هوش مصنوعی چندعاملی؛ n8n و Amazon Bedrock AgentCore برای ساخت تیم‌های هوشمند

n8n در راهنمای جدید خود نحوه ساخت یک سیستم هوش مصنوعی چندعاملی را با استفاده از Amazon Bedrock AgentCore توضیح داده است. این معماری به چند عامل هوش مصنوعی اجازه می‌دهد وظایف مختلف را انجام دهند و در عین حال به حافظه مشترک مربوط به هر مشتری دسترسی داشته باشند. چنین رویکردی می‌تواند برای ساخت سیستم‌های پشتیبانی، دستیارهای سازمانی و گردش‌کارهای پیچیده مبتنی بر هوش مصنوعی کاربرد داشته باشد.

در این سیستم، یک عامل اصلی با نام Triage Agent درخواست مشتری را بررسی می‌کند و بر اساس نوع سؤال، آن را به عامل تخصصی مناسب می‌فرستد. برای مثال، یک عامل می‌تواند مسئول تحلیل و انجام محاسبات باشد، عامل دیگر برای ارائه راهکارهای معماری AWS مورد استفاده قرار گیرد و عامل سوم به پرسش‌هایی بپردازد که در دو دسته قبلی قرار نمی‌گیرند.

حافظه مشترک در سیستم هوش مصنوعی چندعاملی

یکی از ویژگی‌های مهم این معماری، استفاده از حافظه مشترک برای هر مشتری است. در سیستم‌هایی که چند عامل هوش مصنوع

ی با یکدیگر همکاری می‌کنند، حفظ سابقه مکالمه اهمیت زیادی دارد. اگر هر عامل فقط اطلاعات همان درخواست را دریافت کند، ممکن است کاربر مجبور شود اطلاعاتی را که قبلاً در همان گفتگو ارائه کرده است، دوباره توضیح دهد.

در معماری پیشنهادی n8n و AgentCore، عامل‌های مختلف می‌توانند به سابقه مشترک مشتری دسترسی داشته باشند. برای مثال، اگر عامل تحلیل ابتدا اطلاعات مربوط به میزان مصرف API مشتری را بررسی کند، عامل دیگری در پیام بعدی می‌تواند

بدون دریافت دوباره این اطلاعات، از همان سابقه استفاده کند. در نتیجه، انتقال کار بین عامل‌ها برای کاربر شبیه ادامه یک گفت‌وگوی واحد خواهد بود.

نقش n8n و Amazon Bedrock AgentCore

در این معماری، n8n وظیفه دریافت پیام، تشخیص نوع درخواست، مسیریابی آن به عامل مناسب و ارسال پاسخ را بر عهده دارد. در مقابل، Amazon Bedrock AgentCore اجرای عامل‌ها، مدیریت حافظه و ابزارهای موردنیاز آن‌ها را مدیریت می‌کند.

یکی از قابلیت‌های این ساختار، امکان اختصاص ابزارهای مختلف به عامل‌ها در زمان فراخوانی است. برای نمونه، عامل تحلیل می‌تواند در زمان نیاز به Code Interpreter دسترسی داشته باشد تا محاسبات را اجرا کند. عامل معماری نیز می‌تواند از مهارت‌ها و اطلاعات مرتبط با AWS استفاده کند. این تقسیم وظایف باعث می‌شود هر عامل روی حوزه مشخصی تمرکز داشته باشد.

n8n در نمونه ارائه‌شده، یک گردش‌کار شامل چند عامل تخصصی ایجاد کرده است. تنها یک AgentCore Harness برای این عامل‌ها مورد استفاده قرار می‌گیرد و عامل‌های مختلف می‌توانند از همان زیرساخت استفاده کنند. این رویکرد می‌تواند از ایجاد زیرساخت جداگانه برای هر عامل جلوگیری کند و مدیریت گردش‌کار را ساده‌تر کند.

هوش مصنوعی چندعاملی چه کاربردی دارد؟

هوش مصنوعی چندعاملی می‌تواند در پروژه‌هایی کاربرد داشته باشد که یک عامل واحد برای انجام تمام وظایف مناسب نیست. در یک سیستم پشتیبانی مشتری، برای مثال، یک عامل می‌تواند درخواست را دسته‌بندی کند، عامل دوم اطلاعات فنی را بررسی کند و عامل سوم وظیفه ارائه پاسخ نهایی را بر عهده داشته باشد.

در محیط‌های سازمانی نیز می‌توان از این معماری برای ساخت دستیارهایی استفاده کرد که درخواست‌ها را میان عامل‌های تخصصی مختلف توزیع می‌کنند. مزیت چنین رویکردی این است که هر عامل می‌تواند ابزارها و دستورالعمل‌های مخصوص به خود را داشته باشد، در حالی که اطلاعات موردنیاز مشتری میان بخش‌های مختلف گردش‌کار حفظ می‌شود.

برای ساخت این سیستم چه چیزهایی لازم است؟

بر اساس راهنمای n8n، برای اجرای نمونه ارائه‌شده به یک نمونه n8n، حساب AWS با دسترسی به AgentCore، یک مدل فعال در Amazon Bedrock و دو هویت IAM نیاز است. همچنین نود Amazon Bedrock AgentCore را می‌توان از بخش Community Nodes در n8n نصب کرد.

در این ساختار، n8n می‌تواند بخش مربوط به گردش‌کار و مسیریابی درخواست‌ها را مدیریت کند و AgentCore وظایف مربوط به اجرای عامل‌ها و حافظه را بر عهده بگیرد. ترکیب این دو ابزار می‌تواند مسیر ساخت سیستم‌های چندعاملی را برای توسعه‌دهندگانی که به دنبال اتصال اتوماسیون و سرویس‌های هوش مصنوعی هستند، ساده‌تر کند.

در مجموع، ترکیب n8n و Amazon Bedrock AgentCore روشی برای ساخت گردش‌کارهایی ارائه می‌دهد که در آن چند عامل هوش مصنوعی می‌توانند روی درخواست‌های یک مشتری کار کنند و در عین حال سابقه مشترکی داشته باشند. این قابلیت به‌ویژه برای سیستم‌های پشتیبانی، دستیارهای سازمانی و فرایندهای پیچیده اتوماسیون می‌تواند اهمیت داشته باشد.

منبع: n8n Blog
وبلاگ رسمی n8n

عنوان منبع: Build multi-agent teams that remember every customer with Amazon Bedrock AgentCore

تاریخ انتشار: ۲۰ اوت ۲۰۲۶

لینک منبع: https://blog.n8n.io/node-spotlight-amazon-bedrock-agentcore/