คู่มือเริ่มต้นสร้าง AI Agent ด้วย Python สำหรับมือใหม่

เคยสงสัยไหมว่า ลำพังแค่โค้ดไม่กี่บรรทัด เราจะสร้างผู้ช่วยอัจฉริยะที่คิดเองทำเองได้ขนาดไหน? หลายคนมองว่า AI Agent เป็นเรื่องซับซ้อนเกินไป ต้องมีทีมนักวิจัย ต้องมีเซิร์ฟเวอร์ราคาแพง แต่จริงๆ แล้ว หากคุณมีพื้นฐาน Python แค่นิดหน่อย คุณก็เริ่มต้นสร้าง ai agent python ของตัวเองได้แล้ววันนี้ บทความนี้จะไม่พูดทฤษฎีเยอะจนเบื่อ แต่จะพาคุณลงมือเขียนโค้ดจริง ทำตามได้จริง และเข้าใจหลักการทำงานแบบง่ายๆ

AI Agent คืออะไร และทำไมถึงต้องรู้จัก?

ลองนึกภาพ Chatbot ทั่วไปที่ตอบคำถามแบบตายตัว เทียบกับผู้ช่วยส่วนตัวที่รับคำสั่ง วิเคราะห์สถานการณ์ แล้วเลือกใช้เครื่องมือที่เหมาะสมเพื่อทำงานนั้นให้สำเร็จ นั่นคือ AI Agent ครับ

AI Agent คือโปรแกรมที่มีความสามารถในการ "รับรู้" (Perception) "คิดวิเคราะห์" (Reasoning) และ "ลงมือทำ" (Action) โดยอาศัยโมเดลภาษา (LLM) เป็นสมอง และมีฟังก์ชันหรือเครื่องมือ (Tools) ต่างๆ เป็นมือไม้

ตัวอย่างเช่น คุณสั่งให้ Agent "หาข้อมูลสภาพอากาศวันนี้แล้วสรุปให้ฉันฟัง" Agent จะไม่ตอบด้วยข้อมูลเก่าๆ ในระบบ แต่มันจะเลือกเรียกใช้ฟังก์ชันดึงข้อมูลสภาพอากาศจาก API ภายนอก นำข้อมูลที่ได้มาวิเคราะห์ แล้วตอบกลับคุณเป็นภาษามนุษย์ที่เข้าใจง่าย นี่คือความแตกต่างระหว่างแค่ "คุยกับ AI" กับ "ให้ AI ทำงานแทนเรา"

เตรียมเครื่องมือให้พร้อมก่อนลงมือสร้าง

ก่อนจะเริ่มเขียนโค้ด เรามาเตรียมของกันก่อน สำหรับการสร้าง ai agent python ในบทความนี้ ของที่ต้องมีมีดังนี้

1. Python 3.8+: ติดตั้ง Python ในเครื่องให้พร้อม
2. OpenAI API Key: สมัครบัญชี OpenAI และสร้าง API Key เพื่อใช้เป็นสมองให้ Agent
3. ไลบรารีที่จำเป็น: ติดตั้งผ่าน pip ด้วยคำสั่งนี้

pip install openai python-dotenv

เตรียมไฟล์ .env สำหรับเก็บ API Key เพื่อความปลอดภัย

OPENAI_API_KEY=your_api_key_here

ขั้นตอนการเขียนโค้ดสร้าง Agent รับคำสั่งพื้นฐาน

เราจะสร้าง Agent ง่ายๆ ที่สามารถคำนวณเลขและตอบคำถามทั่วไปได้ โดยใช้ฟังก์ชัน Function Calling ของ OpenAI ซึ่งเป็นหัวใจสำคัญของการสร้าง Agent

1. สร้างไฟล์ agent.py และเรียกใช้งาน API

เริ่มจากการโหลด API Key และตั้งค่าพื้นฐาน

import os
import json
from openai import OpenAI
from dotenv import load_dotenv

load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

2. สร้างฟังก์ชันเครื่องมือ (Tools) ให้ Agent

เราจะสร้างฟังก์ชันคำนวณพื้นที่สี่เหลี่ยมง่ายๆ ให้ Agent เรียกใช้

def calculate_area(length: float, width: float) -> float:
    """คำนวณพื้นที่สี่เหลี่ยมจากความยาวและความกว้าง"""
    return length * width

