# Akt 2: Sätt ihop ditt podcastproduktionsteam 🎬

![lab2](../../../../translated_images/sv/lab2.48444b9d549e7863.webp)

## Handlingen Tjocknar

Alex (din AI-assistent från Akt 1) är fantastisk, men en agent kan inte driva en hel podcaststudio på egen hand. Du behöver ett *team*:
- 🔍 **Forskningsagent**: Genomsöker internet efter färsk info
- ✍️ **Scriptagent**: Omvandlar forskning till engagerande dialog
- 👤 **Du (Redaktören)**: Godkänner manus eller skickar tillbaka dem för omskrivning

Välkommen till **AI Agent Orchestrering** — där du blir regissören för din egen AI-crew. Tänk Avengers, men för podcastproduktion.

## Vad är Agent Orchestrering? (Den Enkla Versionen)

Föreställ dig att du driver en restaurang. Du gör inte allt själv, eller hur? Du har:
- 🍳 En kock som lagar mat
- 👨‍🍳 En souschef som förbereder
- 👩‍🍳 En servitör som levererar

Agent orchestrering är samma idé, men med AI. Varje agent har en specialitet, och du koordinerar dem för att nå större mål. Ingen enskild agent blir överväldigad och arbetet görs snabbare.

### Bandanalogin 🎸

Dina AI-agenter är som ett band:
- **Sångare**: Huvudagenten som hanterar kundkontakt
- **Trummis**: Håller takten, sköter bakgrundsprocesser  
- **Basist**: Stöder alla, hämtar data
- **Du (Bandchef)**: Koordinerar allt!

Utan samordning? Bara oljud. Med orchestrering? Vacker musik.

### Varför Detta Är Viktigt

En AI-agent som försöker göra allt = utbrändhet. Specialiserade agenter som arbetar tillsammans = effektivitet frigjord! 🚀

**Ärlig Sanning**: Minns du hur det var att försöka forska, skriva OCH redigera din podcast ensam? Ja, det suger. Med orchestrering hanterar varje agent det den är bäst på. Du fattar bara de slutgiltiga besluten.

**Exempel från verkligheten**: Kundsupportbotar som vet när de ska hantera fakturering vs. tekniska problem vs. när de ska koppla in en människa. Det är orchestrering!

## Agent vs. Arbetsflöde: Vad är skillnaden?

Tänk på det så här:

### 🤖 AI-agent = Jazzmusiker
- **Tar beslut i farten** baserat på vad den hör
- **Improviserar** lösningar med sina verktyg
- **Tänker** med en LLM-hjärna
- **Anpassar sig** till vad du än kastar på den

### 🎵 Arbetsflöde = Orkester som spelar klassisk musik  
- **Följer ett partitur** (fördefinierade steg)
- **Förutsägbar** exekveringsväg
- **Koordinerar** flera agenter, människor, system
- **Strukturerat** som ett recept

**Magin**: Arbetsflöden *orkestrerar* agenter! Du bygger ett arbetsflöde som talar om för agenterna när de ska spela sin roll. Det bästa av två världar. 🎭

## Tre Sätt att Koordinera Din AI-Crew

### 1. 🎯 Centraliserat (Du är Bossen)

En huvudagent tar alla beslut. Tänk det som att du leder ett team — du bestämmer vem som gör vad och när.

**Fördelar**:
- ✅ Tydligt ledarskap (ingen förvirring)
- ✅ Konsekventa beslut
- ✅ Lätt att felsöka

**Använd till**:
- Kundservice-routing ("Är detta fakturering eller teknisk support?")
- Arbetsflöden för innehållsgodkännande ("Går manuset igenom?")
- Podcastproduktion (precis det vi bygger!)

### 2. 🤝 Decentraliserat (Agenter Självorganiserar)

Agenter pratar direkt med varandra och löser saker som en grupp. Som en gruppchatt där alla samordnar sig.

