Arkitektagentløsninger: Principper og mønstre

Agenter er AI-systemer designet til at hjælpe brugere ved at fortolke data, træffe beslutninger og automatisere opgaver for at øge produktivitet og effektivitet. AI-agenter kan være:

• Samtalebaseret: Interaktion med brugere via chatgrænseflader
• Autonom: At løbe selvstændigt uden kontinuerlig menneskelig ledelse

Agenter forstår brugerhenvendelser og kan kombinere sprogforståelse med forretningslogik.

Dette Arkivér agentløsninger indhold indeholder vejledning om vigtige principper og mønstre for opbygning af sikre, pålidelige agenter med fokus på Microsoft 365 Copilot. Rammen tilbyder standardiserede tilgange til agentudvikling, hvilket sikrer maksimal afkast på investeringen, samtidig med at sikkerhed og overholdelse af virksomhedsniveau opretholdes.

Denne ramme:

• Demonstrerer lederskab ved at etablere industristandarder for agentarkitektur og styrker Microsofts lederskab inden for ansvarlig AI.
• Provides anbefalede vejledning til udvikling af agenter til Copilot, hvilket reducerer forvirringen.
• Sikrer kvalitet og tillid ved at prioritere pålidelighed, sporbarhed og ansvarlig AI for sikre, reviderbare løsninger.
• Muliggør skalering ved at give udviklere mulighed for at bygge løsninger, der er i overensstemmelse med branchen og Microsofts foreskrevne bedste praksis, uden behov for teknisk support fra Microsoft.
• Aligns-standarder ved at standardisere terminologi- og evalueringskriterier for Copilot og agentløsninger i hele organisationen.

Prerequisites

For effektivt at bruge denne ramme bør du have:

• Grundlæggende forståelse af Microsoft 365 Copilot egenskaber
• Fortrolighed med agentbegreber og terminologi
• Kendskab til virksomhedens sikkerhed og overholdelseskrav
• Erfaring med softwareudviklingslivscyklusprocesser

Kerne-rammeværksøjler

Rammen fastlægger tre grundlæggende søjler, der styrer alle beslutninger om agentudvikling.

Egnet til formålet

Fit for purpose-søjlen sikrer, at AI-implementering leverer meningsfuld værdi, samtidig med at passende kompleksitetsniveauer opretholdes.

• Less is more: Leverer brugen af AI værdi, der balancerer øget kompleksitet?
• Brugeroplevelse: Er den rette agent tilgængelig for slutbrugerne, i de rigtige kunder, på det rette tidspunkt?
• Fit: Vælger løsningen den rigtige AI-model og anvender den på det rette tidspunkt i procesforløbet for at balancere enkelhed, omkostninger og pålidelighed?

Læs mere: Bestem egnet til formålet

Operabilitet

Operationel sikkerhed sikrer, at løsninger pålideligt giver korrekte svar og adfærd på tværs af alle operationelle scenarier.

• Opfylder løsningen en ensartet kvalitetsmåling?
• Bevarer løsningen teknisk pålidelighed (API-pålidelighed, robusthed, begrænsninger)?
• Opfylder administration, styring og livscyklusstyring de operationelle behov?
• Giver løsningen nok observerbarhed til at have tillid til langsigtet kvalitet og investeringsafkast?

Læs mere: Bestem funktionalitet

Tillid, sporbarhed og gennemsigtighed

Den tredje søjle i rammen lægger grundlaget for ansvarlig AI-implementering gennem tre sammenhængende komponenter:

• Tillid: Følger agenten ansvarlige AI-principper, overholder reglerne og holder data sikre?
• Sporbarhed: Er alle handlinger og beslutninger klare og nemme at gennemgå, så brugerne kan forstå og revidere, hvordan agenten fungerer?
• Gennemsigtighed: Ved brugere og administratorer, hvor data er gemt, hvordan data bruges, og kan de tjekke kilden til informationen?

Læs mere : Bestem tillid, sporbarhed og gennemsigtighed

Hvad denne ramme ikke dækker

Denne struktur duplikerer ikke indhold, der allerede er behandlet i etablerede standarder, f.eks. Azure Well-Architected Framework, Power Platform Well-Architected, National Institute of Standards and Technology (NIST) eller andre anerkendte sikkerhedsrammer. I stedet supplerer den disse ressourcer ved at fokusere specifikt på agentcentrerede arkitekturprincipper. Selvom dette dokument ikke gentager vejledningen fra disse rammer, bør du betragte dem som en del af den overordnede løsningsarkitektur.

Dette rammeværk giver ikke detaljerede implementeringsinstruktioner for specifikke teknologier eller platforme. I stedet fokuserer den på overordnede principper og mønstre, der kan tilpasses forskellige kontekster og krav.