Microsoft AutoGen v0.4: Punkt zwrotny w kierunku bardziej inteligentnych agentów AI dla programistów korporacyjnych

Świat agentów AI przechodzi rewolucję, a niedawne wydanie przez Microsoft w tym tygodniu Autogen v0.4 stanowi znaczący krok naprzód w tej podróży. Pozycjonowany jako solidna, skalowalna i rozszerzalna platforma, Autogen reprezentuje najnowsze wysiłki Microsoftu mające na celu sprostanie wyzwaniom związanym z budowaniem systemów wieloagentowych dla aplikacji korporacyjnych. Ale co ta wersja mówi nam o dzisiejszym stanie agentycznej sztucznej inteligencji i jak wypada ona w porównaniu z innymi wiodącymi frameworkami, takimi jak Langchain i CrewAI?

W tym artykule podkreślono implikacje aktualizacji Autogen, zbadano jego wyjątkowe funkcje i umiejscowiono go w szerszym krajobrazie platform agentów AI, pomagając programistom zrozumieć, co jest możliwe i dokąd zmierza branża.

Obietnica „asynchronicznej architektury sterowanej zdarzeniami”

Cechą charakterystyczną AutoGen v0.4 jest przyjęcie asynchronicznej architektury sterowanej zdarzeniami (zobacz Microsoft cały wpis na bloguJest to krok naprzód w porównaniu ze starszymi, sekwencyjnymi projektami, umożliwiający agentom jednoczesne działanie zamiast czekania na zakończenie jednego procesu przed rozpoczęciem kolejnego. Dla programistów oznacza to szybszą realizację zadań i efektywniejsze wykorzystanie zasobów – szczególnie ważne w przypadku systemów wieloagentowych.

Rozważmy na przykład scenariusz, w którym wielu agentów współpracuje nad złożonym zadaniem: jeden agent zbiera dane za pośrednictwem interfejsu API, inny analizuje dane, a trzeci generuje raport. Dzięki przetwarzaniu asynchronicznemu agenci ci mogą pracować równolegle, dynamicznie wchodząc w interakcję z centralnym agentem wnioskowującym, który koordynuje ich działania. Architektura ta odpowiada potrzebom nowoczesnych przedsiębiorstw poszukujących skalowalności bez utraty wydajności.

Możliwości asynchroniczne w coraz większym stopniu stają się stawką. Główni konkurenci Autogen, Langchain i CrewAI, już to oferują, więc nacisk Microsoftu na tę zasadę projektowania podkreśla jego zaangażowanie w utrzymanie konkurencyjności Autogen.

Rola Autogenu w ekosystemie korporacyjnym Microsoftu

Strategia Microsoftu dotycząca Autogen obejmuje podwójne podejście: zapewnienie programistom korporacyjnym elastycznej platformy, takiej jak Autogen, przy jednoczesnym oferowaniu wstępnie utworzonych aplikacji agentowych i innych funkcji dla przedsiębiorstw za pośrednictwem Copilot Studio (część pakietu narzędzi firmy Microsoft dla obecnych klientów). Zobacz moją ofertę dotyczącą rozwiązania Comprehensive Agent Buildout, dziesiąta gotowa aplikacja, ogłoszona na Microsoft Ignite w listopadzie). Całkowicie aktualizując możliwości platformy Autogen, Microsoft zapewnia programistom narzędzia do tworzenia niestandardowych rozwiązań, zapewniając jednocześnie opcje wymagające niewielkiej ilości kodu w celu szybszego wdrożenia.

Ta podwójna strategia stawia Microsoft w wyjątkowej sytuacji. Deweloperzy tworzący prototypy za pomocą AutoGen mogą bezproblemowo integrować swoje aplikacje z ekosystemem Azure, zachęcając do ciągłego korzystania z nich przez cały okres wdrażania. Dodatkowo Microsoft aplikacja magic-one Przedstawia referencyjną implementację tego, jak mogą wyglądać najnowocześniejsi agenci AI, gdy działają na platformie Autogen, pokazując w ten sposób programistom sposób wykorzystania Autogenu do najbardziej autonomicznych i złożonych interakcji agentów.

Żeby było jasne, nie jest jasne, w jaki sposób wstępnie zbudowane aplikacje agenta Microsoftu wykorzystują najnowszą platformę Autogen. Wreszcie firma Microsoft zakończyła przebudowę AutoGen, aby uczynić go bardziej elastycznym i skalowalnym, a w listopadzie udostępniono gotowe agenty firmy Microsoft. Jednak stopniowo włączając Autogen do swojej oferty, Microsoft wyraźnie dąży do zrównoważenia dostępu dla programistów z wymaganiami wdrożeń na skalę korporacyjną.

Jak Autogen wypada na tle Langchain i CrewAI

W dziedzinie agentycznej sztucznej inteligencji swoje miejsce znalazły frameworki takie jak Langchain i CrewAI. CrewAI, stosunkowo nowy produkt, zyskał popularność dzięki swojej prostocie i naciskowi na interfejs typu „przeciągnij i upuść”, dzięki czemu jest dostępny dla mniej technicznych użytkowników. Jednak, jak zauważył Sam Witteveen, CrewAI stało się również bardziej złożone w użyciu, ponieważ dodało nowe funkcje podcast Opublikowaliśmy dziś rano, gdzie omawiamy te aktualizacje.

