A orquestração de agentes é provavelmente a parte mais interessante desta primeira versão, pois suporta vários modelos de orquestração diferentes que fornecem suporte para diferentes tipos de fluxo de trabalho. A opção mais simples é a orquestração sequencial. Os agentes são chamados um de cada vez, aguardando a resposta do primeiro agente antes de usá-lo para criar o immediate para o próximo. Cenários mais complexos podem usar orquestração simultânea. Os dados da consulta inicial chamam vários agentes ao mesmo tempo, trabalhando em paralelo, passando para a próxima fase do fluxo de trabalho quando todos os agentes tiverem respondido. Muitos desses modelos de orquestração são extraídos diretamente de processos de fluxo de trabalho tradicionais, muito parecidos com aqueles usados por ferramentas como o BizTalk. Os restantes modelos de orquestração são novos e dependem do comportamento dos agentes baseados em LLM.
Orquestração em um mundo de modelos de linguagem
O primeiro novo modelo é a orquestração de chat em grupo. Os agentes de um processo podem se comunicar entre si, compartilhando resultados e atualizando com base nesses dados até convergirem para uma única resposta. A segunda, orquestração de transferência, é uma versão mais evoluída da orquestração sequencial, onde não apenas os dados passados entre os agentes são atualizados, mas também os prompts, respondendo às mudanças no contexto do fluxo de trabalho. Finalmente, há suporte para o que é chamado de fluxo de trabalho “magentico”. Isto implementa um agente gerenciador supervisor que coordena um subconjunto de agentes, orquestrando-os conforme necessário e trazendo humanos quando necessário. Esta última opção destina-se a problemas complexos, que podem não ter sido considerados para automação de processos usando técnicas existentes não relacionadas à IA.
Essas abordagens são bastante diferentes de como construímos fluxos de trabalho no passado e é importante experimentá-las antes de implantá-las. Você precisará ter cuidado com os prompts básicos, garantindo que as operações terminem e que, se uma resposta ou consenso não for encontrado, seus agentes gerarão uma mensagem de erro adequada, em vez de simplesmente gerarem uma saída plausível.