Skip to content

Latest commit

 

History

History
92 lines (70 loc) · 12.7 KB

File metadata and controls

92 lines (70 loc) · 12.7 KB

مطالعه موردی: نمایندگی‌های مسافرتی هوش مصنوعی Azure – پیاده‌سازی مرجع

مرور کلی

Azure AI Travel Agents یک راه‌حل مرجع جامع است که توسط مایکروسافت توسعه یافته و نشان می‌دهد چگونه می‌توان یک برنامه برنامه‌ریزی سفر چندعامله و مبتنی بر هوش مصنوعی را با استفاده از پروتکل مدل کانتکست (MCP)، Azure OpenAI و Azure AI Search ساخت. این پروژه بهترین شیوه‌ها را برای هماهنگی چندین عامل هوش مصنوعی، یکپارچه‌سازی داده‌های سازمانی و ارائه یک پلتفرم امن و قابل توسعه برای سناریوهای دنیای واقعی به نمایش می‌گذارد.

ویژگی‌های کلیدی

  • هماهنگی چندعامله: استفاده از MCP برای هماهنگی عوامل تخصصی (مانند عوامل پرواز، هتل و برنامه سفر) که با هم همکاری می‌کنند تا وظایف پیچیده برنامه‌ریزی سفر را انجام دهند.
  • یکپارچه‌سازی داده‌های سازمانی: اتصال به Azure AI Search و سایر منابع داده سازمانی برای ارائه اطلاعات به‌روز و مرتبط جهت توصیه‌های سفر.
  • معماری امن و مقیاس‌پذیر: بهره‌گیری از خدمات Azure برای احراز هویت، مجوزدهی و استقرار مقیاس‌پذیر، مطابق با بهترین شیوه‌های امنیت سازمانی.
  • ابزارهای قابل توسعه: پیاده‌سازی ابزارهای قابل استفاده مجدد MCP و قالب‌های پرامپت، که امکان سازگاری سریع با حوزه‌ها یا نیازهای کسب‌وکار جدید را فراهم می‌کند.
  • تجربه کاربری: ارائه یک رابط مکالمه‌ای برای تعامل کاربران با نمایندگی‌های مسافرتی، که توسط Azure OpenAI و MCP پشتیبانی می‌شود.

معماری

Architecture

توضیح نمودار معماری

راه‌حل Azure AI Travel Agents به گونه‌ای طراحی شده است که ماژولار، مقیاس‌پذیر و با ادغام امن چندین عامل هوش مصنوعی و منابع داده سازمانی باشد. اجزای اصلی و جریان داده به شرح زیر است:

  • رابط کاربری: کاربران از طریق یک رابط مکالمه‌ای (مانند چت وب یا بات Teams) با سیستم تعامل دارند، که پرسش‌های کاربر را ارسال و توصیه‌های سفر را دریافت می‌کند.
  • سرور MCP: به عنوان هماهنگ‌کننده مرکزی عمل می‌کند، ورودی کاربر را دریافت، کانتکست را مدیریت و اقدامات عوامل تخصصی (مانند FlightAgent، HotelAgent، ItineraryAgent) را از طریق پروتکل مدل کانتکست هماهنگ می‌کند.
  • عوامل هوش مصنوعی: هر عامل مسئول یک حوزه خاص (پروازها، هتل‌ها، برنامه سفر) است و به عنوان یک ابزار MCP پیاده‌سازی شده است. عوامل از قالب‌های پرامپت و منطق برای پردازش درخواست‌ها و تولید پاسخ‌ها استفاده می‌کنند.
  • خدمات Azure OpenAI: قابلیت‌های پیشرفته درک و تولید زبان طبیعی را فراهم می‌کند و به عوامل کمک می‌کند تا نیت کاربر را تفسیر و پاسخ‌های مکالمه‌ای تولید کنند.
  • Azure AI Search و داده‌های سازمانی: عوامل برای بازیابی اطلاعات به‌روز درباره پروازها، هتل‌ها و گزینه‌های سفر، از Azure AI Search و سایر منابع داده سازمانی پرس‌وجو می‌کنند.
  • احراز هویت و امنیت: با Microsoft Entra ID برای احراز هویت امن ادغام شده و کنترل‌های دسترسی حداقلی به همه منابع اعمال می‌شود.
  • استقرار: برای استقرار در Azure Container Apps طراحی شده است که مقیاس‌پذیری، نظارت و کارایی عملیاتی را تضمین می‌کند.

این معماری امکان هماهنگی بی‌وقفه چندین عامل هوش مصنوعی، ادغام امن با داده‌های سازمانی و پلتفرمی قوی و قابل توسعه برای ساخت راه‌حل‌های هوش مصنوعی حوزه‌محور را فراهم می‌کند.

توضیح گام‌به‌گام نمودار معماری

تصور کنید در حال برنامه‌ریزی یک سفر بزرگ هستید و تیمی از دستیاران متخصص در هر جزئیات به شما کمک می‌کنند. سیستم Azure AI Travel Agents به همین شکل کار می‌کند، با بخش‌های مختلف (مانند اعضای تیم) که هر کدام وظیفه خاصی دارند. اینجا نحوه کارکرد آن را می‌بینید:

رابط کاربری (UI):

این را به عنوان میز پذیرش نمایندگی مسافرتی خود در نظر بگیرید. جایی که شما (کاربر) سوال می‌پرسید یا درخواست می‌دهید، مثلاً «برایم پروازی به پاریس پیدا کن.» این می‌تواند یک پنجره چت در وب‌سایت یا یک اپ پیام‌رسان باشد.

