ตัวแทน AI ด้วย Azure Developer CLI

การนำทางบทเรียน:

• 📚 หน้าแรกคอร์ส: AZD สำหรับผู้เริ่มต้น
• 📖 บทปัจจุบัน: บทที่ 2 - การพัฒนา AI-First
• ⬅️ ก่อนหน้า: การผนวกรวม Microsoft Foundry
• ➡️ ถัดไป: การปรับใช้งานโมเดล AI
• 🚀 ขั้นสูง: โซลูชันหลายตัวแทน

บทนำ

ตัวแทน AI คือโปรแกรมอิสระที่สามารถรับรู้สภาพแวดล้อมของตนเอง ตัดสินใจ และดำเนินการเพื่อบรรลุเป้าหมายเฉพาะ แตกต่างจากแชทบอทธรรมดาที่ตอบสนองต่อคำสั่ง ตัวแทนสามารถ:

• ใช้เครื่องมือ - เรียกใช้ API, ค้นหาฐานข้อมูล, รันโค้ด
• วางแผนและเหตุผล - แบ่งงานที่ซับซ้อนออกเป็นขั้นตอน
• เรียนรู้จากบริบท - เก็บความจำและปรับเปลี่ยนพฤติกรรม
• ร่วมมือ - ทำงานร่วมกับตัวแทนอื่นๆ (ระบบหลายตัวแทน)

คู่มือนี้จะแสดงวิธีปรับใช้งานตัวแทน AI ไปที่ Azure ด้วย Azure Developer CLI (azd)

หมายเหตุการตรวจสอบ (2026-03-25): คู่มือนี้ได้รับการตรวจสอบกับ azd 1.23.12 และ azure.ai.agents 0.1.18-preview ประสบการณ์ใช้งาน azd ai ยังเป็นเวอร์ชันพรีวิว โปรดตรวจสอบความช่วยเหลือของส่วนขยายหากธงที่ติดตั้งแตกต่างกัน

เป้าหมายการเรียนรู้

หลังจากเรียนจบ คุณจะ:

• เข้าใจว่าตัวแทน AI คืออะไรและแตกต่างจากแชทบอทย่างไร
• ปรับใช้งานแม่แบบตัวแทน AI ที่สร้างไว้ล่วงหน้าด้วย AZD
• กำหนดค่าตัวแทน Foundry สำหรับตัวแทนที่กำหนดเอง
• นำรูปแบบตัวแทนพื้นฐานมาใช้ (การใช้เครื่องมือ, RAG, หลายตัวแทน)
• ตรวจสอบและดีบักตัวแทนที่ปรับใช้

ผลลัพธ์ที่คาดหวัง

เมื่เสร็จสมบูรณ์ คุณจะสามารถ:

• ปรับใช้งานแอปตัวแทน AI ไปยัง Azure ได้ด้วยคำสั่งเดียว
• กำหนดค่าเครื่องมือและขีดความสามารถของตัวแทน
• ใช้งานการสร้างข้อความเสริมการดึงข้อมูล (RAG) กับตัวแทน
• ออกแบบสถาปัตยกรรมหลายตัวแทนสำหรับเวิร์กโฟลว์ซับซ้อน
• แก้ไขปัญหาการปรับใช้งานตัวแทนทั่วไป

🤖 อะไรที่ทำให้ตัวแทนแตกต่างจากแชทบอท?

ตัวอย่างเปรียบเทียบง่ายๆ

• แชทบอท = คนช่วยตอบคำถามที่โต๊ะข้อมูล
• ตัวแทน AI = ผู้ช่วยส่วนตัวที่สามารถโทร จองนัดหมาย และทำงานให้คุณ

🚀 เริ่มต้นอย่างรวดเร็ว: ปรับใช้ตัวแทนแรกของคุณ

ตัวเลือก 1: แม่แบบ Foundry Agents (แนะนำ)

# เริ่มต้นแม่แบบตัวแทน AI
azd init --template get-started-with-ai-agents

# นำไปใช้กับ Azure
azd up

สิ่งที่จะถูกปรับใช้:

• ✅ Foundry Agents
• ✅ Microsoft Foundry Models (gpt-4.1)
• ✅ Azure AI Search (สำหรับ RAG)
• ✅ Azure Container Apps (เว็บอินเทอร์เฟซ)
• ✅ Application Insights (การตรวจสอบ)

