单个代理可以被视为专门从事某一领域的智能助手。下图说明了 食品代理如何 在智能厨房助手中发挥作用，以提供个性化的膳食建议。该过程从用户的查询开始，例如 “我现在应该吃什么？”，然后路由 InvokeAgentAsync 到 食品代理。在 的支持下 foodAgentKernel，代理使用集成插件 TimePlugin （例如 （考虑一天中的时间）和 FoodPlugin （访问食谱和配料））来生成定制的膳食建议。它还利用 ChatHistory 保持上下文，确保无缝和个性化的交互。
该 foodAgent 系统会根据天气、时间和饮食偏好（例如清真或素食）来创建餐食推荐。它除了提供建议外，还提供食谱，让用户体验更加友好且具有互动性。整个系统展示了一个协调良好的代理如何通过以最少的输入提供周到且相关的结果来动态适应用户需求。
正如您可能在笔记本开始时注意到的那样，我们的目标是使用 Azure OpenAI、Google Gemini 和 Meta 的 Llama 来利用多模型功能，以实现更好的推理和输出。切换模型也不需要花费太多精力。例如，如果您看到我正在使用 GPT-4 提供天气服务，您可以随时将其更改为 Google Gemini 以体验不同的体验。
这是其生成的输出：
食品代理输出与菜谱
礼宾服务（多代理）
下图展示了由代理群聊协调的 AI 礼宾服务的工作流程 。该流程从 用户 提交旅行计划请求开始。 代理群聊 将任务发送给 旅行计划员代理，后者创建行程并计算预算。然后，此行程和预算 IT 主管经理电子邮件列表 将发送给 预算顾问代理，后者检查拟议计划在指定预算内的可行性。
预算顾问代理要么 批准该计划（么拒绝该计划）。该决定被传回 代理群聊，群聊将最终结果传达给 用户。语义内核代理框架管理专业代理之间的协作，在遵守财务约束的同时提供深思熟虑的旅行计划。它强调代理之间的无缝协调以满足用户要求。您可以在代理-01笔记本中探索很多内容 。
滑块图像
.NET 再次以语义内核的形式获得了 AI 助力。 借助这个出色的框架，构建具有多模型的多代理系统 从未像以前那样统一和简单。您不仅可以使用 Microsoft 或 OpenAI 产品，还可以使用所有其他前沿模型来构建高效的代理并提高其整体性能。这篇文章涵盖了（包括我的《面向开发人员的生成式 AI》 笔记本）对初学者或初级开发人员进入 AI 生态系统有益的所有内容。
然而，有一件事我还没谈到……那就是 人机交互。 我打算在下一篇文章中介绍一些高级功能。下次见。
感谢语义内核团队的 Arafat，我们感谢您分享您的工作，并期待关于人机交互的第二部分。如果您有任何问题或反馈，请通过我们的 语义内核 GitHub 讨论频道与我们联系。我们期待收到您的来信！