Agregar Instrucciones al Agente

En el capítulo anterior, creaste tu primer agente básico e iniciaste una conversación con él.
Ahora, daremos un paso más al aprender sobre prompts del sistema y por qué son esenciales para dar forma al comportamiento de tu agente.

¿Qué es un Prompt del Sistema?

Un prompt del sistema es un conjunto de instrucciones que proporcionas al modelo al crear un agente.
Piensa en él como la personalidad y el libro de reglas para tu agente: define cómo debe responder el agente, qué tono debe usar y qué limitaciones debe seguir.

Sin un prompt del sistema, tu agente puede responder de manera genérica. Al agregar instrucciones claras, puedes adaptarlo a tus necesidades.

Los prompts del sistema:

• Aseguran que el agente se mantenga consistente a través de las conversaciones
• Ayudan a guiar el tono y rol del agente
• Reducen el riesgo de que el agente dé respuestas irrelevantes o fuera de tema
• Te permiten codificar reglas que el agente debe seguir

Agregar Instrucciones a Tu Agente

Al crear un agente, puedes pasar el parámetro instructions en el PromptAgentDefinition.
Aquí hay un ejemplo:

agent = project_client.agents.create_version(
    agent_name="hello-world-agent",
    definition=PromptAgentDefinition(
        model=os.environ["MODEL_DEPLOYMENT_NAME"],
        instructions="Eres un asistente de soporte útil para Microsoft Foundry. Siempre proporciona respuestas concisas, paso a paso.",
    ),
)
print(f"Agente creado (id: {agent.id}, nombre: {agent.name}, versión: {agent.version})")

Usar un Archivo de Instrucciones Externo

En lugar de codificar las instrucciones en tu script de Python, a menudo es mejor almacenarlas en un archivo de texto separado.

Primero, crea un archivo llamado instrucciones.txt en la carpeta workshop con el contenido apropiado para tu PizzaBot.

Modificar el Código del Agente

Ahora, actualiza tu agent.py para cargar estas instrucciones:

agent = project_client.agents.create_version(
    agent_name="hello-world-agent",
    definition=PromptAgentDefinition(
        model=os.environ["MODEL_DEPLOYMENT_NAME"],
        instructions=open("instrucciones.txt").read(),
    ),
)
print(f"Agente creado (id: {agent.id}, nombre: {agent.name}, versión: {agent.version})")

Ejecutar el Agente

Prueba el Agente:

python agent.py

Resumen

En este capítulo, has:

• Aprendido qué es un prompt del sistema
• Comprendido por qué agregar instrucciones es importante
• Creado un agente con un prompt del sistema personalizado
• Usado un archivo de instrucciones externo

Muestra de código final

import os
from dotenv import load_dotenv
from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import PromptAgentDefinition

load_dotenv()

## Configurar el Cliente del Proyecto
project_client = AIProjectClient(
    endpoint=os.environ["PROJECT_ENDPOINT"],
    credential=DefaultAzureCredential(),
)
openai_client = project_client.get_openai_client()


## Crear un Agente Foundry
agent = project_client.agents.create_version(
    agent_name="hello-world-agent",
    definition=PromptAgentDefinition(
        model=os.environ["MODEL_DEPLOYMENT_NAME"],
        instructions=open("instrucciones.txt").read(),
    ),
)
print(f"Agente creado (id: {agent.id}, nombre: {agent.name}, versión: {agent.version})")


## Crear una conversación para la interacción con el agente
conversation = openai_client.conversations.create()
print(f"Conversación creada (id: {conversation.id})")

## Chatear con el agente

while True:
    # Obtener la entrada del usuario
    user_input = input("Tú: ")

    if user_input.lower() in ["salir", "terminar"]:
        print("Saliendo del chat.")
        break

    # Obtener la respuesta del agente
    response = openai_client.responses.create(
        conversation=conversation.id,
        input=user_input,
        extra_body={"agent": {"name": agent.name, "type": "agent_reference"}},
    )

    # Imprimir la respuesta del agente
    print(f"Asistente: {response.output_text}")

Traducido usando GitHub Copilot.