**Fördelar**:
- ✅ Lätt att skala (lägg till fler agenter när som helst)
- ✅ Ingen enskild felpunkt
- ✅ Agenter samarbetar naturligt

**Använd till**:
- Forskningsteam (varje agent utforskar olika källor)
- Idéstormar
- Distribuerad problemlösning

### 3. 🔀 Hybrid (Det Bästa av Två Världar)

Du sätter den övergripande riktningen, men agenterna får frihet att självorganisera sig i uppgifter. Som en VD som litar på sitt team.

**Perfekt för**: Komplexa projekt som behöver både kontroll och flexibilitet.

## Microsoft Agent Framework: Ditt Orkestreringsverktyg 🧰

Dags att bygga! Här är vad du kommer använda:

### Byggstenarna

#### 1. 🧱 Utförare (Dina Arbetare)
- **Vad det är**: Individuella processningsenheter — kan vara agenter eller egen logik
- **Vad de gör**: Tar input, utför arbete, producerar output
- **Tänk på dem som**: Stationer i en monteringslinje

#### 2. ➡️ Kanter (Kopplingarna)
- **Vad det är**: Vägar mellan utförare
- **Vad de gör**: Kontrollerar meddelandeflödet ("Efter A, gå till B")
- **Tänk på dem som**: Pilar i ett flödesschema

#### 3. 🗺️ Arbetsflöden (Huvudplanen)
- **Vad det är**: Den kompletta grafen av utförare + kanter
- **Vad de gör**: Definierar hela processen från start till slut
- **Tänk på dem som**: Din produktionspipeline-ritning

### Coola Funktioner Du Kommer Älska

**🛡️ Typsäkerhet**: Meddelanden mellan agenter är typkontrollerade. Inga "Hoppsan, fel datatyp"-överraskningar.

**🔀 Flexibel Routing**: 
- If-then-villkor ("Om godkänd, publicera; annars omskriv")
- Parallell bearbetning (flera agenter jobbar samtidigt)
- Dynamiska vägar (arbetsflödet anpassar sig baserat på resultat)

**🔌 Extern Integration**:
- Anslut till API:er
- Lägg till checkpoints med mänsklig inblandning (du godkänner innan publicering)
- Bygg request/response-flöden

**💾 Checkpointing**: Spara progress! Om något kraschar kan du fortsätta där du slutade.

**🤝 Multi-Agent Koordination**:
- Kör agenter i sekvens (A → B → C)
- Kör dem parallellt (A + B + C samtidigt)
- Överlämning mellan agenter
- Samarbetsbearbetning

## Bästa Praxis (Proffs-Tips) 🎯

### 1. Håll Det Modulärt
Varje agent ska göra ETT sak riktigt bra. Skapa inte en "superagent" som gör allt — du kommer ångra dig när du felsöker.

### 2. Planera för Fel
Agenter gör misstag. Nätverk kraschar. Bygg in felhantering och backup-planer. Ditt framtida jag kommer tacka dig.

### 3. Övervaka Allt
Spåra vad dina agenter gör. Använd DevUI (det kommer vi gå igenom!) för att se arbetsflöden i aktion.

### 4. Optimera Meddelandestorlek
Skicka inte gigantiska filer mellan agenter. Håll meddelanden lätta och snabba.

### 5. Välj Rätt Mönster
Behöver du kontroll? Kör centraliserat. Behöver du skala? Kör decentraliserat. Kan du inte bestämma dig? Välj hybrid!

## DevUI: Din Arbetsflödes-Felsökare 🔍

### Vad är DevUI?

DevUI är som en lekplats för att testa dina agenter och arbetsflöden. Det är ett webbgränssnitt där du kan:
- 👀 Titta på ditt arbetsflöde i aktion
- 💬 Chatta direkt med agenter
- 🔍 Debugga när något går fel
- 📊 Se spår och prestandamått

> **Viktigt**: DevUI är endast för utveckling! Använd det inte i produktion. Tänk på det som din lokala testmiljö.