เวลา: ประมาณ 15-20 นาที
ค่าใช้จ่าย: ประมาณ 100-150 ดอลลาร์/เดือน (การพัฒนา)

ตัวเลือก 2: ตัวแทน OpenAI กับ Prompty

# เริ่มต้นแม่แบบเอเจนต์ที่ใช้ Prompty
azd init --template agent-openai-python-prompty

# ปรับใช้ไปยัง Azure
azd up

สิ่งที่จะถูกปรับใช้:

• ✅ Azure Functions (รันตัวแทนอัตโนมัติ)
• ✅ Microsoft Foundry Models
• ✅ ไฟล์กำหนดค่า Prompty
• ✅ ตัวอย่างการใช้งานตัวแทน

เวลา: ประมาณ 10-15 นาที
ค่าใช้จ่าย: ประมาณ 50-100 ดอลลาร์/เดือน (การพัฒนา)

ตัวเลือก 3: ตัวแทนแชท RAG

# เริ่มต้นแม่แบบแชท RAG
azd init --template azure-search-openai-demo

# นำไปใช้ใน Azure
azd up

สิ่งที่จะถูกปรับใช้:

• ✅ Microsoft Foundry Models
• ✅ Azure AI Search พร้อมข้อมูลตัวอย่าง
• ✅ ท่อการประมวลผลเอกสาร
• ✅ อินเทอร์เฟซแชทพร้อมการอ้างอิง

เวลา: ประมาณ 15-25 นาที
ค่าใช้จ่าย: ประมาณ 80-150 ดอลลาร์/เดือน (การพัฒนา)

ตัวเลือก 4: AZD AI Agent Init (ตัวอย่างแบบ Manifest หรือ Template)

หากคุณมีไฟล์ manifest ตัวแทน คุณสามารถใช้คำสั่ง azd ai เพื่อสร้างโปรเจกต์ Foundry Agent Service ได้โดยตรง รุ่นล่าสุดยังเพิ่มการสนับสนุนการเริ่มต้นจากแม่แบบ การเรียกใช้อาจแตกต่างเล็กน้อยขึ้นอยู่กับเวอร์ชันส่วนขยายที่ติดตั้ง

# ติดตั้งส่วนขยายตัวแทน AI
azd extension install azure.ai.agents

# ตัวเลือก: ตรวจสอบเวอร์ชันทดลองที่ติดตั้ง
azd extension show azure.ai.agents

# เริ่มต้นจากเอกสารแสดงตัวแทน
azd ai agent init -m agent-manifest.yaml

# นำไปใช้กับ Azure
azd up

เมื่อใช้ azd ai agent init กับ azd init --template:

เคล็ดลับ: ใช้ azd init --template เมื่อเรียนรู้ (ตัวเลือก 1-3 ข้างบน) ใช้ azd ai agent init เมื่อสร้างตัวแทนการผลิตด้วย manifest ของคุณ ดู คำสั่ง AZD AI CLI สำหรับข้อมูลเพิ่มเติม

🏗️ รูปแบบสถาปัตยกรรมตัวแทน

รูปแบบ 1: ตัวแทนเดียวกับเครื่องมือ

รูปแบบตัวแทนที่ง่ายที่สุด - ตัวแทนหนึ่งตัวที่สามารถใช้เครื่องมือหลายชนิด

graph TD
    UI[ส่วนติดต่อผู้ใช้] --> Agent[ตัวแทน AI<br/>gpt-4.1]
    Agent --> Search[เครื่องมือค้นหา]
    Agent --> Database[เครื่องมือฐานข้อมูล]
    Agent --> API[เครื่องมือ API]

เหมาะสำหรับ:

• บอทสนับสนุนลูกค้า
• ผู้ช่วยวิจัย
• ตัวแทนวิเคราะห์ข้อมูล

แม่แบบ AZD: azure-search-openai-demo

รูปแบบ 2: ตัวแทน RAG (การสร้างข้อความเสริมการดึงข้อมูล)

ตัวแทนที่ดึงเอกสารที่เกี่ยวข้องก่อนสร้างคำตอบ

graph TD
    Query[คำถามของผู้ใช้] --> RAG[RAG Agent]
    RAG --> Vector[การค้นหาเวกเตอร์]
    RAG --> LLM[LLM<br/>gpt-4.1]
    Vector -- เอกสาร --> LLM
    LLM --> Response[คำตอบพร้อมการอ้างอิง]

