Microsoft สร้าง AutoGen Studio เพื่อสร้างต้นแบบเอเจนต์ AI ด้วยโค้ดที่ต่ำ

AutoGen Studio ซึ่งเป็นเครื่องมือ low-code ล่าสุดที่ออกโดย Microsoft Research มีเป้าหมายที่จะปฏิวัติการสร้างต้นแบบเอเจนต์ AI เครื่องมือนี้ใช้เฟรมเวิร์ก AutoGen แบบโอเพ่นซอร์ส ซึ่งช่วยลดความซับซ้อนในการสร้างและจัดการเวิร์กโฟลว์แบบหลายเอเจนต์ได้อย่างมาก AutoGen Studio มอบอินเทอร์เฟซที่เป็นมิตรต่อผู้ใช้และฟังก์ชันอันทรงพลัง ช่วยให้นักพัฒนาสามารถสร้าง ปรับปรุง และรวมเอเจนต์ AI ได้อย่างรวดเร็วเพื่อรับมือกับงานต่างๆ ไม่ว่าจะเป็นเว็บอินเทอร์เฟซหรือ Python API นักพัฒนาสามารถใช้ข้อกำหนด JSON ได้อย่างยืดหยุ่นเพื่อเป็นตัวแทนของตัวแทนที่รองรับโมเดลภาษาขนาดใหญ่ (LLM) เพื่อตอบสนองความต้องการในการพัฒนาที่แตกต่างกัน

Microsoft Research เพิ่งเปิดตัวเครื่องมือ low-code ตัวใหม่ที่เรียกว่า AutoGen Studio ซึ่งมีเป้าหมายที่จะเปลี่ยนวิธีที่นักพัฒนาสร้างต้นแบบเอเจนต์ AI อย่างสมบูรณ์ เครื่องมือนี้ใช้เฟรมเวิร์ก AutoGen แบบโอเพ่นซอร์ส และได้รับการออกแบบเพื่อลดความซับซ้อนของกระบวนการที่ซับซ้อนในการสร้างและจัดการเวิร์กโฟลว์หลายเอเจนต์ ในเรื่องนี้ Elvis Saravia นักวิจัยด้านการเรียนรู้ของเครื่องและการประมวลผลภาษาธรรมชาติจากสถาบันวิจัยปัญญาประดิษฐ์แบบกระจาย (DAIR.AI) ได้แบ่งปันการพัฒนาเทคโนโลยีนี้บนโซเชียลมีเดีย

"ตัวแทน" คืออะไร นักวิเคราะห์ Jason Blumberg อธิบายว่าตัวแทนหมายถึงซอฟต์แวร์อัตโนมัติที่สามารถบรรลุเป้าหมายทางธุรกิจที่เฉพาะเจาะจงโดยไม่ขึ้นอยู่กับซอฟต์แวร์อื่นที่อยู่รอบ ๆ แม้ว่าผู้คนจะมีความคิดเห็นที่แตกต่างกันเกี่ยวกับความเป็นอิสระและฟังก์ชันการทำงาน แต่ก็ปฏิเสธไม่ได้ว่า AutoGen Studio ช่วยให้นักพัฒนามีวิธีที่เป็นมิตรในการพัฒนาเอเจนต์ AI ช่วยให้พวกเขาสร้างต้นแบบได้อย่างรวดเร็ว เสริมทักษะทางวิชาชีพของเอเจนต์ และรวมเอเจนต์หลายตัวเข้ากับขั้นตอนการทำงานที่ซับซ้อนเพื่อบรรลุผลสำเร็จในท้ายที่สุด งานต่างๆ

เครื่องมือนี้มีทั้งเว็บอินเทอร์เฟซและ Python API และนักพัฒนาสามารถแสดงตัวแทนที่รองรับโมเดลภาษาขนาดใหญ่ (LLM) ผ่านข้อกำหนด JSON ความยืดหยุ่นนี้เหมาะสมกับความต้องการในการพัฒนาและระดับทักษะที่หลากหลาย นักวิเคราะห์ Brad Shimin กล่าวว่า "นี่เป็นโครงการที่ยอดเยี่ยมจริงๆ จาก Microsoft โดยสามารถช่วยให้นักพัฒนาระดับองค์กรเปลี่ยนจากการพิสูจน์แนวคิดไปสู่การผลิตได้อย่างรวดเร็ว ซึ่งช่วยลดปัญหาได้มากมาย"

