Microsoft Agent Framework (MAF) යනු LLM‑වලින් පදනම් වූ ව්යාපාරික සහ සංවර්ධන‑ආකාරක යෙදුම් නිර්මාණය සඳහා Microsoft විසින් සපයන ප්රමුඛ AI පද්ධතියකි. නමුත් එවැනි පද්ධතිවල පරීක්ෂණය කරන්නේ කොහොමද? මේ ලිපියෙහි මූලික අරමුණ වන්නේ ඒකාබද්ධ පරීක්ෂණ මාර්ගෝපදේශයක් සැපයීමයි.
පෙර ලිපියෙහි අපි ඒජන්ට් එකේ “observability” ගැන කතා කළා. එය යනු එක් ධාවනයක් මොඩලය, මෙවලම්, අනුමැතිය සහ වර්ක්ෆ්ලෝ ඉවෙන්ට් එකක් ලෙස පෙන්වීමයි. පරීක්ෂණයද ඒකම තලයෙන් ආරම්භ වේ: ඒජන්ට් ධාවනය එකම පිළිතුරක් නොව, පරිශීලක ඉන්පුට් → ප්රෝම්ප්ට් + කන්ටෙක්ස්ට් → මොඩල ඉල්ලීම → මොඩල පිළිතුර → මෙවලම් තේරීම → මෙවලම් පරාමිතීන් → මෙවලම් ක්රියාත්මක කිරීම → සංයුක්ත ප්රතිඵල/අවසන් පිළිතුර → රවුටින්/වර්ක්ෆ්ලෝ තත්ත්වය ලෙස බහු‑බාධක ප්රවාහයක් වේ.
සජීවී මොඩලයක් සමඟ පරීක්ෂණය කිරීමේ අඩුපාඩු මොනවාද? එය අධික වියදම, මන්දගාමී වේගය, අස්ථිරතාව සහ දෝෂ හඳුනාගැනීමේ අපහසුතාවය. එබැවින් පළමුව පරීක්ෂණ පිරමිඩ් එකක් ගොඩනඟා, පහත පට්ටම් තුනක් සමඟ පරීක්ෂණය කරමු:
- නියමිත (deterministic) කොටස් පරීක්ෂණ: Fake model client, මෙවලම් සමාගම්, රවුටින් සැකසීම.
- ආන්තරික (integration) පරීක්ෂණ: ඒජන්ට් + මෙවලම් + සංග්රහ + වර්ක්ෆ්ලෝ, නියමිත client එකක් (IChatClient) භාවිතා කරමින්.
- අගයන‑ශෛලිය (evaluation) පරීක්ෂණ: නියමිත නොවන ප්රතිඵල, උදාහරණයක් ලෙස පිළිතුරේ ගුණාත්මකභාවය, රවුටින් සුදුසුකම, සාරාංශයේ නිවැරදි බව.
මෙම පිරිමැසුම් තුළ IChatClient යනු මූලික පරීක්ෂණ “seam” එකයි. Microsoft.Extensions.AI අතුරුමුහුණත භාවිතා කර, නිෂ්පාදනයේ සජීවී provider එකක් (Azure OpenAI, OpenAI වැනි) සහ පරීක්ෂණයේ scripted client එකක් අතර සරලව මාරු කළ හැකිය. Fake client එකට බුද්ධිය සංකලනය කළ යුතු නැත; එය පරීක්ෂණ අවශ්යතා පරිදි පිළිතුරු ලබා දී, එම ඉල්ලීම් ලොග් කරයි. Moq හෝ NSubstitute මත mock කිරීමේ වඩා, මේ ආකාරයේ fake client එක වැඩි සත්යතාවයක් ලබා දේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තරුණ සංවර්ධකයින්, AI‑අධ්යයන ශිෂ්යයින් සහ තාක්ෂණික ව්යාපාර සඳහා මේ පරීක්ෂණ ක්රමවේදය විශාල වාසියක් ගෙන දේ. පළමු පට්ටමෙන් පසු, සජීවී LLM‑වලට සම්බන්ධ නොවී, පරිගණක කේතයේ වැරදි හෝ තරකාරක තත්ත්වයන් පරීක්ෂා කළ හැකිය. දෙවන පට්ටමෙන්, නිවැරදි API, schema හා රවුටින් සැකසීම් සත්ය වාතාවරණයට සමීපව පරීක්ෂා කර, ඉදිරි සංවර්ධන කාලය කෙටි කරයි. අන්තිම පට්ටමෙන්, මොඩලය‑නැතිව සිදු කළ අගයන පරීක්ෂණයන් මඟින් පාරිභෝගික‑මූලික AI සොෆ්ට්වෙයාර් නිර්මාණය සඳහා ගුණාත්මක මට්ටම තහවුරු කරයි. මෙය ශ්රී ලංකාවේ තාක්ෂණික ආයතනවලට ලාභදායී, වේගවත්, ආරක්ෂිත AI‑ආශ්රිත සේවා නිර්මාණය කිරීමේ පදනමක් වේ.
එමනිසා, Microsoft Agent Framework පරීක්ෂණය සාර්ථකව කරගැනීමෙන්, අපේ දේශීය සංවර්ධකයින්ට ගෝලීය AI තරඟවලට සූදානම් වීමට අවශ්ය පදනම ලැබේ. පරීක්ෂණය නිවැරදිව කළහොත්, නිෂ්පාදන‑අවධි AI යෙදුම් අඩු වැරදි, ඉක්මන් වෙළෙඳපොළ ඇතුළත් කිරීම සහ පාරිභෝගික‑සතුට වැඩි කිරීමේ හැකියාව ලැබේ.
අවසන් වශයෙන්, Microsoft Agent Framework සඳහා නියමිත පරීක්ෂණ සැලැස්මක් ගොඩනඟා, නිශ්චිත, ආන්තරික හා අගයන‑ශෛලිය පරීක්ෂණයන් සමඟ වැඩ කිරීම, ශ්රී ලංකාවේ AI‑අදාල ව්යාපාරික අවස්ථා වර්ධනයට නව මාර්ගයක් ගෙන එයි.