سرور MCP (هماهنگ‌کننده):

سرور MCP مانند مدیر است که درخواست شما را در میز پذیرش می‌شنود و تصمیم می‌گیرد کدام متخصص باید هر بخش را انجام دهد. این سرور گفتگو را دنبال می‌کند و اطمینان حاصل می‌کند همه چیز به خوبی پیش می‌رود.

عوامل هوش مصنوعی (دستیاران متخصص):

هر عامل در یک حوزه خاص متخصص است—یکی همه چیز درباره پروازها می‌داند، دیگری درباره هتل‌ها و دیگری درباره برنامه‌ریزی سفر. وقتی درخواست سفر می‌دهید، سرور MCP درخواست شما را به عامل(های) مناسب می‌فرستد. این عوامل با استفاده از دانش و ابزارهای خود بهترین گزینه‌ها را برای شما پیدا می‌کنند.

خدمات Azure OpenAI (متخصص زبان):

این مانند داشتن یک متخصص زبان است که دقیقاً می‌فهمد شما چه می‌خواهید، بدون توجه به نحوه بیان آن. این سرویس به عوامل کمک می‌کند درخواست‌های شما را درک و پاسخ‌های طبیعی و مکالمه‌ای تولید کنند.

Azure AI Search و داده‌های سازمانی (کتابخانه اطلاعات):

تصور کنید یک کتابخانه بزرگ و به‌روز دارید که تمام اطلاعات سفر—برنامه پروازها، در دسترس بودن هتل‌ها و غیره—در آن موجود است. عوامل این کتابخانه را جستجو می‌کنند تا دقیق‌ترین پاسخ‌ها را برای شما بیابند.

احراز هویت و امنیت (نگهبان امنیتی):

مثل نگهبانی که بررسی می‌کند چه کسانی می‌توانند وارد مناطق خاص شوند، این بخش اطمینان می‌دهد فقط افراد و عوامل مجاز به اطلاعات حساس دسترسی دارند. این کار داده‌های شما را امن و خصوصی نگه می‌دارد.

استقرار در Azure Container Apps (ساختمان):

تمام این دستیاران و ابزارها در یک ساختمان امن و مقیاس‌پذیر (ابر) با هم کار می‌کنند. این یعنی سیستم می‌تواند همزمان کاربران زیادی را پشتیبانی کند و همیشه در دسترس باشد.

نحوه کارکرد همه با هم:

شما با پرسیدن سوالی در میز پذیرش (UI) شروع می‌کنید. مدیر (سرور MCP) مشخص می‌کند کدام متخصص (عامل) باید به شما کمک کند. متخصص با کمک متخصص زبان (OpenAI) درخواست شما را می‌فهمد و با استفاده از کتابخانه (AI Search) بهترین پاسخ را پیدا می‌کند. نگهبان امنیتی (احراز هویت) اطمینان حاصل می‌کند همه چیز امن است. تمام این فرآیند در یک ساختمان قابل اعتماد و مقیاس‌پذیر (Azure Container Apps) انجام می‌شود تا تجربه شما روان و امن باشد. این همکاری تیمی به سیستم اجازه می‌دهد سریع و ایمن به شما در برنامه‌ریزی سفرتان کمک کند، درست مثل تیمی از نمایندگی‌های مسافرتی متخصص که در یک دفتر مدرن با هم کار می‌کنند!

پیاده‌سازی فنی

  • سرور MCP: میزبان منطق اصلی هماهنگی، ارائه ابزارهای عامل و مدیریت کانتکست برای جریان‌های کاری برنامه‌ریزی سفر چندمرحله‌ای است.
  • عوامل: هر عامل (مثلاً FlightAgent، HotelAgent) به عنوان یک ابزار MCP با قالب‌های پرامپت و منطق خاص خود پیاده‌سازی شده است.
  • یکپارچه‌سازی Azure: از Azure OpenAI برای درک زبان طبیعی و Azure AI Search برای بازیابی داده‌ها استفاده می‌کند.
  • امنیت: با Microsoft Entra ID برای احراز هویت ادغام شده و کنترل‌های دسترسی حداقلی به همه منابع اعمال می‌شود.
  • استقرار: از استقرار در Azure Container Apps برای مقیاس‌پذیری و کارایی عملیاتی پشتیبانی می‌کند.

نتایج و تأثیر

  • نشان می‌دهد چگونه می‌توان از MCP برای هماهنگی چندین عامل هوش مصنوعی در یک سناریوی واقعی و تولیدی استفاده کرد.
  • توسعه راه‌حل را با ارائه الگوهای قابل استفاده مجدد برای هماهنگی عوامل، یکپارچه‌سازی داده‌ها و استقرار امن تسریع می‌کند.
  • به عنوان یک الگو برای ساخت برنامه‌های هوش مصنوعی حوزه‌محور با استفاده از MCP و خدمات Azure عمل می‌کند.

منابع

سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است حاوی خطاها یا نادرستی‌هایی باشند. سند اصلی به زبان بومی خود باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما مسئول هیچ گونه سوءتفاهم یا تفسیر نادرستی که از استفاده این ترجمه ناشی شود، نیستیم.