使用 Langchain 和 Microsoft Azure 构建 AI 代理

资源截图

MP4 |视频：h264，1920×1080 |音频：AAC，44.1 KHz，2 Ch
语言：英语 |时长：1小时24米

你将学到什么

• 使用 LangChain 和 LangGraph 以及 Azure AI Foundry 构建 AI 代理
• 使用 Terraform 和安全 API 访问在 Azure 上部署和配置 LLM
• 使用工具、函数调用和 ReAct 推理循环设计代理
• 使用 MCP（Microsoft Learn + 网络搜索）将代理连接到数据
• 使用沙盒环境安全地执行 Python 和 shell 代码
• 使用 Azure Cosmos DB 为代理添加内存以进行多轮对话
• 实施人机交互工作流程和模型护栏
• 使用 LangSmith 跟踪来观察、调试和优化代理

描述

在本实践课程中，您将学习如何使用 LangChain 和 Microsoft Azure 从头开始构建现代人工智能代理。本课程不是只关注理论，而是被设计为一次实践之旅，其中每个概念都通过您可以在自己的项目中运行和适应的实际实现来演示。

我们首先了解为什么人工智能代理是简单的LLM应用程序之外的下一个演进，以及它们如何使用工具、内存和外部系统将推理与行动结合起来。从那里，您将使用 Terraform 在 Azure AI Foundry 中部署您的第一个模型，并构建一个能够做出决策和执行任务的工作 ReAct 代理。

随着课程的进展，您将通过强大的功能扩展您的代理，例如工具和函数调用、与模型上下文协议 (MCP) 服务器集成以及实时访问 Microsoft 文档和 Web 搜索等外部数据。您还将探索如何使用带有 Python 和 shell 工具的沙盒环境为代理提供执行能力。

您将学习如何使用Azure Cosmos DB实现内存、管理多轮对话以及引入人机交互工作流来安全地控制代理行为。高级主题包括中间件挂钩、LangSmith 的可观察性，以及设计多代理架构，其中专业代理协作解决复杂问题。

在本课程结束时，您将能够设计、构建和操作与企业级 Azure 服务无缝集成的生产级 AI 代理。

您将构建什么：

• Azure 上基于 ReAct 的 AI 代理
• 具有工具、内存和 MCP 集成的代理
• 多代理编排系统
• 生产就绪的可观察人工智能工作流程