Azure人工智能旅行代理服务器
项目介绍
:star: 要保持更新并收到更改通知，请在GitHub上给这个仓库点赞！
概述 • 架构 • 特性 • 免费本地预览 • 成本估算 • 加入社区
概述
AI旅行代理是一个模块化参考应用程序，利用多个AI代理来增强旅行社的操作。该应用程序展示了如何使用LangChain.js、LlamaIndex.TS和Microsoft Agent Framework编排多个AI代理，以帮助员工处理客户查询、提供目的地推荐以及规划行程。多个MCP（模型上下文协议）服务器，使用Python、Node.js、Java和.NET构建，为代理提供了各种工具和服务，使它们能够无缝协作。
| 代理名称 | 目的 |
|---|---|
| 客户查询理解 | 从客户查询中提取关键偏好。 |
| 目的地推荐 | 根据客户偏好建议目的地。 |
| 行程规划 | 创建详细的行程和旅行计划。 |
| 回声Ping | 回显接收到的任何输入（用作MCP服务器示例）。 |
高级架构
AI旅行代理应用程序的架构设计为模块化和可扩展：
- 所有组件都使用Docker容器化，以便可以轻松地通过**Azure容器应用**进行部署和管理。
- 所有代理工具均作为MCP（模型上下文协议）服务器提供，并由MCP客户端调用。
- MCP服务器使用不同的技术独立实现，如Python、Node.js、Java和**.NET**。
- 提供三种独立服务的编排选项：LangChain.js（TypeScript/Node.js）、LlamaIndex.TS（TypeScript/Node.js）和Microsoft Agent Framework（Python）。
- 每个编排器协调代理和MCP客户端之间的交互，使它们能够无缝协作。
- 使用Aspire仪表板监控应用程序，提供关于代理性能和行为的洞察（通过OpenTelemetry集成）。
[!NOTE] 新接触模型上下文协议（MCP）？查看我们的免费MCP入门指南。
特性
- 多个AI代理（每个都有自己的专长）
- 三种编排选项：LangChain.js、LlamaIndex.TS 和 Microsoft Agent Framework
- 由MCP增强
- 通过Azure容器应用无服务器部署
- 包含一个llms.txt文件，提供信息帮助LLMs在推理时使用此项目（了解更多）
- 包含一个adventure.config.json文件，帮助您以有趣的方式学习（阅读更多）
- 使用OpenTelemetry进行监控的Aspire仪表板
- 多种语言的MCP服务器示例代码：Python、Node.js、Java、.NET
- 容易扩展新的代理和工具
- 使用VitePress的全面文档
免费本地预览应用程序
要运行和预览应用程序，请使用Docker模型运行器。
[!IMPORTANT] Phi4 14B模型需要大量资源（至少16GB内存和现代CPU或GPU）才能高效运行。 GPU加速仅支持macOS Apple Silicon和Windows上的NVIDIA GPU。 如果您的机器没有足够的资源来本地运行LLMs，您可以使用Microsoft Foundry运行应用程序。请参阅高级设置文档获取更多信息。
一个设置脚本
该脚本将执行以下操作：
- 检查所需的工具和依赖项
- 将当前仓库克隆到本地机器
- 安装API和Web应用的npm依赖项
- 下载Phi4 14B模型
- 这将花费一些时间，因为模型很大（约7.80 GB）
- 构建所有MCP服务器的Docker镜像
- 配置所有.env文件，以适用于本地AX
要在本地运行应用程序，请确保在运行预览脚本之前安装了以下内容：
- Git（用于克隆仓库）
- Node.js（用于UI和API服务）
- Docker（用于MCP服务器和使用DMR - Docker模型运行器）
- 确保在Docker Desktop设置中启用**DMR**。
- Powershell 7+ (pwsh) - 仅限Windows用户。
- 重要：确保可以从PowerShell终端运行
pwsh.exe。如果失败，可能需要升级PowerShell。
- 重要：确保可以从PowerShell终端运行
/bin/bash <(curl -fsSL https://aka.ms/azure-ai-travel-agents-preview)
iex "& { $(irm https://aka.ms/azure-ai-travel-agents-preview-win) }"
成本估算
在Azure中配置资源时，要考虑运行应用程序的成本。AI旅行代理样本使用了多个Azure服务，成本会根据您的使用和配置而有所不同。
定价因地区和使用情况而异，因此无法预测确切的成本。 然而，您可以使用Azure定价计算器来估算以下资源的成本。
- Azure容器应用：消费计划，前2M次执行免费。按每次执行和使用的内存收费。定价
- Azure容器注册表：前2GB存储免费。按存储的每GB和传输的每GB数据收费。定价
- Azure OpenAI：标准层，GPT模型。按使用的每1M令牌收费，且每次查询至少使用1K令牌。定价
- Azure Monitor：前5GB数据摄入免费。之后按每GB摄入收费。定价
[!IMPORTANT] 为了避免不必要的费用，请记得在不再使用时关闭应用程序， 可以通过删除门户中的资源组或运行
azd down --purge（见清理）。
快速将样本部署到Azure
- 打开终端并导航到项目的根目录。
- 通过运行
azd auth login进行Azure身份验证。 - 运行
azd up将应用程序部署到Azure。这将配置Azure资源，部署此样本，包括所有容器，并设置必要的配置。- 您将被提示选择资源的基础位置。如果您不确定选择哪个位置，请选择
swedencentral。 - 默认情况下，OpenAI资源将部署到
swedencentral。您可以通过azd env set AZURE_LOCATION <location>设置不同的位置。目前只接受短名单的位置。该位置列表基于OpenAI模型可用性表，可能会随着可用性的变化而过时。
- 您将被提示选择资源的基础位置。如果您不确定选择哪个位置，请选择
部署过程将花费几分钟。完成后，您将在终端中看到Web应用的URL。
<div align="center"> <img src="./docs/azd-up.png" alt="azd up命令结果截图" width="600px" /> </div>现在，您可以在浏览器中打开Web应用并与机器人开始聊天。
清理
要清除此样本创建的所有Azure资源：
- 运行
azd down --purge - 当询问是否确定继续时，输入
y
资源组和所有资源将被删除。
高级设置
要以更高级的本地设置运行应用程序或部署到Azure，请参阅高级设置文档中的故障排除指南。这包括设置Azure容器应用环境、使用本地LLM提供商、配置服务以及将应用程序部署到Azure。
贡献
我们欢迎对AI旅行代理项目做出贡献！如果您有建议、错误修复或新功能，请随时提交拉取请求。有关更多信息，请参阅CONTRIBUTING.md文件。
加入社区
我们鼓励您加入我们的Microsoft Foundry开发者社区，分享您的经验、提问并获得支持：
- aka.ms/foundry/discord - 加入我们的Discord社区进行实时讨论和支持。
- aka.ms/foundry/forum - 访问我们的Microsoft Foundry开发者论坛提问并分享知识。