เหมาะสำหรับ:

• ฐานความรู้ในองค์กร
• ระบบถามตอบเอกสาร
• งานวิจัยด้านกฎหมายและปฏิบัติตามข้อกำหนด

แม่แบบ AZD: azure-search-openai-demo

รูปแบบ 3: ระบบตัวแทนหลายตัว

ตัวแทนเฉพาะทางหลายตัวทำงานร่วมกันในงานซับซ้อน

graph TD
    Orchestrator[ตัวแทนผู้จัดการ] --> Research[ตัวแทนวิจัย<br/>gpt-4.1]
    Orchestrator --> Writer[ตัวแทนนักเขียน<br/>gpt-4.1-mini]
    Orchestrator --> Reviewer[ตัวแทนผู้ตรวจสอบ<br/>gpt-4.1]

เหมาะสำหรับ:

• การสร้างเนื้อหาซับซ้อน
• เวิร์กโฟลว์หลายขั้นตอน
• งานที่ต้องใช้ความเชี่ยวชาญหลากหลาย

เรียนรู้เพิ่มเติม: รูปแบบการประสานงานตัวแทนหลายตัว

⚙️ การกำหนดค่าเครื่องมือตัวแทน

ตัวแทนจะทรงพลังเมื่อสามารถใช้เครื่องมือได้ นี่คือวิธีตั้งค่าเครื่องมือทั่วไป:

การกำหนดค่าเครื่องมือใน Foundry Agents

# agent_config.py
from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import FunctionTool, CodeInterpreterTool

# กำหนดเครื่องมือที่กำหนดเอง
search_tool = FunctionTool(
    name="search_knowledge_base",
    description="Search the company knowledge base for relevant documents",
    parameters={
        "type": "object",
        "properties": {
            "query": {
                "type": "string",
                "description": "The search query"
            }
        },
        "required": ["query"]
    }
)

# สร้างตัวแทนพร้อมเครื่องมือ
agent = project_client.agents.create_agent(
    model="gpt-4.1",
    name="Support Agent",
    instructions="You are a helpful support agent. Use the search tool to find relevant information.",
    tools=[search_tool, CodeInterpreterTool()]
)

การกำหนดค่าสภาพแวดล้อม

# ตั้งค่าสิ่งแวดล้อมเฉพาะตัวแปรของเอเย่นต์
azd env set AZURE_OPENAI_MODEL "gpt-4.1"
azd env set AGENT_INSTRUCTIONS "You are a helpful assistant..."
azd env set ENABLE_CODE_INTERPRETER "true"
azd env set ENABLE_FILE_SEARCH "true"

# เปิดตัวด้วยการตั้งค่าที่อัปเดตแล้ว
azd deploy

📊 การตรวจสอบตัวแทน

การผนวก Application Insights

แม่แบบตัวแทน AZD ทุกตัวมี Application Insights สำหรับติดตาม:

# เปิดแดชบอร์ดการตรวจสอบ
azd monitor --overview

# ดูบันทึกสด
azd monitor --logs

# ดูเมตริกสด
azd monitor --live

ตัวชี้วัดสำคัญที่ควรติดตาม

การบันทึกกำหนดเองสำหรับตัวแทน

import os
from azure.monitor.opentelemetry import configure_azure_monitor
from opentelemetry import trace

# กำหนดค่า Azure Monitor ด้วย OpenTelemetry
configure_azure_monitor(
    connection_string=os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)

tracer = trace.get_tracer(__name__)

def log_agent_interaction(user_query, agent_response, tools_used, latency_ms):
    with tracer.start_as_current_span("agent_interaction") as span:
        span.set_attributes({
            "user_query": user_query,
            "response_length": len(agent_response),
            "tools_used": tools_used,
            "latency_ms": latency_ms
        })

หมายเหตุ: ติดตั้งแพ็กเกจที่จำเป็น: pip install azure-monitor-opentelemetry opentelemetry

💰 การพิจารณาต้นทุน

ต้นทุนรายเดือนโดยประมาณตามรูปแบบ

เคล็ดลับการประหยัดต้นทุน

1. ใช้ gpt-4.1-mini สำหรับงานง่าย

   azd env set AZURE_OPENAI_MODEL "gpt-4.1-mini"
   

2. ใช้แคชสำหรับคำถามซ้ำ

   from functools import lru_cache
   
   @lru_cache(maxsize=1000)
   def get_cached_response(query_hash):
       return agent.run(query_hash)
   

