Multi-Agent Systems

Descrizione del corso

• Il Pattern Supervisor
• Un Agente Orchestratore che delega a sotto-agenti specializzati
• Pattern Peer-to-peer, Agenti che comunicano tramite message passing
• Implementare un Team di agenti con LangGraph
• Researcher
• Writer
• Critic
• Planner
• AutoGen ( Microsoft ), ConversableAgent, GroupChat e UserProxyAgent per collaborazione
• Shared Memory e stato condiviso tra Agenti multipli con Redis Pub/Sub
• Risoluzione dei conflitti
• Come gestire Output contraddittori tra Agenti
• Agenti specializzati per dominio
• Coding Agent
• Research Agent
• Data Analysis Agent
• Valutazione di un Sistema Multi-Agent
• Metriche
• Benchmark
• LLM-as-judge
• Esercizio 62.01 – Costruire un grafo LangGraph con un nodo Supervisor che riceve il task iniziale e decide quale sotto-agente attivare
• Esercizio 62.02 – Implementare quattro sotto-agenti specializzati ognuno con il proprio system prompt, tool set e logica interna
• Esercizio 62.03 – Il Supervisor legge l’output di ogni sotto-agente e decide se passare al successivo, rimandare indietro per una revisione o terminare con la risposta finale
• Esercizio 62.04 – Aggiungere allo state condiviso un campo task_history che traccia ogni decisione del Supervisor con motivazione, sotto-agente attivato e output ricevuto
• Esercizio 62.05 – Testare il sistema con tre task, una domanda semplice che richiede solo il Researcher, un articolo breve che richiede tutti e quattro gli agenti e un report
• Esercizio 62.06 – Visualizzare il flusso completo in LangGraph Studio e analizzare quante iterazioni ha richiesto ogni task