IMMA (Interactive Multi-Modal Memory Agent) ist ein modularer Rahmen, der darauf ausgelegt ist, Konversations-KI mit persistentem Speicher zu verbessern. Es codiert Text, Bilder und andere Daten vergangener Interaktionen in einen effizienten Speicher, führt semantischen Abruf durch, um relevanten Kontext in neuen Dialogen bereitzustellen, und nutzt Zusammenfassungs- sowie Filtertechniken, um Kohärenz zu wahren. Die APIs von IMMA erlauben es Entwicklern, benutzerdefinierte Speicherinsertionen und -abrufe zu definieren, multimodale Einbettungen zu integrieren und den Agenten für domänenspezifische Aufgaben feinzujustieren. Durch das Management des langfristigen Nutzerkontexts unterstützt IMMA Anwendungsfälle, die Kontinuität, Personalisierung und mehrstufiges reasoning über längere Sitzungen erfordern.

Das Azure AI Travel Agents-Beispiel ist eine End-to-End-Referenzimplementierung eines konversationellen Agenten, der Nutzern bei der Reiseplanung hilft, indem er personalisierte Reiserouten generiert, Flug- und Hotelauswahl bereitstellt und reisebezogene Fragen beantwortet. Es basiert auf dem Azure AI Agent Framework, integriert OpenAI’s GPT-Modelle für natürliches Sprachverständnis und -erzeugung, nutzt Azure Functions für Fähigkeiten wie Wetterabfragen und verbindet sich mit externen APIs für Echtzeit-Buchungsinformationen. Entwickler können das Beispiel lokal ausführen oder auf Azure bereitstellen, bestehende Fähigkeiten erweitern oder neue hinzufügen, z.B. Währungsumrechnung, lokale Attraktionsempfehlungen oder Reisehinweise. Dieses Beispiel zeigt, wie mehrere KI-gestützte Fähigkeiten orchestriert werden können und den Kontext über Gespräche hinweg verwalten, um eine robuste, skalierbare Reiseassistenzlösung zu ermöglichen.