本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 架構
<a name="frameworks"></a>

[上的代理式 AI 基礎 AWS](https://docs.aws.amazon.com/prescriptive-guidance/latest/agentic-ai-foundations/)會檢查啟用自動目標導向行為的核心模式和工作流程。實作這些模式的核心是架構的選擇。*框架*是預先編寫程式碼的軟體基礎，可提供結構化環境和常見功能，用於建置和管理建置生產就緒的自動 AI 代理器所需的工具和協同運作功能。

有效的代理式 AI 架構提供數種基本功能，可將原始大型語言模型 (LLM) 互動轉換為協調的智慧型系統，能夠推理、協作和採取行動：
+ **客服人員協調**協調跨單一或多個客服人員的資訊流程和決策，無需人工介入即可實現複雜的目標。
+ **工具整合**可讓客服人員與外部系統、APIs和資料來源互動，將功能延伸到語言處理之外。如需詳細資訊，請參閱 Strands Agents 文件中的[工具概觀](https://strandsagents.com/0.1.x/user-guide/concepts/tools/tools_overview/)。
+ **記憶體管理**提供持久性或工作階段型狀態，以維護互動之間的內容，對於長時間執行或適應性任務至關重要。更進階的架構整合了長期記憶體來儲存摘要和使用者偏好設定，從而實現個人化和上下文感知的客服人員體驗。如需詳細資訊，請參閱 LangChain 部落格上的[如何考慮客服人員架構](https://blog.langchain.com/how-to-think-about-agent-frameworks/)。
+ **工作流程定義**支援結構化模式，例如鏈、路由、平行化和反射迴圈，可實現複雜的自主推理。
+ **部署和監控**透過自動化系統的可觀測性，促進從開發到生產的轉換。如需詳細資訊，請參閱 [Amazon Bedrock AgentCore 一般可用性](https://aws.amazon.com/blogs/machine-learning/amazon-bedrock-agentcore-is-now-generally-available/)公告。

這些功能會在架構環境中以不同的方法和階段實作，每個功能都為不同的自動代理程式使用案例和組織內容提供不同的優勢。

本節將介紹並比較建置代理式 AI 解決方案的領導架構，並著重於其優勢、限制和自動化操作的理想使用案例：
+ [Strands 代理程式](strands-agents.md)
+ [LangChain 和 LangGraph](langchain-langgraph.md)
+ [CrewAI](crewai.md)
+ [AutoGen](autogen.md)
+ [LlamaIndex](llamaindex.md)
+ [比較代理式 AI 架構](comparing-agentic-ai-frameworks.md)

**注意**  
本節涵蓋專門支援 AI 代理程式的架構，且不涵蓋沒有 代理程式的前端界面或生成式 AI。