Microsoft ha introdotto un nuovo sistema di intelligenza artificiale (AI) multi-agente chiamato Magnetic-One, progettato per completare compiti complessi utilizzando più agenti specializzati. Disponibile come strumento open source su Microsoft AutoGen, questo sistema mira ad assistere sviluppatori e ricercatori nella creazione di applicazioni in grado di gestire autonomamente attività in più fasi in vari domini.
Cos’è Magnetic-One?
Magnetic-One è un sistema multi-agente generalista che utilizza un orchestratore per coordinare diversi agenti, ciascuno specializzato in un compito particolare. L’agente principale, chiamato Orchestrator, lavora insieme a quattro agenti specializzati:
- Agente WebSurfer: gestisce la navigazione Web, i clic e il riepilogo dei contenuti Web.
- Agente FileSurfer: Gestisce file, directory e cartelle locali.
- Agente codificatore: Scrive ed esegue codice, analizza informazioni e crea nuovi progetti.
- Agente ComputerTerminal: Fornisce una console per l’esecuzione del programma da parte del Coder Agent.
Questi agenti lavorano insieme per risolvere compiti a tempo indeterminato, rendendo Magnetic-One adatto ad applicazioni come ingegneria del software, analisi dei dati e ricerca scientifica. Microsoft descrive Magnetic-One come “un’alternativa flessibile e scalabile ai sistemi ad agente singolo” grazie al suo design modulare, che consente di aggiungere o rimuovere agenti senza influenzare la struttura centrale del sistema.
Caratteristiche principali
Magnetic-One si distingue per la sua capacità di attivare più agenti utilizzando un unico modello linguistico. Il sistema può eseguire varie attività, dalla navigazione nei browser Web all’esecuzione del codice Python. Questa funzionalità significa che può gestire scenari del mondo reale come la prenotazione di biglietti, l’acquisto di prodotti o la modifica di documenti su un dispositivo locale.
L’architettura modulare multi-agente garantisce che ciascun agente abbia una responsabilità distinta, con il risultato di una maggiore efficienza per attività complesse in più fasi. Questo approccio consente a Magnetic-One di dividere un problema in sottoattività, migliorando sia la precisione che la velocità di completamento dell’attività. Ad esempio, se al sistema viene chiesto di prenotare un biglietto del cinema, ciascun agente gestirà una parte diversa dell’attività, come l’elaborazione delle informazioni visive, la navigazione nel sito Web e il completamento della transazione.
Il framework AutoGen di Microsoft alimenta Magnetic-One, supportando l’integrazione con vari modelli linguistici grandi e piccoli per soddisfare diversi requisiti di costi e prestazioni. Attualmente, il sistema è testato con modelli come GPT-4o e o1-preview di OpenAI, sebbene rimanga indipendente dal modello, consentendo flessibilità futura.
Per valutare l’efficacia di Magnetic-One, Microsoft ha anche rilasciato AutoGenBench, uno strumento che valuta le prestazioni degli agenti su diversi benchmark come GAIA, AssistantBench e WebArena. Questi benchmark si concentrano su attività come la pianificazione in più fasi e l’utilizzo degli strumenti. I test iniziali di Microsoft dell’ottobre 2024 indicano che Magnetic-One fornisce risultati competitivi rispetto ai metodi all’avanguardia.
Video:Microsoft
Il trend in crescita: i sistemi multi-agente
Magnetic-One fa parte di una tendenza crescente verso i sistemi di intelligenza artificiale multi-agente. OpenAI ha introdotto Swarmun altro framework finalizzato alla creazione e all’implementazione di sistemi multi-agente. Allo stesso modo, IBM ha lanciato il Quadro dell’agente delle apiun toolkit open source che supporta la distribuzione di flussi di lavoro basati su agenti, compatibile con modelli come Granito IBM E Lama 3.2. Questi sistemi, proprio come Magnetic-One, mirano a offrire soluzioni scalabili a compiti complessi di risoluzione dei problemi.
Secondo Microsoft, “il design plug-and-play di Magnetic-One supporta un facile adattamento ed estensibilità consentendo l’aggiunta o la rimozione di agenti senza alterare altri agenti o l’architettura complessiva”. Questa flessibilità è particolarmente importante per l’evoluzione delle esigenze aziendali e delle nuove applicazioni, rendendo Magnetic-One uno strumento promettente per ricercatori e sviluppatori che cercano di creare sistemi di intelligenza artificiale più adattivi.
Credito immagine in primo piano: Kerem Gülen/Ideogramma
