Представление флагманского приложения MCP -образец, основанного на Lazure Ai Foundry и Llamaindex.ts
14 июня 2025 г.Devrel Microsoft рада представитьAI Travel Agents, примерная демонстрация приложения с функциональностью предприятия, которая демонстрирует, как разработчики могут координироватьМногочисленные агенты ИИиMCP -серверы(Написано в Java, .net, Python и Typescript) для изучения сценариев планирования путешествий. Он построен сLmamaindex.tsдля оркестровки агента,Протокол контекста модели (MCP)Для структурированных инструментов взаимодействия, Azure AI Foundry, Github Model иAzure Container AppsДля масштабируемого развертывания.
TL; DR:Познакомьтесь с силой MCP и Azure с туристическими агентами ИИ! Попробуйте в прямом эфире Live Demo на своем компьютере, чтобы увидеть сотрудничество агентов в реальном времени в действии. Поделитесь своими отзывами о нашем форуме сообщества. Мы уже планируем улучшения, такие как новые агенты, интегрированные MCP, обеспечивая безопасную связь между агентами ИИ и серверами MCP, добавляя поддержку Agent2agent по сравнению с MCP. Это все еще находится в стадии разработки, и мы также приветствуем все виды вкладов. Пожалуйста, разделите и снимайте репо, чтобы следить за обновлениями!
В этом приложении используются фиктивные данные и предназначены для демонстрационных целей, а не для использования производства.
Задача: масштабирование персонализированного планирования путешествий
Туристические агентства справляются со сложными задачами: анализ различных потребностей клиентов, рекомендации направлений и создания маршрутов, при этом интегрируя данные в реальном времени, такие как места для трендов или логистика. Традиционные системы колеблются с задержкой, масштабируемостью и координацией, что приводит к задержкам и разочарованным клиентам. Агенты из искусственного интеллекта решают эти проблемы с техническим трифектом:
- Lmamaindex.tsОркестр шесть агентов ИИ для эффективной обработки задач.
- MCPРасширяет агентов с данными и инструментами, специфичными для путешествий.
- Azure Container AppsОбеспечивает масштабируемое развертывание без сервера.
Эта архитектура обеспечивает оперативную эффективность и персонализированное обслуживание в масштабе, превращая хаос в возможность.
Lmamaindex.ts: оркестровая агенты ИИ
Сердце путевых агентов ИИLmamaindex.tsмощная агентская структура, которая организует несколько агентов ИИ для выполнения задач планирования путешествий. Построенный на бэкэнд Node.js, LmamainDex.ts управляет агентами взаимодействия бесшовным и интеллектуальным способом:
- Задача делегация: Агент сортировки анализирует запросы и направляет их специализированным агентам, таким как агент по планированию маршрута, обеспечивая эффективные рабочие процессы.
- Координация агента: LlamainDex.ts поддерживает контекст по взаимодействию, обеспечивая когерентные ответы для сложных запросов, таких как планы по мультизаторам.
- Интеграция LLM: Подключается к Azure OpenAI, моделям GitHub или любым местным LLM с использованием Foundation Local для расширенных возможностей ИИ.
Модульная конструкция LlamainDex.ts поддерживает расширяемость, позволяя добавлять новых агентов с легкостью. LmamainDex.ts является дирижером, обеспечивающий синхронизацию агентов для достижения точных, своевременных результатов. Его легкая оркестровка сводит к минимуму задержку, что делает ее идеальным для приложений в реальном времени.
MCP: запрашивающие агенты с данными и инструментами
АПротокол контекста модели (MCP)Упрощает агенты ИИ, предоставляя специфические для путешествий данные и инструменты, улучшая их функциональность. MCP действует как центр данных и инструментов:
- Данные в реальном времени: Поставляет актуальную информацию о путешествиях, такую как направления для трендов или сезонные события, через агента по поиску веб-поиска с использованием Bing Search.
- Доступ к инструментам: Подключает агенты с внешними инструментами, такими как анализатор запросов клиентов на основе .NET для анализа настроений, планирование маршрута на основе Python для графиков поездки или инструментов рекомендаций по назначению, написанных на Java.
Например, когда агенту рекомендации по назначению нуждаются в текущих тенденциях путешествий, MCP обеспечивает через веб -агент поиска. Эта модульность позволяет беспрепятственно интегрировать новые инструменты, защищая платформу в будущем. Роль MCP заключается в обогащении возможностей агентов, оставив оркестровку LlamainDex.ts.
Azure Container Apps: масштабируемость и устойчивость
Azure Container AppsPowers Образец приложения Travel Agents AI с помощью без сервера масштабируемой платформы для развертывания микросервисов. Это гарантирует, что приложение обрабатывает рабочие нагрузки с легкостью:
- Динамическое масштабирование: Автоматически корректирует экземпляры контейнеров на основе спроса, управление скачками бронирования без времени простоя.
- Полиглот микросервисы: Поддержка .NET (запрос клиента), Python (планирование маршрута), Java (рекомендация назначения) и службы Node.js в изолированных контейнерах.
- Наблюдаемость: Интегрирует отслеживание, метрики и регистрацию, обеспечивающие мониторинг в реальном времени.
- Без сервера эффективность: Аннотация инфраструктура, снижение затрат и ускорение развертывания.
Глобальная инфраструктура Azure Container Apps обеспечивает производительность с низкой задержкой, критически важную для туристических агентств, обслуживающих клиентов по всему миру.
Агенты ИИ: быстрый взгляд
В то время как приложения контейнеров MCP и Azure являются звездами, они поддерживают команду нескольких агентов искусственного интеллекта, которые стимулируют функциональность приложения. Построенные и организованные с LmamainDex.ts через MCP, эти агенты сотрудничают для выполнения задач планирования путешествий:
- Сортировка агента: Направляет запросы на правильный агент, используя MCP для делегирования задач.
- Агент запроса клиента: Анализирует потребности клиента (эмоции, намерения), используя.NET TOOLS.
- Агент рекомендации назначения: Предлагает индивидуальные направления, используяЯва.
- Агент по планированию маршрута: Ремесло эффективные маршруты, работающие наПитон.
- Агент веб -поиска: Получает данные в реальном времени через поиск Bing.
Эти агенты полагаются на масштабируемость приложений Confacts Confate Apps в режиме реального времени и Azure для обеспечения отзывчивых, точных результатов.
Стоит отметить, хотя в этом примере используются фиктивные данные для демонстрационных целей. В реальном сценарии WOR
Попробуйте это
Попробуйте демо в прямом эфире на своем компьютере бесплатноИспользуя Docker Model Runner / Ollama или Azure AI Foundry для более способных LLM, чтобы увидеть сотрудничество агентов в реальном времени в действии.
Заключение
Вы можете исследовать сегодня проект с открытым исходным кодом наGitHub, с инструкциями по настройке и развертыванию. Поделитесь своими отзывами о нашихСообщество ФорумПолем Мы уже планируем улучшения, такие как новые агенты, интегрированные с MCPБезопасное общениеМежду агентами ИИ и серверами MCP, добавив поддержку Agent2agent по сравнению с MCP.
Это все еще находится в стадии разработки, и мы также приветствуем все виды вкладов. Пожалуйста, разделите и снимайте репо, чтобы следить за обновлениями!
Мы хотели бы ваших отзывов и продолжить обсуждение в Azure AI Discordhttps://aka.ms/ai/discord
Оригинал