# กำหนดฟังก์ชันในรูปแบบที่ OpenAI เข้าใจ
tools = [
    {
        "type": "function",
        "function": {
            "name": "calculate_area",
            "description": "คำนวณพื้นที่สี่เหลี่ยม",
            "parameters": {
                "type": "object",
                "properties": {
                    "length": {"type": "number", "description": "ความยาว"},
                    "width": {"type": "number", "description": "ความกว้าง"}
                },
                "required": ["length", "width"]
            }
        }
    }
]

3. เขียนลูปการทำงานของ Agent

Agent จะรับคำสั่ง ตัดสินใจว่าจะใช้ฟังก์ชันไหน แล้วตอบกลับ

def run_agent(user_input):
    messages = [{"role": "user", "content": user_input}]
    
    response = client.chat.completions.create(
        model="gpt-3.5-turbo",
        messages=messages,
        tools=tools,
        tool_choice="auto"
    )
    
    response_message = response.choices[0].message
    
    # ตรวจสอบว่า Agent ต้องการเรียกใช้ฟังก์ชันหรือไม่
    if response_message.tool_calls:
        for tool_call in response_message.tool_calls:
            if tool_call.function.name == "calculate_area":
                args = json.loads(tool_call.function.arguments)
                result = calculate_area(args["length"], args["width"])
                
                # ส่งผลลัพธ์กลับไปให้ Agent เพื่อสรุปคำตอบ
                messages.append(response_message)
                messages.append({
                    "tool_call_id": tool_call.id,
                    "role": "tool",
                    "name": "calculate_area",
                    "content": str(result)
                })
                
                final_response = client.chat.completions.create(
                    model="gpt-3.5-turbo",
                    messages=messages
                )
                return final_response.choices[0].message.content
    else:
        return response_message.content

# ทดสอบการทำงาน
print(run_agent("พื้นที่สี่เหลี่ยมที่มีความยาว 5 และกว้าง 3 คือเท่าไหร่?"))

ทดสอบระบบและวิธีแก้ปัญหาเบื้องต้น

เมื่อรันโค้ดแล้ว Agent ควรจะตอบกลับมาว่าพื้นที่คือ 15 หากเกิดปัญหา ลองตรวจสอบสิ่งต่อไปนี้

• API Key ไม่ถูกต้อง: ตรวจสอบไฟล์ .env ว่าใส่ Key ถูกต้องหรือไม่
• โมเดลไม่รองรับ Function Calling: ใช้ gpt-3.5-turbo หรือ gpt-4 ขึ้นไป
• JSON Error: ตรวจสอบว่า arguments ที่ส่งมามีรูปแบบถูกต้องตามที่ฟังก์ชันกำหนดไว้

ไอเดียต่อยอดเพื่อพัฒนาความสามารถของ Agent

เมื่อคุณเข้าใจพื้นฐานแล้ว ลองต่อยอดความสามารถให้ Agent ของคุณฉลาดขึ้นได้อีก

• เพิ่ม Tools ใหม่ๆ: ลองสร้างฟังก์ชันค้นหาข้อมูลจากเว็บ หรืออ่านไฟล์จากในเครื่อง
• ใช้ Framework ช่วย: ลองใช้ LangChain หรือ CrewAI เพื่อสร้าง Agent ที่ซับซ้อนขึ้น โดยไม่ต้องเขียนลูปเองทั้งหมด
• สร้าง Memory: เพิ่มความจำให้ Agent สามารถจำบทสนทนาก่อนหน้าได้

การสร้าง ai agent python ไม่ใช่เรื่องยากอย่างที่คิด ขอแค่เริ่มจากเล็กๆ แล้วค่อยๆ ต่อยอด คุณก็จะมีผู้ช่วยอัจฉริยะที่ทำงานแทนคุณได้แบบเอาจริงเอาจัง ลองเอาโค้ดนี้ไปรันดู แล้วอย่าลืมแชร์ผลลัพธ์ให้เพื่อนๆ ในชุมชนดูบ้างนะ หรือถ้ามีคำถามเพิ่มเติม คอมเมนต์ไว้ได้เลยครับ เดี๋ยวมาคุยกันต่อ!