Agentische webtoepassingen bouwen

Transformeer uw traditionele CRUD-webtoepassingen voor het AI-tijdperk door agentische mogelijkheden toe te voegen met frameworks zoals Microsoft Semantic Kernel, LangGraph of Foundry Agent Service. In plaats van gebruikers die door formulieren, tekstvakken en vervolgkeuzelijsten navigeren, kunt u een gespreksinterface bieden waarmee gebruikers met een agent kunnen communiceren die op intelligente wijze dezelfde bewerkingen uitvoert die uw app biedt. Met deze aanpak kan uw web-app namens gebruikers redeneren, plannen en acties ondernemen.

Overzicht

Agentische webtoepassingen vertegenwoordigen een paradigma-verschuiving van traditionele webinterfaces. In plaats van dat gebruikers de structuur van uw toepassing moeten begrijpen en doorlopen, gebruiken agentische apps AI om inzicht te hebben in de intentie van gebruikers, acties met meerdere stappen te plannen en complexe werkstromen autonoom uit te voeren.

Belangrijke kenmerken van agentische webtoepassingen zijn:

  • Gespreksinterfaces: Gebruikers drukken doelen uit in natuurlijke taal in plaats van door formulieren te klikken
  • Autonome redenering: agents splitsen complexe aanvragen op in uitvoerbare stappen
  • Planning met meerdere stappen: agents koppelen meerdere bewerkingen om geavanceerde taken uit te voeren
  • Gebruik van hulpprogramma's: agents roepen uw bestaande API's en functies indien nodig aan om gebruikersaanvragen te voltooien
  • Contextbewustzijn: agents onderhouden gespreksgeschiedenis en toepassingsstatus tussen interacties
  • Foutafhandeling: Agents herstellen van fouten en passen hun benadering aan op basis van resultaten

Frameworks zoals Semantic Kernel, LangGraph en Foundry Agent Service bieden de indelingslaag die grote taalmodellen verbindt met de bedrijfslogica van uw toepassing, waardoor deze agentische mogelijkheden in uw App Service-toepassingen mogelijk zijn.

Wanneer agentische webtoepassingen bouwen

Overweeg om agentische mogelijkheden toe te voegen wanneer:

  • Complexe werkstromen zijn gebruikelijk: gebruikers moeten vaak bewerkingen met meerdere stappen uitvoeren die kunnen worden vereenvoudigd via gesprekken
  • Domeinexpertise is vereist: uw toepassing vereist gespecialiseerde kennis die een AI-agent kan leren en toepassen
  • Gebruikerservaring is belangrijk: u wilt de trainingstijd verminderen en uw toepassing intuïtiever maken
  • Gegevensverkenning is belangrijk: gebruikers moeten gegevens op flexibele manieren opvragen, analyseren en visualiseren
  • Taakautomatisering is waardevol: terugkerende of tijdrovende werkstromen kunnen profiteren van ai-ondersteunde voltooiing

Agentische patronen werken met name goed voor bedrijfstoepassingen, hulpprogramma's voor gegevensanalyse, inhoudsbeheersystemen en beheerinterfaces waarbij de combinatie van begrip van natuurlijke taal en geautomatiseerde werkstromen aanzienlijke productiviteitsverbeteringen biedt.

Een agentframework kiezen

App Service ondersteunt elk agentframework dat wordt uitgevoerd op uw gekozen taalstack. U hebt volledige flexibiliteit om de hulpprogramma's en frameworks te gebruiken die het beste aansluiten bij uw behoeften. Populaire opties zijn onder andere:

  • Semantische kernel: de platformoverschrijdende SDK van Microsoft voor .NET, Python en Java, ideaal voor het bouwen van aangepaste agents met volledige controle
  • LangGraph: Python- en JavaScript-framework voor het bouwen van stateful, multiagentsystemen met complexe werkstromen
  • Foundry Agent-service: Beheerde service voor het hosten van agents die gereed zijn voor productie met ingebouwde bewaking en schaalbaarheid
  • Aangepaste frameworks: elk ander agentisch framework dat wordt ondersteund door uw taal (bijvoorbeeld AutoGen, CrewAI of eigen oplossingen)

Aan de slag met zelfstudies

Agents controleren in App Service

Wanneer u uw agent in code bouwt die wordt uitgevoerd op App Service (indeling in uw toepassing), zijn de metrische agentgegevens niet zichtbaar in Azure AI Foundry omdat Foundry alleen volledig beheerde Foundry-agents ziet. Om deze kloof te sluiten, wordt in App Service een AI-blade (preview) weergegeven met een tabblad Agents waarmee telemetrie per agent rechtstreeks vanuit uw toepassing wordt geaggregeerd:

Schermopname van het tabblad App Service AI -agents (preview) met aanroepen, tokens en foutpercentages per agent.

Het tabblad wordt weergegeven wanneer uw app voldoet aan drie vereisten:

  • Application Insights is verbonden met uw App Service-app. Het tabblad Agents leest telemetrie uit de verbonden Application Insights-resource.
  • Uw app verzendt OpenTelemetry-traceringen en metrische gegevens. De Azure Monitor OpenTelemetry-distributie is de aanbevolen manier om dit te configureren voor .NET-, Python-, Node.js- en Java-applicaties. Zie Azure Monitor OpenTelemetry inschakelen voor meer informatie.
  • Uw agents genereren de OpenTelemetry-semantische conventies voor generatieve AI. Het tabblad Agents groepeert en aggregeert op de gen_ai.agent.name, gen_ai.agent.iden gen_ai.usage.* kenmerken. De meeste agentframeworks (waaronder Microsoft Agent Framework, Semantic Kernel en LangGraph) kunnen worden geconfigureerd om deze kenmerken te verzenden.

Selecteer op het tabblad AgentsWeergeven in Application Insights om de weergave Agents (preview) te openen in Application Insights, waar u details kunt bekijken van uitvoeringen van agents, toolaanroepen, tokenverbruik per model en traceringen met Gen AI-fouten.

Aan de slag met het bewaken van uw agents

Verwante inhoud

  • Last updated on