Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Collaborazione tra più agenti
<a name="multi-agent-collaboration"></a>

La collaborazione tra più agenti si riferisce a un modello in cui più agenti autonomi, ciascuno con un ruolo, una specializzazione o un obiettivo distinti, negoziano per risolvere compiti complessi. Questi agenti possono operare indipendentemente o con altri agenti condividendo informazioni, dividendo le responsabilità e ragionando collettivamente verso un obiettivo.

Questo modello è diverso dagli agenti del flusso di lavoro, che coordinano e delegano centralmente le attività agli agenti subordinati in un flusso strutturato. Al contrario, la collaborazione tra più agenti enfatizza la nostra coordinazione peer-to-peer emergente abilitando l'adattabilità, il parallelismo e la divisione della cognizione. La tabella seguente mette a confronto la collaborazione tra più agenti e gli agenti del flusso di lavoro:


| 
| 
| **Funzionalità** | **Agenti di workflow** | **Scopo** | 
| --- |--- |--- |
| Controllo | Coordinatore centralizzato | Peer decentralizzati, distribuiti o basati sui ruoli | 
| Interazione | Un agente delega e monitora l'esecuzione | Più agenti negoziano, condividono e si adattano | 
| Progettazione | Sequenza predefinita di attività | Distribuzione delle attività emergente e flessibile | 
| Coordinamento | Orchestrazione procedurale | Interazioni cooperative o competitive | 
| Casi d’uso | Automazione dei processi aziendali | Ragionamento complesso, esplorazione e strategie emergenti | 

Architecture

Il diagramma seguente mostra la collaborazione tra più agenti:

![\[Collaborazione tra più agenti.\]](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/agentic-ai-patterns/images/multi-agent-collaboration.png)


## Description
<a name="description-multi-agent-collaboration"></a>

1. Avvia un'attività
   + Un utente o un sistema emette un obiettivo o un problema di alto livello.
   + Un agente «manager» o un contesto iniziale definisce l'obiettivo.

1. Assegna o scopre i ruoli
   + Gli agenti si autoassegnano (logica o ragionamento simbolico) o sono delegati (mediatori di eventi) ad altri ruoli, come pianificatore, ricercatore, esecutore, critico o spiegatore.

1. Comunica con altri agenti
   + Gli agenti comunicano tramite memoria condivisa, code di messaggistica o concatenamento di prompt.
   + Possono discutere, interrogarsi o proporsi attività secondarie l'un l'altro.

1. Utilizza un ragionamento specializzato
   + Ogni agente utilizza il proprio modello o la propria logica di dominio per risolvere una parte del problema.
   + Gli agenti possono utilizzare LLMs prompt e memoria specifici per ruolo.

1. Coordina i risultati o gli obiettivi
   + Gli agenti sintetizzano i contributi in una risposta, un piano o un'azione finale.
   + (Facoltativo) Un agente supervisore può convalidare o riassumere l'output sintetizzato.

## Funzionalità
<a name="capabilities-multi-agent-collaboration"></a>
+ Agenti di livello paritario con ruoli o competenze specializzati
+ Comportamento emergente attraverso la comunicazione o la negoziazione
+ Elaborazione parallela di problemi complessi o sfaccettati
+ Supporta la deliberazione, l'autocorrezione e l'iterazione riflessiva
+ Modella le dinamiche sociali, la collaborazione scientifica o i ruoli dei team aziendali

## Casi di utilizzo comune
<a name="common-use-cases-multi-agent-collaboration"></a>
+ Team di ricerca autonomi (agente di ricerca, riepilogo e validatore)
+ Sviluppo di software (pianificatore, programmatore e tester)
+ Modellazione di scenari aziendali (finanze, politiche e conformità)
+ Negoziazione, offerta o ragionamento multipartitico
+ Attività multimodali (immagine, testo e logica)

## Guida all’implementazione
<a name="implementation-guidance-multi-agent-collaboration"></a>

È possibile creare un sistema multiagente utilizzando i seguenti strumenti e: Servizi AWS


| 
| 
| **Componente** | **Servizio AWS** | **Scopo** | 
| --- |--- |--- |
| Hosting per agenti | Amazon Bedrock, Amazon SageMaker, AWS Lambda | Ospita singoli agenti basati su LLM | 
| Livello di comunicazione | Amazon SQS, Amazon, EventBridge AWS AppFabric | Messaggistica e coordinamento tra agenti | 
| Memoria condivisa | Amazon DynamoDB, Amazon S3 o OpenSearch | Sistema di memoria o lavagna multiagente | 
| Livello di orchestrazione | AWS Step Functions, condutture AWS Lambda  | Logica di kickoff, timeout, fallback e ripetizione | 
| Identificazione dell'agente | Agenti Amazon Bedrock (definiti dal ruolo) e API converse di AWS AppConfig Amazon Bedrock (agenti esterni ad Amazon Bedrock) | Richiamo di strumenti o agenti basati sul ruolo e applicazione dei limiti | 
| Interazione emergente | Amazon EventBridge Pipeline o registri degli agenti | Abilita il routing o l'escalation dinamica delle attività | 

## Riepilogo
<a name="summary-multi-agent-collaboration"></a>

La collaborazione tra più agenti distribuisce le attività di risoluzione dei problemi tra agenti modulari e basati sui ruoli. A differenza dell'orchestrazione del flusso di lavoro, i modelli di collaborazione utilizzano intelligenza, resilienza e scalabilità emergenti che rispecchiano il modo in cui gli esseri umani risolvono i problemi. È particolarmente utile per domini aperti, attività creative, ragionamento multimodale e ambienti che traggono vantaggio da prospettive diverse.

## Conclusioni
<a name="conclusion-agent-patterns"></a>

I modelli discussi in precedenza illustrano gli approcci fondamentali alle implementazioni nel mondo reale dell'intelligenza artificiale agentica. Dal ragionamento di base all'intelligenza potenziata dalla memoria, ogni modello è configurato in modo univoco per la percezione, la cognizione e l'azione, basate su autonomia, asincronia e azione.

Questi modelli condividono vocabolari e modelli tecnici per la creazione di sistemi intelligenti e orientati agli obiettivi. Sia che un pattern sia incorporato in un'interfaccia utente, orchestrato tramite servizi cloud o coordinato tra team di agenti, ogni pattern è adattabile e modulare.

## Da asporto
<a name="takeaways-agent-patterns"></a>
+ **Gli schemi degli agenti sono componibili**: la maggior parte degli agenti del mondo reale combina due o più schemi (ad esempio, un agente vocale con ragionamento e memoria basati su strumenti).
+ **La progettazione degli agenti è contestuale**: scegli i modelli in base alla superficie di interazione, alla complessità delle attività, alla tolleranza alla latenza e ai vincoli specifici del dominio.
+ **AWS****l'implementazione nativa è realizzabile**: con Amazon Bedrock SageMaker, Amazon e le architetture event-driven AWS Lambda AWS Step Functions, ogni modello di agente può essere fornito su larga scala.