Les agents de l'IA reçoivent beaucoup d'attention ces derniers temps, mais le début peut être déroutant. Vous avez peut-être entendu parler d'outils comme Langchain / Langgraph, le noyau sémantique, l'autogène ou le llamaindex. Ils sont puissants, mais parfois tout ce dont vous avez besoin est quelque chose de simple qui fonctionne.
Azure AI Agent Service vous permet de créer des agents d'IA qui peuvent utiliser vos propres outils, tels qu'une fonction pour lire les données d'une base de données Postgres. Il est conçu pour aider les développeurs à démarrer rapidement, sans avoir besoin de comprendre les chaînes, les graphiques ou les cadres complexes.
Dans ce tutoriel, vous apprendrez à créer un agent d'IA qui peut répondre aux questions sur les données d'une base de données Postgres à l'aide du service Azure AI Agent.
Imaginez que vous exécutez un produit SaaS et suivez les données d'utilisation au niveau des locataires pour la facturation (comme les appels API, le stockage, les séances utilisateur, etc.) dans une table Postgres. Vous voulez un assistant AI pour:
Par exemple, lorsqu'un utilisateur pose des questions sur sa facture, l'IA peut interroger le néon pour les journaux d'utilisation pertinents, résumer les modèles d'utilisation et offrir des explications avant de se rouler vers un humain. Ou lorsque vous ouvrez votre tableau de bord de facturation, l'agent explique de manière proactive tout pic ou modification:
"Votre utilisation de l'API a augmenté de 250% le 3 avril en raison de l'augmentation du trafic des utilisateurs de la région de l'UE."
Nous créerons un agent AI qui se connecte à votre base de données Postgres et utilise une fonction Python simple pour récupérer et analyser les données.
Nous utiliserons des Postgres sans serveur Neon comme base de données. Il s'agit d'un Postgres entièrement géré et natif qui est libre de démarrer, évolue automatiquement et fonctionne très bien pour les agents d'IA qui doivent interroger les données à la demande sans gérer les infrastructures.