3. กำหนดขีดจำกัดโทเค็นต่อรัน

   # กำหนด max_completion_tokens เมื่อรันเอเย่นต์ ไม่ใช่ตอนสร้าง
   run = project_client.agents.create_run(
       thread_id=thread.id,
       agent_id=agent.id,
       max_completion_tokens=1000  # จำกัดความยาวของคำตอบ
   )
   

4. ปรับสเกลเป็นศูนย์เมื่อไม่ได้ใช้งาน

   # Container Apps ปรับขนาดเป็นศูนย์โดยอัตโนมัติ
   azd env set MIN_REPLICAS "0"
   

🔧 การแก้ไขปัญหาตัวแทน

ปัญหาทั่วไปและวิธีแก้ไข

# ตรวจสอบว่าเครื่องมือถูกลงทะเบียนอย่างถูกต้อง
azd show

# ยืนยันการใช้งาน OpenAI
az cognitiveservices account deployment list \
  --name $AZURE_OPENAI_NAME \
  --resource-group $RG_NAME

# ตรวจสอบบันทึกของตัวแทน
azd monitor --logs

# ตรวจสอบ Application Insights สำหรับคอขวด
azd monitor --live

# พิจารณาใช้โมเดลที่เร็วขึ้น
azd env set AZURE_OPENAI_MODEL "gpt-4.1-mini"
azd deploy

# ปรับปรุงด้วยคำสั่งระบบที่ดีกว่า
instructions = """
You are a helpful assistant. IMPORTANT:
- Only answer based on provided context
- If you don't know, say "I don't know"
- Always cite your sources
- Never make up information
"""

# เพิ่มการดึงข้อมูลเพื่อนำมาสนับสนุน
agent = project_client.agents.create_agent(
    model="gpt-4.1",
    instructions=instructions,
    tools=[FileSearchTool()]  # ให้คำตอบอิงกับเอกสาร
)

# ดำเนินการจัดการหน้าต่างบริบท
def truncate_context(messages, max_tokens=8000, model="gpt-4.1"):
    """Keep only recent messages within token limit."""
    import tiktoken
    encoding = tiktoken.encoding_for_model(model)
    total_tokens = 0
    truncated = []
    
    for msg in reversed(messages):
        msg_tokens = len(encoding.encode(msg.content))
        if total_tokens + msg_tokens > max_tokens:
            break
        truncated.insert(0, msg)
        total_tokens += msg_tokens
    
    return truncated

🎓 แบบฝึกหัดลงมือทำ

แบบฝึกหัด 1: ปรับใช้ตัวแทนพื้นฐาน (20 นาที)

เป้าหมาย: ปรับใช้งานตัวแทน AI ตัวแรกของคุณด้วย AZD

# ขั้นตอนที่ 1: เริ่มต้นแม่แบบ
azd init --template get-started-with-ai-agents

# ขั้นตอนที่ 2: เข้าสู่ระบบ Azure
azd auth login
# หากคุณทำงานข้ามผู้เช่า ให้เพิ่ม --tenant-id <tenant-id>

# ขั้นตอนที่ 3: ปรับใช้
azd up

# ขั้นตอนที่ 4: ทดสอบเอเจนต์
# ผลลัพธ์ที่คาดว่าจะได้รับหลังการปรับใช้:
#   การปรับใช้เสร็จสมบูรณ์!
#   จุดสิ้นสุด: https://<app-name>.<region>.azurecontainerapps.io
# เปิด URL ที่แสดงในผลลัพธ์และลองถามคำถาม

# ขั้นตอนที่ 5: ดูการตรวจสอบ
azd monitor --overview

# ขั้นตอนที่ 6: ทำความสะอาด
azd down --force --purge

เกณฑ์ความสำเร็จ:

• ตัวแทนตอบคำถามได้
• สามารถเข้าถึงแดชบอร์ดการตรวจสอบผ่าน azd monitor
• ล้างทรัพยากรสำเร็จ

แบบฝึกหัด 2: เพิ่มเครื่องมือกำหนดเอง (30 นาที)