### Vad som Gör Det Fantastiskt

- **🖥️ Interaktiv Webb-UI**: Klicka, skriv, testa — inget kommandofönster krävs
- **📁 Dra-och-släpp-klar**: Ladda upp filer, testa med olika input
- **📂 Automatisk Upptäckt**: Peka på en mapp, den hittar alla dina agenter automatiskt
- **📋 Inget-Setup-läge**: Registrera agenter i kod, ingen mappstruktur behövs
- **🔌 OpenAI-kompatibel**: Fungerar med OpenAI SDK (kompatibilitet FTW!)
- **👁️ Inbyggd Spårning**: Se exakt vad dina agenter gör

### Hur Input Fungerar

DevUI är smart med input:

- **Testar du agenter?** Då får du textfält och filuppladdningsknappar
- **Testar du arbetsflöden?** UI genererar automatiskt inputfält baserat på vad ditt arbetsflöde förväntar sig

Det är som magi, men det är bara bra kod. ✨

## Dina Uppdrag: Bygg en Podcaststudio 🎬

### Uppdrag 1: Skapa en Enskild Agent med DevUI

📂 [01.AgentDevUI](../../../../WorkshopForAgentic/code/02.Workflow/01.AgentDevUI)

**Utmaningen**: Innan du bygger ett helt team, testa DevUI med en agent: en webbsökningsspecialist.

**Vad Du Bygger**:
En forskningsagent som kan söka på internet efter poddämnen. Du testar den via DevUI:s webbgränssnitt på `http://localhost:8090`.

**Färdigheter Du Lär Dig**:
- 🚀 Starta agenter i DevUI
- 🔍 Testa agenters svar i realtid
- 🛠️ Bygga egna verktyg (webbsökning)
- 📊 Aktivera spårning för att debugga
- 🖥️ Använda det interaktiva webbgränssnittet

**Koden**:
- `agent.py`: Din SearchAgent med webbsök-superkrafter
- Använder OllamaChatClient för att koppla till Qwen
- Implementerar verktyget `web_search()`
- Startar med `serve()` — öppnar DevUI automatiskt

**Segervillkor**: Fråga din agent "Vad är trendigt inom AI?" och se den söka på webben! 🎉

### Uppdrag 2: Bygg ett Multi-Agent Arbetsflöde

📂 [02.WorkflowDevUI](../../../../WorkshopForAgentic/code/02.Workflow/02.WorkflowDevUI)

**Utmaningen**: Nu börjar det riktiga roliga! Bygg ett komplett podcastproduktionsarbetsflöde med:
1. 🔍 **Sökagent** → Forskar på ditt ämne
2. ✍️ **Scriptagent** → Skriver dialog mellan två värdar (på kinesiska!)
3. 👤 **Granskningsexekutor** → Frågar DIG om godkännande eller avslag
4. 🔄 **Loopar tillbaka** → Om avvisad, skriver om baserat på din feedback

**Färdigheter Du Lär Dig**:
- 🧱 Skapa specialiserade agenter för olika jobb
- 🔗 Koppla ihop agenter med WorkflowBuilder
- 🔀 Implementera godkännandeloppar (människa i loopen!)
- 🚦 Villkorad routing (om godkänd vs. avvisad)
- 🔧 Bygga egna exekutor för affärslogik

**Arbetsflödet**:
```
SearchAgent → ScriptAgent → ReviewExecutor
                             ↑          ↓ (if rejected)
                             ←─────────
```

**Koden**:
- `search_agent/agent.py`: Din forskningsspecialist
- `generate_script_agent/agent.py`: Din manusförfattare (skriver på kinesiska!)
- `workflow/workflow.py`: Orkestreringsmagin sker här
- `main.py`: Startar allt i DevUI

**Segervillkor**: Ge ett ämne, granska scriptet, avvisa en gång för att testa loopen, och sedan godkänn! 🎉

### Uppdrag 3: Bygg en Konsolapp

📂 [03.Application](../../../../WorkshopForAgentic/code/02.Workflow/03.Application)

**Utmaningen**: Ta ditt arbetsflöde från DevUI och gör en snygg terminalapp med färgad output, laddningsindikatorer och filsparande. Detta är produktionsklart!

