Duurzame taak voor AI-agents

AI-agents die urenlang draaien, externe hulpprogramma's aanroepen en infrastructuurfouten moeten overleven, moeten duurzaam worden uitgevoerd — de mogelijkheid om automatisch de voortgang op een bepaald moment op te slaan en te hervatten vanaf het punt waar ze zijn gestopt. Het Durable Task Scheduler - en Durable Task-programmeermodel bieden deze infrastructuur, verwerken van statusbeheer, controlepunten en gedistribueerde coördinatie, zodat uw agentcode dat niet hoeft te doen.

Met dit programmeermodel bouwt u tolerante, stateful agentische werkstromen met behulp van standaardprogrammeringsconstructies (lussen, voorwaarden, foutafhandeling) in .NET, Python, Java en JavaScript/TypeScript. De runtime blijft de status behouden en herstelt automatisch van fouten.

Durable Task is geen agentframework — het werkt met elk AI-agentframework, waaronder Microsoft Agent Framework, LangChain, of directe LLM API-aanroepen. U richt zich op agentlogica; Durable Task verwerkt betrouwbare uitvoering op schaal.

In dit artikel krijgt u meer informatie over:

Duurzame uitvoering lost productie-uitdagingen op

AI-agents in productie hebben te maken met verschillende uitdagingen waarmee duurzame uitvoering wordt aangepakt:

• Langdurige, stateful sessies — Human-in-the-loop interacties, redenering in meerdere stappen en werkstromen ondersteund door hulpmiddelen kunnen een agent uren, dagen of zelfs weken actief houden. De agent verzamelt de status (gespreksgeschiedenis, tussenliggende resultaten, beslissingen die in behandeling zijn) die in elke stap moeten worden bewaard.
• Duur tokenverbruik : het verwerken van grote volumes LLM-tokens is kostbaar en tijdrovend. Frequentielimieten kunnen de gemiddelde werkstroom van uw agent beperken. Als er halverwege een fout optreedt, gaan tokens die al zijn verbruikt en de tijd die al is besteed verloren.
• Infrastructuuronderbrekingen — Herstarten van computetaken, implementaties, in-schaalevenementen en tijdelijke fouten kunnen een agentsessie doen vastlopen. Zonder herstel moet de agent opnieuw worden opgestart vanaf het begin, alle eerder uitgegeven tokens opnieuw consumeren en al het voltooide werk herhalen.

Duurzame uitvoering lost deze uitdagingen op:

• Automatische controlepunten, de Durable Task runtime maakt controlepunten aan bij elke statusovergang (LLM-reacties, resultaten van hulpprogramma-aanroepen, beslissingen over de besturingsstroom) naar duurzame opslag.
• Hervatten vanaf laatste controlepunt : wanneer er een fout optreedt, wordt de uitvoering automatisch hervat op een vm die in orde is. Voltooide LLM-aanroepen worden niet herhaald, waardoor zowel tokenuitgaven als wandkloktijd worden geoptimaliseerd.
• Ingebouwde nieuwe pogingen : configureerbare beleidsregels voor opnieuw proberen met uitstel verwerken tijdelijke fouten van LLM-API's, externe hulpprogramma's en downstreamservices zonder extra code.

Agentische werkstroompatronen

Durable Task ondersteunt een reeks agentische werkstroompatronen die in twee brede categorieën worden onderverdeeld:

• Deterministische werkstromen: uw code definieert de controlestroom. U schrijft de reeks stappen, waaronder vertakking, parallelle uitvoering en foutafhandeling, met behulp van standaardprogrammeringsconstructies. De LLM wordt aangeroepen als een stap binnen de werkstroom, maar heeft geen controle over de algehele stroom.
• Door agents gerichte werkstromen (agentlussen): de LLM bepaalt de controleflow. De agent bepaalt welke hulpprogramma's moeten worden aangeroepen, in welke volgorde en wanneer de taak is voltooid. U geeft hulpprogramma's en instructies op, maar de agent bepaalt het uitvoeringspad tijdens runtime.

Beide categorieën profiteren van duurzame uitvoering en kunnen worden gecombineerd in dezelfde toepassing. Zie Agentische toepassingspatronen voor een gedetailleerd overzicht van de ondersteunde patronen met codevoorbeelden.

Opties voor agentische werkstromen vergelijken op Azure

Er zijn verschillende opties voor het bouwen van agentische werkstromen op Azure naast de durable task-technologiestack. Elke optie heeft verschillende sterke punten en compromissen, afhankelijk van uw vereisten voor controlestroom, programmeertaalondersteuning, integratie van AI-frameworks, hosting, statusbeheer en doelgroep. In de volgende tabel kunt u bepalen welke aan uw behoeften voldoet.

Volgende stappen 

• Agentische toepassingspatronen
• Zelfstandige Taakuitbreiding voor Microsoft Agent Framework (Preview)
• Overzicht van Durable Task Scheduler