Jeśli zastanawiasz się, czy zbudować własnego agenta AI, czy wykorzystać istniejące rozwiązanie, ten artykuł będzie dla Ciebie przydatny. Dowiesz się też, jakie są podstawy działania agenta AI.
Z czego składa się agent AI
Wypiszmy, co robi agent:
- Wywołuje model „w pętli”
- Zarządza kontekstem sesji
- Zarządza pamięcią
- Zarządza dostępnymi narzędziami i ich wykonywaniem (bezpieczeństwo, autoryzacja itd.)
- Udostępnia możliwości pracy z promptami
- Wstrzykuje kontekst wielokrotnego użytku (kontekst systemowy, projektowy, sesyjny)
Jeśli potrzebujesz czegoś innego niż to, co agent oferuje „wbudowanie”, a nie ma możliwości dostosowania tego w samym agencie, musisz zbudować własne rozwiązanie.
Przykłady dostosowań
Przykłady tego, jak można dostosować agenta (zgodnie z numeracją z powyższej listy):
- Dostosowanie temperatury. Gdy agent wywołuje model, przekazuje parametr temperatury, który określa, jak kreatywna może być odpowiedź modelu. Jeśli Twój agent nie pozwala dostosować tego ani innych podobnych parametrów wysyłanych do modelu, możesz rozważyć zbudowanie własnego agenta.
- Agenci automatycznie podsumowują kontekst i dodają ważne informacje na jego „końcu”. Jeśli nie odpowiada Ci ten proces — np. automatyczne podsumowanie zaczyna się zbyt wcześnie albo odbywa się w sposób, który powoduje utratę istotnych informacji — potrzebujesz nowego agenta.
- Niektórzy agenci udostępniają LLM-owi jedynie narzędzie do pobierania czegoś z pamięci; inni analizują Twój prompt względem magazynu pamięci i automatycznie wstrzykują do kontekstu potencjalnie potrzebne informacje. Jeśli więc nie odpowiada Ci sposób, w jaki agent obsługuje pamięć — np. chcesz, aby pewna część pamięci zawsze była dodawana do kontekstu, a inne elementy tylko wtedy, gdy są związane z promptem — potrzebujesz własnego agenta.
- Narzędzia to zwykle narzędzia MCP (jeśli podłączasz serwery MCP), narzędzia wbudowane (np. wyszukiwanie w sieci, odczytywanie plików, wykonywanie poleceń CLI) oraz umiejętności. Zwykle Ty wraz z agentem decydujecie, które narzędzia powinny być dostępne dla modelu. Model natomiast decyduje, którego narzędzia użyć i kiedy. Agent odpowiada za wykonanie narzędzi oraz takie kwestie jak autoryzacja i bezpieczeństwo. Jeśli chcesz, aby wyszukiwanie w sieci pobierało treść stron i odfiltrowywało potencjalne ataki typu prompt injection, możesz potrzebować własnego agenta.
- Niektórzy agenci obsługują prompty wielokrotnego użytku (wpisujesz tylko nazwę promptu, która jest automatycznie zastępowana całym jego tekstem), historię promptów dostępną po naciśnięciu strzałek w górę i w dół (jak w terminalu) oraz wejście głosowe (konwersję mowy na tekst przed wysłaniem). Jeśli chcesz móc optymalizować prompt jednym kliknięciem przed wysłaniem, potrzebujesz własnego agenta.
- Agenci wstrzykują pewne informacje do kontekstu w zależności od... cóż... kontekstu. Kontekst systemowy jest wstrzykiwany cały czas; zawiera ważne, ogólne informacje, takie jak „Nie popełniaj błędów” xD. Może też istnieć kontekst „projektowy” (jeśli agent wie, że zadajesz pytanie dotyczące konkretnego projektu); zwykle obejmuje on informacje specyficzne dla tego projektu. Może również istnieć kontekst sesyjny wielokrotnego użytku. Jeśli od czasu do czasu zajmujesz się marketingiem, możesz chcieć wstrzykiwać do kontekstu zasady specyficzne dla marketingu, gdy Twój prompt dotyczy marketingu. Jeśli więc potrzebujesz „trybu nocnego” — kontekstu zależnego od pory, np. „pomiń kroki weryfikacji, aby przyspieszyć proces”, gdy zbliża się godzina 23:00 — potrzebujesz własnego agenta.
Podsumowując, oto „agent-potwór”:
Własny agent wyglądający jak ChatGPT,
ale pozwalający zmieniać temperaturę żądań wysyłanych do modelu,
z dostosowywalnym momentem podsumowywania kontekstu,
z 5 sposobami obsługi pamięci,
z bezpiecznym, odpornym na prompt injection narzędziem do wyszukiwania w sieci,
przyciskiem optymalizacji promptu
i wstrzykiwaniem kontekstu zależnego od pory dnia.
Nie ma mowy, żeby ChatGPT lub inny popularny agent dodał obsługę tego wszystkiego.
Właśnie wtedy budujesz własnego agenta AI.
Przy okazji
Zauważ, że nie zrobiliśmy z tego „workflow”. To nadal agent, który potrafi obsłużyć większość ogólnych zadań, zamiast być zaprojektowanym specjalnie pod jeden proces.