**Färdigheter Du Lär Dig**:
- ⚡ Köra arbetsflöden programmässigt (utan DevUI)
- 📡 Händelsestyrd arkitektur med streaming
- 🎨 Skapa vackra terminalgränssnitt (färger, spinners, progress bars)
- 💾 Spara slutgiltiga manus till filer
- 🔄 Hantera asynkrona arbetsflöden med Pythons asyncio

**Vad Den Gör**:
1. Frågar dig om ett podcastämne
2. Visar realtidsprogress ("Search Agent arbetar...")
3. Visar genererat manus med färger
4. Frågar om ditt godkännande
5. Sparar godkänt manus till `podcast.txt`

**Koden**:
- `podcast_app.py`: Din huvudapp med eventhantering
- `workflow.py`: Återanvänder arbetsflödet från Uppdrag 2
- Hanterar event: `AgentRunUpdateEvent`, `RequestInfoEvent`, `WorkflowOutputEvent`
- Använder ANSI-färger för terminalstil

**Segervillkor**: Kör appen, skapa ett podcast-manus och se det sparas! Du har byggt ett riktigt verktyg. 🚀

## Vad Du Har Behärskat 🏆

Efter Akt 2 kan du:

- ✅ Orkestrera flera AI-agenter som en boss
- ✅ Bygga arbetsflöden med sekventiell OCH villkorad logik
- ✅ Lägga till checkpoints för mänskligt godkännande
- ✅ Använda DevUI för att testa och debugga arbetsflöden
- ✅ Skapa produktionsklara konsolapplikationer
- ✅ Hantera fel på ett snyggt sätt i komplexa system
- ✅ Välja rätt orkestreringsmönster för varje projekt

## När Saker Går Sönder 🔧

### "Mitt arbetsflöde är för komplicerat!"
**Lösningen**: Dela upp det i mindre underarbetsflöden. Varje arbetsflöde ska göra EN sak riktigt bra. Knyt ihop dem vid behov.

### "Jag kan inte följa vad som händer!"
**Lösningen**: Använd checkpointing för att spara state. Aktivera spårning i DevUI för att se varje steg.

### "Ett agents fel kraschar allt!"
**Lösningen**: Lägg till felgränser. Varje agent ska hantera egna fel och ha fallback-beteende.

### "Det här går sååå långsamt"
**Lösningen**: Kan några agenter köras parallellt? Sekventiella arbetsflöden är enkla men långsamma. Leta efter möjligheter till parallellisering!

## Hjälpsamma Resurser 🔗

- [Workflow Docs](https://learn.microsoft.com/en-us/agent-framework/user-guide/workflows/overview) — Officiella Microsoft-guider
- [Orchestration Patterns](https://www.ibm.com/think/topics/ai-agent-orchestration) — IBMs syn på det
- [Agent Framework GitHub](https://github.com/microsoft/agent-framework) — Bläddra i källkoden
- [Code Examples](https://github.com/microsoft/agent-framework/tree/main/python/samples) — Sno mönster härifrån

---

**Redo för finalen?** Du har ditt manus. Nu låt oss förvandla det till riktig ljud! → [Act 3: Bring Your Podcast to Life](03.Multi-SpeakerPodcastGenerationWithVibeVoice.md) 🎤

---

**Fastnade? Förvirrad? Exalterad?** Dela i workshop-chatten! Vi lär oss alla tillsammans. 🚀

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Ansvarsfriskrivning**:
Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, var vänlig observera att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess modersmål bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår vid användning av denna översättning.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->