Vad är verktyg i Azure AI Foundry Agent Service?

För att ge AI-agenten tillgång till jordade data eller möjligheten att vidta åtgärder och automatisera arbetsflöden tillhandahåller Foundry Agent-tjänsten ett brett utbud av inbyggda verktyg, till exempel Grounding med Bing Search, Azure AI Search, Azure Logic Apps och partnerverktyg från tredje part, till exempel Tripadvisor. Den här sidan är utformad för att ge en översikt över verktyg som tillhandahålls i Foundry Agent Service.

Kunskapsverktyg

För att hålla AI-agenten informerad med mer omfattande kontext från olika datakällor. Foundry Agent Service har täckt en mängd olika datatyper:

• privata data: Azure AI Search, File Search, Microsoft Fabric med mera
• offentliga webbdata: Grundläggning med Bing Search
• licensierade data: Tripadvisor, Morningstar
• ostrukturerade data: Azure AI Search, Filsökning
• strukturerade data: Microsoft Fabric med mera

Åtgärdsverktyg

För att effektivisera arbetsflöden med din AI-agent med funktioner för att vidta åtgärder. Foundry Agent Service tillhandahåller olika åtgärdsverktyg för dig med olika nivåer av flexibilitet, kontroll och enkel integrering:

• Djupforskningsverktyg: Webbaserad integrerad djupforskningspipeline med o3-deep-research modellen och grounding med Bing Search.
• Azure Logic Apps: Lösning med låg kod/ingen kod för att lägga till ett arbetsflöde i DIN AI-agent
• OpenAPI Spec-verktyget: Ta med en befintlig OpenAPI-specifikation för ett tjänst-API som du vill lägga till i AI-agenten, utan några eller mindre ändringar.
• MCP-verktyg: Ta med en befintlig MCP-slutpunkt (Model Context Protocol) som du vill lägga till i DIN AI-agent.
• Funktionsanrop: Skriv egna anpassade, tillståndslösa funktioner för att definiera förväntade beteenden.
• Azure Functions: Skriva och hantera dina egna anpassade, tillståndskänsliga funktioner.
• Webbläsarautomatisering: Utför verkliga webbläsaruppgifter via frågor om naturligt språk.

Hur fungerar ett verktyg i Foundry Agent Service?

Verktyg är valfria funktioner som du kan lägga till i AI-agenten för AI-modeller för att bestämma och välja baserat på användarens fråga och kontext. När en användare skickar en fråga identifierar AI-modellen avsikten med kontexten och skriver eventuellt om användarfrågan. Sedan avgör AI-modellen vilka verktyg som ska anropas för varje körning. Om du till exempel lägger till både verktyget Grounding med Bing Search och Azure AI Search-verktyget till din agent och frågar "vad är vädret i Seattle idag?", identifierar modellen din avsikt att fråga om realtidsinformation och är mer benägna att anropa verktyget Grounding with Bing Search( Grounding with Bing Search).

Du kan lägga till verktyg på agent-, tråd- eller körningsnivå. Genom att tillhandahålla verktyg på en smalare nivå åsidosätter verktygsresurserna verktygsresurserna på en bredare nivå. Verktygsresurser på körningsnivå åsidosätter till exempel verktygsresurser på trådnivå. För närvarande kan du lägga till flera verktyg, men du kan lägga till en instans av vart och ett av följande verktyg: Filsökning, Azure AI Search, Grounding med Bing Search, Grounding med anpassad Bing-sökning, Microsoft Fabric och andra verktyg i knowledge avsnittet.

När en användare skickar en fråga till agenten skapas en tråd, en körning och ett meddelande. För varje körning bestämmer AI-modellen vilka verktyg som ska anropas baserat på användarens avsikt och tillgängliga verktygsresurser. Baserat på verktygets utdata kan AI-modellen välja att anropa ett annat verktyg eller anropa samma verktyg igen för att få mer kontext. När du till exempel använder grounding med Bing Search-verktyget kan du se flera Bing Search-frågor när du spårar en tråd. Det innebär att AI-modellen faktiskt anropar verktyget Grounding with Bing Search flera gånger med olika frågor för att få mer information. Om du vill veta mer om vilka verktyg som anropas och hur AI-modellen anropar dem kontrollerar du körningsstegsinformationen.

Det finns olika sätt att påverka hur AI-agenten anropar verktyg:

• Parametern tool_choice : Det mest deterministiska sättet att styra vilket (om något) verktyg som anropas av modellen. Som standard är den inställd på auto, vilket innebär att AI-modellen avgör. Om du vill tvinga modellen att anropa ett specifikt verktyg kan du ange specifikationen för det här verktyget, till exempel

  run = project_client.agents.runs.create_and_process(
        thread_id=thread.id, 
        agent_id=agent.id,
        tool_choice={"type": "bing_grounding"}  # specify the tool to use
        )
  

• Parametern instructions : Nondeterministisk. Använd anvisningarna för att hjälpa AI-modellen att förstå ditt användningsfall och syftet med varje verktyg. Du vill berätta för AI-modellen vilken information eller vilka åtgärder varje verktyg kan göra. Till exempel "använd AI Search-verktyget <tool_name> för produktrelaterad information använder du infrastrukturverktyget <tool_name> för försäljningsrelaterad information.". Ibland kan användarfrågan besvaras av modellens grundläggande kunskaper eller av verktygen. Du vill ge instruktioner som "använd verktygsutdata för att generera ett svar, använd inte dina egna kunskaper".

Förutsättningar

• En skapad agent
• Kontrollera att AI-modellen har tillräckligt med token–Per-Minute (TPM) allokerade. Vi rekommenderar att du har minst 30 000 TPM. Du kan ändra TPM-allokeringen genom att gå till modeller + slutpunkter i AI Foundry-portalen och redigera din modell.

Inbyggda verktyg

Foundry Agent Service innehåller följande inbyggda verktyg. Du kan använda dem med REST API, SDK och Azure AI Foundry-portalen.

Verktyg som inte kommer från Microsoft

Följande verktyg skapas av tredjepartspartner. Använd länkarna nedan för att visa dokumentationen och kodexemplen.

Metodtips

Använd systeminstruktioner för att hjälpa modellen att anropa rätt verktyg

För att modellen ska förstå vilka verktyg som ska användas vill du tillhandahålla detaljerade instruktioner för modellen för att beskriva när och hur verktyget ska användas. Du kanske vill ange följande information:

• Primärt mål: vad är målet med den här agenten? vad är målet med relaterade uppgifter? vilka är de förväntade utfallen?
• Ditt ansvar: vilka uppgifter du förväntar dig att agenten ska utföra. Du kan till exempel anropa grounding med Bing Search-verktyget för att hämta den senaste informationen om lokala händelser.
• Indata som du kan få: vilka indata förväntar du dig att agenten ska ta emot?
• För varje verktyg:
  • Verktygsnamnet
  • En beskrivning av verktyget
  • Utlösare: när förväntar du dig att det här verktyget ska anropas? Vilken typ av information kommer att sökas igenom? Vad innehåller frågor?
  • Ett exempel på en fråga

Du kan till exempel ange verktygsinstruktioner som följande för verktyget Grounding with Bing Search :

Grundstötning med Bing Search-verktyget

• Använd: Samla in externa trender eller nyheter för att berika inlägget med insikter i realtid.
• Utlös detta när:
  • Användaren ber att få referera till aktuella data eller konkurrenskontexter.
  • Exempel: "Kan du referera till de senaste branschtrenderna?" eller "Vad gör konkurrenterna?".