Agents Amazon Bedrock

Les agents Amazon Bedrock utilisent la logique des modèles de fondation (FM), des API et des données pour décomposer les demandes des utilisateurs, rassembler les informations pertinentes et accomplir efficacement les tâches, libérant ainsi les équipes pour qu’elles se concentrent sur le travail à forte valeur ajoutée. La création d’un agent est simple et rapide et la configuration se résume à quelques étapes. Les agents incluent désormais la conservation de la mémoire pour une continuité des tâches sans faille et les garde-fous Amazon Bedrock pour une sécurité et une fiabilité intégrées. Pour les besoins les plus avancés, Amazon Bedrock prend en charge la collaboration entre plusieurs agents, permettant à plusieurs agents spécialisés de travailler ensemble sur des défis commerciaux complexes.

La collaboration multi-agents Amazon Bedrock permet aux développeurs de créer, de déployer et de gérer plusieurs agents spécialisés qui travaillent ensemble de manière fluide pour gérer des flux de travail commerciaux de plus en plus complexes. Chacun des agents se charge de tâches spécifiques sous la coordination d’un agent superviseur, qui décompose les processus complexes en étapes gérables afin de garantir la précision et la fiabilité de l’opération. En automatisant ces processus opérationnels complexes, les entreprises peuvent libérer leurs équipes des charges opérationnelles, leur permettant ainsi de se concentrer sur l’innovation et d’apporter une réelle valeur ajoutée à l’entreprise.

Les agents Amazon Bedrock se connectent en toute sécurité aux sources de données de votre entreprise et complètent la requête des utilisateurs avec les bonnes informations afin de générer une réponse précise. Par exemple, si l’utilisateur pose des questions sur l’éligibilité des réclamations, l’agent RAG recherchera des informations dans la base de connaissances et effectuera un rapprochement entre les requêtes soumises et la réponse de la politique d’éligibilité : « Vous devez présenter votre permis de conduire, des photos de la voiture endommagée et un rapport d’accident ».

Les clients peuvent créer un agent dans Amazon Bedrock en quelques étapes simples, ce qui réduit le temps nécessaire à l’intégration de l’IA générative dans les applications. Les clients sélectionnent d’abord un modèle et rédigent quelques requêtes en langage naturel (par exemple, « vous êtes un agent de gestion des stocks qui détermine la disponibilité des produits dans le système d’inventaire »). Les agents orchestrent et analysent la tâche et la décomposent dans la séquence logique correcte en utilisant les capacités de raisonnement du FM. Les agents appellent automatiquement les API nécessaires pour effectuer des transactions avec les systèmes et les processus de l'entreprise afin de répondre à la demande, déterminant en cours de route s'ils peuvent continuer ou s'ils ont besoin de recueillir des informations supplémentaires. 

Les agents Amazon Bedrock ont la capacité de conserver la mémoire lors des interactions, offrant ainsi des expériences utilisateur plus personnalisées et plus fluides. Cette fonctionnalité permet aux agents de mémoriser l’historique des interactions et améliore la précision des tâches en plusieurs étapes. Les utilisateurs bénéficient de recommandations améliorées et d’un rappel du contexte antérieur si nécessaire, ce qui garantit une interaction plus cohérente et plus efficace avec l’agent.

Les agents Amazon Bedrock permettent de générer et d’exécuter du code de manière dynamique dans un environnement sécurisé. Cette solution automatise les requêtes analytiques complexes auxquelles il était auparavant difficile de répondre uniquement par le biais d'un raisonnement basé sur un modèle. Les utilisateurs peuvent tirer parti de cette fonctionnalité pour répondre à un large éventail de cas d’utilisation sophistiqués tels que l’analyse des données, la visualisation des données et la résolution de problèmes mathématiques.

Les agents Amazon Bedrock créent automatiquement un modèle de requête à partir des instructions utilisateur, du groupe d’action et des bases de connaissances. Vous pouvez utiliser ce modèle comme référence pour affiner davantage le modèle de requête généré automatiquement afin d'améliorer l'expérience utilisateur. Vous pouvez également mettre à jour les entrées utilisateur, le plan d'orchestration et la réponse des FM. Enfin, la possibilité de modifier le modèle de requête vous permet de mieux contrôler l'orchestration des agents.