Dauerhafte Aufgabe für KI-Agents

Der Durable Task Scheduler, in Kombination mit dem Programmmodell für dauerhafte Aufgaben, bietet die zugrunde liegende Infrastruktur für dauerhafte Ausführung, die Handhabung der Zustandsverwaltung, die Erstellung von Prüfpunkten und die verteilte Koordination, sodass Ihr Agentcode das nicht tun muss.

Mit dem Programmiermodell für dauerhafte Aufgaben können Sie stabile, zustandsbehaftete agentische Workflows mit Standardprogrammierungskonstrukten (z. B. Schleifen, Bedingungen und Fehlerbehandlung) in .NET, Python, Java und JavaScript/TypeScript erstellen, während die Laufzeit den Zustand beibehalten und von Fehlern automatisch wiederhergestellt wird.

Obwohl das Programmiermodell für dauerhafte Aufgaben kein Agentframework selbst ist, funktioniert es mit jedem AI-Agent-Framework, einschließlich Microsoft Agent Framework, LangChain oder direkten LLM-API-Aufrufen. Diese Trennung von Verantwortlichkeiten ermöglicht es Ihnen, sich auf die Agentlogik zu konzentrieren, während das Durable Task Framework die zuverlässige Ausführung im großen Maßstab verarbeitet.

In diesem Artikel lernen Sie Folgendes:

Produktionsprobleme, die durch eine permanente Ausführung gelöst werden

KI-Agents, die echte Arbeit in der Produktion ausführen, sind in der Regel langlaufend, zustandsbehaftet, und sie sind abhängig von externen Tools und Diensten. Menschengestützte Interaktionen, mehrstufige Begründungsketten und werkzeuggestützte Workflows können eine Agent-Sitzung für Stunden, Tage oder sogar Wochen aktiv halten. Während dieser gesamten Zeit sammelt der Agent Zustand an – einschließlich Gesprächsverlauf, Zwischenergebnissen und ausstehenden Entscheidungen –, der über jeden einzelnen Schritt hinweg erhalten bleiben muss.

Die Verarbeitung großer Mengen von LLM-Token ist teuer und zeitaufwändig. Modellanbieter können Grenzwerte festlegen, die den Agent während des Workflows drosseln. Wenn ein Infrastrukturfehler (z. B. ein Neustart eines virtuellen Computers oder ein Netzwerkausfall) während einer mehrstufigen Agentenaufgabe auftritt, sind die bereits verbrauchten Token und die bereits genutzte Zeit verloren.

Unterbrechungen bei lang andauernden Agent-Workflows, sei es durch Rechnerneustarts, Bereitstellungen, Skalierungsereignisse oder vorübergehende Infrastrukturfehler, steigern diese Kosten. Ohne einen Wiederherstellungsmechanismus muss eine abgestürzte Agent-Sitzung von Anfang an neu gestartet werden, alle zuvor ausgegebenen Token erneut verwenden und alle zuvor abgeschlossenen Arbeiten wiederholen.

Die dauerhafte Ausführung löst diese Herausforderungen. Die Durable‑Task‑Laufzeit schreibt jeden Zustandsübergang in einem Agent‑Workflow – einschließlich LLM‑Antworten, Ergebnissen von Toolaufrufen und Steuerflussentscheidungen – automatisch in dauerhaften Speicher. Wenn ein Fehler auftritt, wird die Ausführung automatisch auf einem fehlerfreien virtuellen Computer vom letzten Prüfpunkt fortgesetzt, anstatt von Grund auf neu zu starten. Abgeschlossene LLM‑Aufrufe werden nicht erneut ausgeführt, was sowohl Tokenverbrauch als auch Gesamtbetrachtungszeit spart. Integrierte Wiederholungsrichtlinien mit konfigurierbarer Backoffbehandlung behandeln vorübergehende Fehler von LLM-APIs, externen Tools und downstream-Diensten ohne zusätzlichen Code.

Agentische Workflowmuster

Durable Task unterstützt eine Reihe von agentischen Workflowmustern, die in zwei allgemeine Kategorien fallen:

• Deterministische Workflows: Ihr Code definiert den Steuerungsfluss. Sie schreiben die Abfolge von Schritten – einschließlich Verzweigung, Parallelität und Fehlerbehandlung – mithilfe von Standardprogrammierungskonstrukten. Die LLM wird als Schritt innerhalb des Workflows aufgerufen, steuert jedoch nicht den gesamten Ablauf.
• Agentgesteuerte Workflows (Agentschleifen): Die LLM steuert den Steuerungsfluss. Der Agent entscheidet, welche Tools aufgerufen werden sollen, in welcher Reihenfolge und wann die Aufgabe abgeschlossen ist. Sie stellen Tools und Anweisungen bereit, aber der Agent bestimmt den Ausführungspfad zur Laufzeit.

Beide Kategorien profitieren von dauerhafter Ausführung und können in derselben Anwendung kombiniert werden. Ausführliche Informationen zu den unterstützten Mustern mit Codebeispielen finden Sie unter Agentic-Anwendungsmuster.

Vergleichen von agentischen Workflowoptionen für Azure

Es gibt mehrere Optionen zum Erstellen von agentischen Workflows auf Azure zusätzlich zum Tech-Stapel "Durable Task". Jede Option hat je nach Ihren Anforderungen für Steuerungsfluss, Programmierspracheunterstützung, KI-Framework-Integration, Hosting, Zustandsverwaltung und Zielgruppe unterschiedliche Stärken und Kompromisse. Die folgende Tabelle hilft Ihnen bei der Entscheidung, welche für Ihre Anforderungen geeignet ist.

Nächste Schritte

• Agentische Anwendungsmuster
• Durable Task-Erweiterung für Microsoft-Agenten-Framework (Vorschau)
• Übersicht über den dauerhaften Aufgabenplaner