AutoGen Studio มีคุณสมบัติที่ออกแบบมาอย่างดีหลายประการ เช่น อินเทอร์เฟซแบบลากและวางที่ใช้งานง่ายสำหรับการระบุเวิร์กโฟลว์ของตัวแทน ความสามารถในการประเมินเชิงโต้ตอบและการแก้ไขจุดบกพร่อง และไลบรารีของส่วนประกอบของตัวแทนที่นำมาใช้ซ้ำได้ คุณลักษณะเหล่านี้สร้างขึ้นจากหลักการออกแบบหลักสี่ประการที่ Microsoft ยังไม่ได้เปิดเผยโดยละเอียด

อย่างไรก็ตาม Microsoft ยังเตือนทุกคนว่า AutoGen Studio ยังอยู่ในขั้นตอนการพัฒนาและอาจไม่มีวันกลายเป็นผลิตภัณฑ์ที่สมบูรณ์ “AutoGen Studio อยู่ระหว่างการพัฒนา และเราจะทำซ้ำอย่างรวดเร็ว และอาจแนะนำการเปลี่ยนแปลงที่สำคัญในรุ่นที่กำลังจะมาถึง” Microsoft กล่าวในแถลงการณ์

อย่างไรก็ตาม กรอบงาน AutoGen มีแอปพลิเคชันอยู่แล้วในหลายอุตสาหกรรม เช่น การโฆษณา การสนับสนุนลูกค้า ความปลอดภัยเครือข่าย การวิเคราะห์ข้อมูล การศึกษา การเงิน และอื่นๆ การบังคับใช้ในวงกว้างนี้แสดงให้เห็นถึงผลกระทบที่อาจเกิดขึ้นจาก AutoGen Studio ในหลากหลายสาขา

Blumberg กล่าวเสริมว่าเจ้าหน้าที่ AI สามารถมีบทบาทสำคัญในกลยุทธ์คลาวด์เนทิฟขององค์กร และตัวแทนแต่ละรายสามารถทำงานแบบไร้สัญชาติในคอนเทนเนอร์ได้ นอกจากนี้ ตัวแทนที่ใช้ generative AI กำลังค่อยๆ เข้ามาแทนที่หุ่นยนต์ระบบอัตโนมัติสำหรับกระบวนการหุ่นยนต์ (RPA) แบบเดิม และกำลังเข้ามาแทนที่เทคโนโลยี เช่น ระบบอัตโนมัติของกระบวนการทางธุรกิจ และแพลตฟอร์มที่ใช้โค้ดต่ำ/ไม่มีโค้ด

Microsoft สนับสนุนให้นักพัฒนาใช้ AutoGen Studio สำหรับการสร้างต้นแบบและการสาธิต แทนที่จะเป็นแอปพลิเคชันที่พร้อมสำหรับการผลิต สำหรับแอปพลิเคชันที่ปรับใช้ซึ่งต้องมีการรับรองความถูกต้องและการรักษาความปลอดภัยขั้นสูง นักพัฒนาแนะนำให้สร้างบนเฟรมเวิร์ก AutoGen โดยตรง ในขณะที่ AI ยังคงพัฒนาและเปลี่ยนแปลงอุตสาหกรรมอย่างต่อเนื่อง เครื่องมืออย่าง AutoGen Studio จะมีบทบาทสำคัญในการทำให้การพัฒนา AI เป็นประชาธิปไตยและขับเคลื่อนนวัตกรรมในระบบหลายตัวแทน

ทางเข้าผลิตภัณฑ์: https://microsoft.github.io/autogen/docs/autogen-studio/getting-started/?utm_source=the+new+stack&utm_medium=referral&utm_content=inline-mention&utm_campaign=tns+platform

โดยรวมแล้ว AutoGen Studio ในฐานะเครื่องมือพัฒนาเอเจนต์ AI แบบเขียนโค้ดต่ำ ช่วยให้นักพัฒนาได้รับโซลูชันการสร้างต้นแบบที่สะดวกและมีประสิทธิภาพ แม้ว่าจะยังอยู่ในขั้นตอนการพัฒนา แต่ก็มีศักยภาพในการทำให้กระบวนการพัฒนาเอเจนต์ AI ง่ายขึ้นและ ส่งเสริมนวัตกรรมระบบหลายตัวแทนไม่สามารถละเลยได้ ความยืดหยุ่นและการนำไปใช้งานในวงกว้างทำให้มีบทบาทสำคัญในการพัฒนา AI ในอนาคต