = await destination_agent.run(\n",
|
|
" \"I want a week of culture and food for under $2500. Where should I go?\"\n",
|
|
")\n",
|
|
"print(\"=== Destination Expert ===\")\n",
|
|
"print(dest_response)\n",
|
|
"\n",
|
|
"# Step 2: Logistics Planner builds the trip plan\n",
|
|
"logistics_response = await logistics_agent.run(\n",
|
|
" f\"Plan a week-long trip based on this recommendation:\\n{dest_response}\"\n",
|
|
")\n",
|
|
"print(\"\\n=== Logistics Planner ===\")\n",
|
|
"print(logistics_response)"
|
|
]
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"id": "summary",
|
|
"metadata": {},
|
|
"source": [
|
|
"## အနှစ်ချုပ်\n",
|
|
"\n",
|
|
"ဤသင်ခန်းစာတွင် ကျွန်ုပ်တို့သည် ခရီးသွားအကြံပြုရေးကိရိယာအခြေအနေသို့ agentic ဒီဇိုင်းပုံစံသုံးမျိုးကို အသုံးပြုခဲ့သည်-\n",
|
|
"\n",
|
|
"| ပုံစံ | အဓိကအယူအဆ | အကျိုးကျေးဇူး |\n",
|
|
"|---|---|---|\n",
|
|
"| **ရှင်းလင်းသောညွှန်ကြားချက်များ** | ပုဂ္ဂိုလ်ရည်၊ တာဝန်များနှင့် ကန့်သတ်ချက်များကို စတင်သတ်မှတ်ပါ | တစ်ကိုယ်ရည်၊ အမှတ်တံဆိပ်အညီ လှုပ်ရှားမှုခုခံ |\n",
|
|
"| **ဖွဲ့စည်းတည်ဆောက်ထားသော ထုတ်လွှင့်ချက်** | Pydantic မော်ဒယ်များကို တုံ့ပြန်ပုံစံအဖြစ် အသုံးပြုပါ | မှန်ကန်သတ်မှတ်ထားပြီး စက်ဖတ်နိုင်သော ရလဒ်များ |\n",
|
|
"| **တစ်ခုချင်းတာဝန်ခံမှု** | တစ်ဦးချင်းစီကို အာရုံစိုက်ထားသော အလုပ်တစ်ခုပေးပါ | စမ်းသပ်ရလွယ်ကူ၊ ပေါင်းစည်းစီမံရန်အဆင်ပြေ |\n",
|
|
"\n",
|
|
"ဤပုံစံများသည် သဘာဝတရားအတိုင်း ပေါင်းစပ်နိုင်ပြီး — သင်သည်ရှင်းလင်းသောညွှန်ကြားချက်များကို ဖွဲ့စည်းတည်ဆောက်ထားသော ထုတ်လွှင့်ချက်နှင့် တစ်ခုချင်းတာဝန်ခံ agent အတွင်း ပေါင်းစပ်၍ ခိုင်ခံ့ပြီး ထုတ်လုပ်င်ရာစနစ်များ ဆောက်လုပ်နိုင်သည်။\n"
|
|
]
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"metadata": {},
|
|
"source": [
|
|
"---\n\n<!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**ပြောကြားချက်**\nဤစာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု [Co-op Translator](https://github.com/Azure/co-op-translator) အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးပမ်းနေသော်လည်း၊ စက်ကိရိယာဘာသာပြန်ခြင်းများတွင် အမှားများ သို့မဟုတ် မှားယွင်းချက်များ ပါဝင်နိုင်ကြောင်း သတိပြုပါရန် လိုအပ်ပါသည်။ မူလစာတမ်းကို မူရင်းဘာသာဖြင့်သာ ယုံကြည်စိတ်ချရသော အချက်အလက်အဖြစ် သတ်မှတ်သင့်သည်။ အရေးကြီးသည့် သတင်းအချက်အလက်များအတွက် ပရော်ဖက်ရှင်နယ် လူသားဘာသာပြန်သူဝန်ဆောင်မှုကို အကြံပြုပါသည်။ ဤဘာသာပြန်ချက်ကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော နားလည်မှုကွာခြားမှုများ သို့မဟုတ် မမှန်ကန်သော အသုံးပြုမှုများအတွက် ကျွန်ုပ်တို့ တာဝန်မခံပါ။\n<!-- CO-OP TRANSLATOR DISCLAIMER END -->\n"
|
|
]
|
|
}
|
|
],
|
|
"metadata": {
|
|
"kernelspec": {
|
|
"display_name": "Python 3",
|
|
"language": "python",
|
|
"name": "python3"
|
|
},
|
|
"language_info": {
|
|
"codemirror_mode": {
|
|
"name": "ipython",
|
|
"version": 3
|
|
},
|
|
"file_extension": ".py",
|
|
"mimetype": "text/x-python",
|
|
"name": "python",
|
|
"nbconvert_exporter": "python",
|
|
"pygments_lexer": "ipython3",
|
|
"version": "3.12.13"
|
|
}
|
|
},
|
|
"nbformat": 4,
|
|
"nbformat_minor": 5
|
|
} |