Introduzione ai Sistemi Multi-Agente

Agenti AI con Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Scenario: Agente Consulente di Carriera

La richiesta coinvolge molti compiti:

Aggiornare i CV
Cercare lavoro
Preparazione ai colloqui
Ricerca stipendi

Ogni compito richiede strumenti e flussi di lavoro diversi!

Perché Usare Sistemi Multi-Agente?

Usa un team di agenti specializzati
Ogni agente si concentra su un compito o dominio
Evita sovraccarico e confusione

Un Agente Specializzato nei CV

resume_agent = CodeAgent(
    tools=[WebSearchTool(), skill_translator, layout_generator],
    model=InferenceClientModel(),
    instructions="You are an expert in everything related to resumes.",
    name="resume_agent",
    description="Expert in resume writing and skill translation for career transitions"
)

Uno Specialista in Ricerca Aziendale

company_agent = CodeAgent(
    tools=[WebSearchTool(), background_compatibility_checker],
    model=InferenceClientModel(),
    instructions="You are an expert in everything related to company research",
    name="company_agent",
    description="Expert in researching companies, culture, and hiring practices for job seekers"
)

Crea altri agenti specializzati usando lo stesso schema.

L'Agente Manager

career_manager = CodeAgent(
    tools=[],
    model=InferenceClientModel(model_id="deepseek-ai/DeepSeek-R1"), # Reasoning model
    instructions="You are an advisory agent to help professionals build stellar careers",
    managed_agents=[resume_agent, company_agent, interview_agent, salary_agent]
)

Assegna compiti agli specialisti giusti in base alle descrizioni.
Coordina quattro agenti specialisti usando il parametro managed_agents.
Sfrutta modelli con forti capacità di ragionamento e coordinazione.

Orchestrazione Multi-Agente

result = career_manager.run("I want to switch from marketing to data science. 
Help me update my resume, find companies hiring, prepare for interviews, and understand salaries.")

Ayo berlatih!

Agenti AI con Hugging Face smolagents