W tym momencie żaden z tych frameworków nie różni się zbytnio pod względem możliwości technicznych. Jednak obecnie AutoGen wyróżnia się ścisłą integracją z platformą Azure i projektowaniem zorientowanym na przedsiębiorstwa. Podczas gdy Langchain wprowadził niedawno „agentów otoczenia” do automatyzacji zadań w tle (zobacz naszą historię na ten temat, która zawiera wywiad z założycielem Harrisonem Chase), siła Autogenu leży w jego rozszerzalności – umożliwiając programistom korzystanie ze specyficznych opcji. Umożliwia tworzenie niestandardowych narzędzi i rozszerzeń do odpowiadać Twoim przypadkom użycia. ,

W przypadku przedsiębiorstw wybór pomiędzy tymi ramami często zależy od konkretnych potrzeb. Narzędzia Langchain przeznaczone dla programistów sprawiają, że jest to dobry wybór dla startupów i zwinnych zespołów. Przyjazny dla użytkownika interfejs CrewAI przyciąga entuzjastów niskiego kodu. Z drugiej strony Autogen będzie teraz preferowanym wyborem dla organizacji już osadzonych w ekosystemie Microsoftu. Jednak wielką zaletą Witteveena jest to, że te frameworki są nadal używane przede wszystkim jako świetne miejsca do prototypowania i eksperymentowania, a wielu programistów wykonuje swoją pracę w ramach własnych, niestandardowych środowisk i kodu (w tym na przykład biblioteki Pydantic dla Pythona). Jeśli chodzi o faktyczne wdrożenie. Chociaż prawdą jest, że może się to zmienić, gdy te frameworki zbudują możliwości rozszerzalności i integracji.

Gotowość przedsiębiorstwa: wyzwanie związane z danymi i przyjęciem

Pomimo zainteresowania agentyczną sztuczną inteligencją wiele przedsiębiorstw nie jest gotowych na pełne przyjęcie tych technologii. Organizacje, z którymi rozmawiałem w zeszłym miesiącu, takie jak Mayo Clinic, Cleveland Clinic i GSK w służbie zdrowia, Chevron w branży energetycznej oraz Wayfair i AbinBev w handlu detalicznym, koncentrują się na budowaniu solidnej infrastruktury danych przed wdrożeniem agentów AI na dużą skalę. Bez czystych, dobrze zorganizowanych danych obietnica agentycznej sztucznej inteligencji jest poza zasięgiem.

Nawet w przypadku zaawansowanych platform, takich jak Autogen, Langchain i CrewAI, przedsiębiorstwa napotykają znaczne przeszkody w zapewnianiu zgodności, bezpieczeństwa i skalowalności. Inżynieria kontrolowanego przepływu – praktyka ścisłego zarządzania sposobem, w jaki agenci wykonują zadania – pozostaje szczególnie ważna w branżach o rygorystycznych wymaganiach dotyczących zgodności, takich jak opieka zdrowotna i finanse.

Co dalej z agentami AI?

Wraz ze wzrostem konkurencji między agentycznymi platformami sztucznej inteligencji branża przestaje ścigać się w budowaniu lepszych modeli i skupia się na użyteczności w świecie rzeczywistym. Funkcje takie jak architektura asynchroniczna, rozszerzalność narzędzi i agenci otoczenia nie są już opcjonalne, ale niezbędne.

Autogen v0.4 to ważny krok naprzód dla Microsoftu, sygnalizujący jego zamiar objęcia pozycji lidera w dziedzinie sztucznej inteligencji dla przedsiębiorstw. Mimo to szersza lekcja dla programistów i organizacji jest jasna: frameworki jutra będą musiały równoważyć skalowalność z zaawansowaniem technicznym i kontrolą z łatwością użycia. Autogen firmy Microsoft, modułowość Langchain i prostota CrewAI oferują nieco inne odpowiedzi na to wyzwanie.

Firma Microsoft z pewnością wykonała dobrą robotę, będąc liderem w tej dziedzinie, ułatwiając agentom wykorzystanie wielu z pięciu podstawowych wzorców projektowych, o których wspominam wraz z Samem Witteveenem w naszym przeglądzie przestrzeni Are. Te wzorce obejmują refleksję, użycie narzędzi, planowanie, współpracę wieloagentową i podejmowanie decyzji (Andrew Ng pomógł je udokumentować) TutajPoniższa ilustracja Microsoft Magician-One wskazuje na kilka z tych wzorców.

Więcej informacji na temat agentów AI i ich wpływu na przedsiębiorstwa można znaleźć w naszej pełnej dyskusji na temat aktualizacji Autogen w naszym podcaście na YouTube poniżej, w którym omawiamy ogłoszenie agenta otoczenia przez Langchain oraz wprowadzenie OpenAI na agenty z funkcjami GPT i jego działanie. Omówmy także, jak to działa pozostaje złe.