Deep Agents è un framework che semplifica la creazione di sistemi di intelligenza artificiale complessi, basati su architetture multi-agente. L'approccio si fonda sulla suddivisione di compiti complessi tra agenti specializzati, massimizzando l'efficacia e la gestione delle risorse.

Subagenti: Specializzazione e isolamento

I subagenti risolvono il problema del sovraccarico del contesto, che si verifica quando la finestra di contesto di un agente si riempie durante l'esecuzione di un compito. Questo può compromettere le prestazioni, portando l'agente in una condizione di inefficienza. I subagenti operano in isolamento, con finestre di contesto proprie, evitando che l'agente principale venga appesantito da risultati intermedi e chiamate a tool non necessari.

Quando usare i subagenti:

  • Preservare il contesto in task complessi.
  • Specializzare agenti per domini specifici.
  • Utilizzare modelli diversi per ottimizzare la latenza.
  • Parallelizzare l'esecuzione dei task.

La creazione di subagenti avviene tramite la definizione di dizionari di configurazione, passati alla funzione create_deep_agent(). È fondamentale fornire descrizioni chiare e system prompt dettagliati per guidare l'agente principale nella scelta del subagente appropriato.

Skills: Rivelazione progressiva delle capacità

Le skills offrono un modello di rivelazione progressiva delle capacità. Invece di fornire all'agente un ampio set di tool fin da subito, le skills definiscono capacità specializzate in file SKILL.md. L'agente visualizza i nomi e le descrizioni delle skills, caricando le istruzioni complete solo quando necessario.

Configurazione delle skills:

Le skills utilizzano la specifica agentskills.io, con file SKILL.md contenenti metadati YAML e un corpo principale. L'aggiunta di skills all'agente avviene tramite l'argomento skills della funzione create_deep_agent, specificando il percorso del filesystem contenente i file SKILL.md.

Scegliere il modello giusto

La scelta tra subagenti e skills dipende dalle esigenze specifiche del progetto. I subagenti sono ideali per delegare task complessi e preservare il contesto, mentre le skills sono adatte per riutilizzare procedure e condividere capacità tra più agenti. In molti casi, un approccio ibrido che combina entrambi i modelli può offrire i migliori risultati.

Deep Agents fornisce le astrazioni necessarie per creare sistemi multi-agente sofisticati, semplificando la gestione del contesto e la rivelazione delle capacità.