Microsoft ma wprowadzony nowy wieloagentowy system sztucznej inteligencji (AI) o nazwie Magnetic-One, przeznaczony do realizacji złożonych zadań przy użyciu wielu wyspecjalizowanych agentów. Dostępny jako narzędzie typu open source w Microsoft AutoGen, system ten ma na celu pomóc programistom i badaczom w tworzeniu aplikacji, które mogą autonomicznie zarządzać wieloetapowymi zadaniami w różnych domenach.
Co to jest Magnetic-One?
Magnetic-One to uniwersalny system wieloagentowy, który wykorzystuje orkiestratora do koordynowania różnych agentów, z których każdy specjalizuje się w określonym zadaniu. Główny agent, zwany Orkiestratorem, współpracuje z czterema wyspecjalizowanymi agentami:
- Agent WebSurfera: obsługuje przeglądanie stron internetowych, kliknięcia i podsumowywanie treści internetowych.
- Agent FileSurfer: zarządza lokalnymi plikami, katalogami i folderami.
- Agent kodera: Pisze i wykonuje kod, analizuje informacje i tworzy nowe projekty.
- Agent terminala komputerowego: Zapewnia konsolę do wykonywania programu przez Agenta kodera.
Agenci te współpracują ze sobą, aby rozwiązywać otwarte zadania, dzięki czemu Magnetic-One nadaje się do zastosowań takich jak inżynieria oprogramowania, analiza danych i badania naukowe. Microsoft opisuje Magnetic-One jako „elastyczną i skalowalną alternatywę dla systemów z jednym agentem” ze względu na jego modułową konstrukcję, która umożliwia dodawanie lub usuwanie agentów bez wpływu na podstawową strukturę systemu.
Kluczowe funkcje
Magnetic-One wyróżnia się możliwością aktywacji wielu agentów przy użyciu jednego modelu językowego. System może wykonywać różne zadania, od nawigacji w przeglądarkach internetowych po wykonywanie kodu w języku Python. Ta funkcjonalność oznacza, że może obsługiwać scenariusze ze świata rzeczywistego, takie jak rezerwacja biletów, zakup produktów lub edytowanie dokumentów na urządzeniu lokalnym.
Modułowa architektura wieloagentowa zapewnia, że każdy agent ma odrębną odpowiedzialność, co skutkuje wyższą wydajnością w przypadku złożonych, wieloetapowych zadań. Takie podejście umożliwia Magnetic-One podzielenie problemu na podzadania, poprawiając zarówno dokładność, jak i szybkość realizacji zadania. Na przykład, jeśli system zostanie poproszony o rezerwację biletu do kina, każdy agent zajmie się inną częścią zadania, taką jak przetwarzanie informacji wizualnych, poruszanie się po witrynie i finalizacja transakcji.
Platforma Microsoft AutoGen obsługuje Magnetic-One i obsługuje integrację z różnymi dużymi i małymi modelami językowymi, aby spełnić różne wymagania dotyczące kosztów i wydajności. Obecnie system jest testowany z modelami takimi jak GPT-4o i o1-preview OpenAI, chociaż pozostaje niezależny od modelu, co pozwala na przyszłą elastyczność.
Aby ocenić skuteczność Magnetic-One, Microsoft udostępnił także AutoGenBench, narzędzie oceniające wydajność agenta w kilku testach porównawczych, takich jak GAIA, AssistantBench i WebArena. Te testy porównawcze koncentrują się na zadaniach takich jak planowanie wieloetapowe i użycie narzędzi. Wstępne testy Microsoftu z października 2024 r. wskazują, że Magnetic-One zapewnia konkurencyjne wyniki w porównaniu z najnowocześniejszymi metodami.
Wideo: Microsoft
Rosnący trend: Systemy wieloagentowe
Magnetic-One wpisuje się w rosnący trend w kierunku wieloagentowych systemów AI. OpenAI wprowadziło Swarmkolejny framework mający na celu budowanie i wdrażanie systemów wieloagentowych. Podobnie IBM uruchomił Struktura agenta pszczółzestaw narzędzi typu open source, który obsługuje wdrażanie przepływów pracy opartych na agentach, zgodnych z modelami takimi jak Granit IBM I Lama 3.2. Systemy te, podobnie jak Magnetic-One, mają na celu oferowanie skalowalnych rozwiązań złożonych zadań rozwiązywania problemów.
Według Microsoftu „konstrukcja typu plug-and-play Magnetic-One zapewnia łatwą adaptację i rozszerzalność, umożliwiając dodawanie lub usuwanie agentów bez zmiany innych agentów lub ogólnej architektury”. Ta elastyczność jest szczególnie ważna w przypadku zmieniających się potrzeb biznesowych i nowych zastosowań, dzięki czemu Magnetic-One jest obiecującym narzędziem dla badaczy i programistów pragnących tworzyć bardziej adaptacyjne systemy sztucznej inteligencji.
Autor wyróżnionego obrazu: Kerem Gülen/Ideogram