เป้าหมาย: ขยายตัวแทนด้วยเครื่องมือกำหนดเอง

1. ปรับใช้แม่แบบตัวแทน:

   azd init --template get-started-with-ai-agents
   azd up
   

2. สร้างฟังก์ชันเครื่องมือใหม่ในโค้ดตัวแทนของคุณ:

   def get_weather(location: str) -> str:
       """Get current weather for a location."""
       # การเรียก API ไปยังบริการสภาพอากาศ
       return f"Weather in {location}: Sunny, 72°F"
   

3. ลงทะเบียนเครื่องมือกับตัวแทน:

   from azure.ai.projects.models import FunctionTool
   
   weather_tool = FunctionTool(
       name="get_weather",
       description="Get current weather for a location",
       parameters={
           "type": "object",
           "properties": {
               "location": {"type": "string", "description": "City name"}
           },
           "required": ["location"]
       }
   )
   
   agent = project_client.agents.create_agent(
       model="gpt-4.1",
       name="Weather Agent",
       tools=[weather_tool]
   )
   

4. ปรับใช้อีกครั้งและทดสอบ:

   azd deploy
   # ถาม: "สภาพอากาศที่ซีแอตเทิลเป็นอย่างไร?"
   # คาดว่า: ตัวแทนเรียกใช้ get_weather("Seattle") แล้วส่งคืนข้อมูลสภาพอากาศ
   

เกณฑ์ความสำเร็จ:

• ตัวแทนรู้จำคำถามเกี่ยวกับสภาพอากาศ
• เครื่องมือถูกเรียกใช้อย่างถูกต้อง
• คำตอบรวมข้อมูลสภาพอากาศ

แบบฝึกหัด 3: สร้างตัวแทน RAG (45 นาที)

เป้าหมาย: สร้างตัวแทนที่ตอบคำถามจากเอกสารของคุณ

# ขั้นตอนที่ 1: ติดตั้งแม่แบบ RAG
azd init --template azure-search-openai-demo
azd up

# ขั้นตอนที่ 2: อัปโหลดเอกสารของคุณ
# วางไฟล์ PDF/TXT ในไดเรกทอรี data/ จากนั้นรัน:
python scripts/prepdocs.py

# ขั้นตอนที่ 3: ทดสอบด้วยคำถามเฉพาะโดเมน
# เปิด URL แอปเว็บจากผลลัพธ์ azd up
# ถามคำถามเกี่ยวกับเอกสารที่คุณอัปโหลด
# การตอบกลับควรรวมแหล่งอ้างอิงเช่น [doc.pdf]

เกณฑ์ความสำเร็จ:

• ตัวแทนตอบจากเอกสารที่อัปโหลด
• คำตอบมีการอ้างอิง
• ไม่มีการสร้างข้อมูลผิดพลาดสำหรับคำถามนอกขอบเขต

📚 ขั้นตอนต่อไป

เมื่อคุณเข้าใจตัวแทน AI แล้ว ให้สำรวจหัวข้อขั้นสูงเหล่านี้:

📖 ทรัพยากรเพิ่มเติม

เอกสารทางการ

• Azure AI Agent Service
• Azure AI Foundry Agent Service Quickstart
• Semantic Kernel Agent Framework

แม่แบบ AZD สำหรับตัวแทน

• เริ่มต้นกับตัวแทน AI
• Agent OpenAI Python Prompty
• Azure Search OpenAI Demo

ทรัพยากรชุมชน

• Awesome AZD - แม่แบบตัวแทน
• Azure AI Discord
• Microsoft Foundry Discord

ทักษะตัวแทนสำหรับโปรแกรมแก้ไขของคุณ

• ทักษะตัวแทน Microsoft Azure - ติดตั้งทักษะตัวแทน AI ที่ใช้ซ้ำได้สำหรับการพัฒนา Azure ใน GitHub Copilot, Cursor หรือเอเจนต์ที่รองรับอื่น รวมทักษะสำหรับ Azure AI, Microsoft Foundry, การปรับใช้ และ การวินิจฉัย:

  npx skills add microsoft/github-copilot-for-azure
  

การนำทาง

• บทเรียนก่อนหน้า: การผนวกรวม Microsoft Foundry
• บทเรียนถัดไป: การปรับใช้งานโมเดล AI

ข้อจำกัดความรับผิดชอบ:
เอกสารฉบับนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้ความถูกต้องสูงสุด โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่ถูกต้อง สำหรับข้อมูลที่มีความสำคัญ ควรใช้บริการแปลโดยนักแปลมืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดใด ๆ ที่เกิดจากการใช้การแปลนี้