Devrel da Microsoft está animado para apresentar Agentes de viagens de IAuma demonstração de aplicativos de amostra com funcionalidade corporativa que demonstra como os desenvolvedores podem coordenar vários agentes de IA e Servidores MCP (Escrito em Java, .Net, Python e TypeScript) para explorar cenários de planejamento de viagens. É construído com Llamaindex.ts para orquestração do agente, Modelo Protocolo de Contexto (MCP) Para interações estruturadas de ferramentas, o Azure AI Foundry, Github Model e Aplicativos de contêiner do Azure para implantação escalável.
Tl; dr: Experimente o poder do MCP e do Azure com os agentes de viagem da IA! Experimente a demonstração ao vivo localmente no seu computador para ver a colaboração do agente em tempo real em ação. Compartilhe seus comentários sobre o nosso fórum da comunidade. Já estamos planejando aprimoramentos, como novos agentes integrados ao MCP, permitindo a comunicação segura entre os agentes da IA e os servidores MCP, adicionando suporte para agente2agent sobre o MCP. Este ainda é um trabalho em andamento e também recebemos todos os tipos de contribuições. Por favor, bifurcar e estrelar o repositório para ficar atento para atualizações!
Este aplicativo de amostra usa dados simulados e destina -se a fins de demonstração, em vez do uso da produção.
O desafio: dimensionar o planejamento de viagens personalizado
As agências de viagens lidam com tarefas complexas: analisando diversas necessidades do cliente, recomendando destinos e elaboração de itinerários, enquanto integra dados em tempo real, como pontos de tendência ou logística. Os sistemas tradicionais vacilam com latência, escalabilidade e coordenação, levando a atrasos e clientes frustrados. Os agentes de viagens de IA abordam esses problemas com uma trifecta técnica:
- Llamaindex.ts orquestra seis agentes de IA para manuseio de tarefas eficientes.
- MCP Equipe os agentes com dados e ferramentas específicos de viagem.
- Aplicativos de contêiner do Azure Garante implantação escalável e sem servidor.
Essa arquitetura oferece eficiência operacional e serviço personalizado em escala, transformando o caos em oportunidade.
Llamaindex.ts: Orquestrando agentes de IA
O coração dos agentes de viagens de IA é Llamaindex.tsuma poderosa estrutura Agentic que orquestra vários agentes de IA para lidar com tarefas de planejamento de viagens. Construído em um back -end node.js, o Llamaindex.ts gerencia as interações do agente de maneira perfeita e inteligente:
- Delegação de tarefas: O agente de triagem analisa consultas e as rotula para agentes especializados, como o agente de planejamento do itinerário, garantindo fluxos de trabalho eficientes.
- Coordenação do agente: Llamaindex.Ts mantém o contexto entre as interações, permitindo respostas coerentes para consultas complexas, como planos de viagem de várias cidades.
- Integração LLM: Conecta -se ao Azure OpenAI, modelos do GitHub ou a qualquer LLM local usando recursos de AI do Foundy Local for Advanced AI.
O design modular da Llamaindex.TS suporta extensibilidade, permitindo que novos agentes sejam adicionados com facilidade. O Llamaindex.ts é o condutor, garantindo que os agentes trabalhem em sincronia para fornecer resultados precisos e oportunos. Sua orquestração leve minimiza a latência, tornando-a ideal para aplicações em tempo real.
O Modelo Protocolo de Contexto (MCP) Empowers AI Agents, fornecendo dados e ferramentas específicos de viagem, aprimorando sua funcionalidade. O MCP atua como um hub de dados e ferramentas:
- Dados em tempo real: Fornece informações de viagem atualizadas, como destinos de tendência ou eventos sazonais, através do agente de pesquisa da web usando a pesquisa do Bing.
- Acesso à ferramenta: Conecta agentes a ferramentas externas, como o analisador de consultas de clientes baseado em .NET para análise de sentimentos, o planejamento de itinerário baseado em Python para horários de viagem ou ferramentas de recomendação de destino escritas em Java.
Por exemplo, quando o agente de recomendação de destino precisa de tendências atuais de viagens, o MCP entrega através do agente de pesquisa da web. Essa modularidade permite que novas ferramentas sejam integradas perfeitamente, à prova de futuro da plataforma. O papel do MCP é enriquecer os recursos do agente, deixando a orquestração para o Llamaindex.ts.
Aplicativos de contêineres do Azure: escalabilidade e resiliência
Aplicativos de contêiner do Azure Powers O aplicativo de amostra de agentes de viagens de IA com uma plataforma escalável e sem servidor para implantar microsserviços. Ele garante que o aplicativo lida com cargas de trabalho variadas com facilidade:
- Escala dinâmica: Ajusta automaticamente as instâncias de contêiner com base na demanda, gerenciando pula de reserva sem tempo de inatividade.
- Microsserviços de poliglota: Suporta o .NET (consulta ao cliente), Python (planejamento de itinerário), Java (recomendação de destino) e node.js em contêineres isolados.
- Observabilidade: Integra rastreamento, métricas e registros de log, permitindo o monitoramento em tempo real.
- Eficiência sem servidor: Abstracts Infrastructure, reduzindo custos e acelerando a implantação.
A infraestrutura global da Azure Container Apps oferece desempenho de baixa latência, crítico para agências de viagens que atendem a clientes em todo o mundo.
Os agentes da IA: uma olhada rápida
Embora os aplicativos de contêineres MCP e Azure sejam as estrelas, eles suportam uma equipe de vários agentes de IA que conduzem a funcionalidade do aplicativo. Construído e orquestrado com Llamaindex.ts via MCP, esses agentes colaboram para lidar com tarefas de planejamento de viagens:
- Agente de triagem: Direciona consultas para o agente certo, aproveitando o MCP para a delegação de tarefas.
- Agente de consulta ao cliente: Analisa as necessidades do cliente (emoções, intenções), usando .NET Tools.
- Agente de recomendação de destino: Sugere destinos personalizados, usando Java.
- Agente de planejamento do itinerário: Cria itinerários eficientes, alimentados por Python.
- Agente de pesquisa da web: Busca dados em tempo real via Bing Search.
Esses agentes confiam na escalabilidade da comunicação em tempo real e do Azure Container do Azure para fornecer resultados responsivos e precisos.
Vale a pena notar que esse aplicativo de amostra use dados simulados para fins de demonstração. No cenário real WORL, o aplicativo se comunicaria com um servidor MCP conectado a uma API de viagem de produção real.
Experimente
Experimente a demonstração ao vivo localmente no seu computador gratuitamente usando o Docker Model Runner / Ollama ou o Azure AI Foundry para LLMs mais capazes, para ver a colaboração do agente em tempo real em ação.
Conclusão
Você pode explorar hoje o projeto de código aberto no GitHub, com instruções de configuração e implantação. Compartilhe seus comentários sobre o nosso fórum da comunidade. Já estamos planejando aprimoramentos, como novos agentes integrados ao MCP, permitindo a comunicação segura entre os agentes da IA e os servidores MCP, adicionando suporte para agente2agent sobre o MCP.
Este ainda é um trabalho em andamento e também recebemos todos os tipos de contribuições. Por favor, bifurcar e estrelar o repositório para ficar atento para atualizações!
Adoraríamos seu feedback e continuaríamos a discussão no Azure AI Discord
