A Microsoft tem introduzido um novo sistema de inteligência artificial (IA) multiagente chamado Magnetic-One, projetado para concluir tarefas complexas usando vários agentes especializados. Disponível como uma ferramenta de código aberto no Microsoft AutoGen, este sistema tem como objetivo auxiliar desenvolvedores e pesquisadores na criação de aplicativos que possam gerenciar de forma autônoma tarefas de várias etapas em vários domínios.
O que é Magnético-Um?
Magnetic-One é um sistema multiagente generalista que utiliza um orquestrador para coordenar diferentes agentes, cada um especializado em uma tarefa específica. O agente líder, denominado Orquestrador, trabalha ao lado de quatro agentes especializados:
- Agente WebSurfer: lida com navegação na web, cliques e resumo de conteúdo da web.
- Agente FileSurfer: gerencia arquivos, diretórios e pastas locais.
- Agente codificador: escreve e executa código, analisa informações e cria novos projetos.
- Agente Terminal de Computador: Fornece um console para execução do programa pelo Agente Coder.
Esses agentes trabalham juntos para resolver tarefas abertas, tornando o Magnetic-One adequado para aplicações como engenharia de software, análise de dados e pesquisa científica. A Microsoft descreve o Magnetic-One como uma “alternativa flexível e escalável aos sistemas de agente único” devido ao seu design modular, que permite adicionar ou remover agentes sem afetar a estrutura central do sistema.
Principais recursos
Magnetic-One se destaca por sua capacidade de ativar múltiplos agentes usando um único modelo de linguagem. O sistema pode realizar diversas tarefas, desde navegar em navegadores da web até executar código Python. Essa funcionalidade significa que ele pode lidar com cenários do mundo real, como reserva de passagens, compra de produtos ou edição de documentos em um dispositivo local.
A arquitetura modular multiagente garante que cada agente tenha uma responsabilidade distinta, resultando em maior eficiência para tarefas complexas e de várias etapas. Essa abordagem permite que a Magnetic-One divida um problema em subtarefas, melhorando a precisão e a velocidade de conclusão da tarefa. Por exemplo, se o sistema for solicitado a reservar um ingresso de cinema, cada agente cuidará de uma parte diferente da tarefa, como processar informações visuais, navegar no site e concluir a transação.
A estrutura AutoGen da Microsoft potencializa o Magnetic-One, suportando a integração com vários modelos de linguagem grandes e pequenos para atender a diferentes requisitos de custo e desempenho. Atualmente, o sistema é testado com modelos como GPT-4o e o1-preview da OpenAI, embora permaneça independente do modelo, permitindo flexibilidade futura.
Para avaliar a eficácia do Magnetic-One, a Microsoft também lançou o AutoGenBench, uma ferramenta que avalia o desempenho da agência em diversos benchmarks, como GAIA, AssistantBench e WebArena. Esses benchmarks se concentram em tarefas como planejamento em várias etapas e uso de ferramentas. Os testes iniciais da Microsoft em outubro de 2024 indicam que o Magnetic-One oferece resultados competitivos em relação aos métodos de última geração.
Vídeo: Microsoft
A tendência crescente: sistemas multiagentes
Magnetic-One faz parte de uma tendência crescente de sistemas de IA multiagentes. OpenAI introduziu o Swarmoutra estrutura destinada a construir e implantar sistemas multiagentes. Da mesma forma, a IBM lançou o Estrutura do Agente Beeum kit de ferramentas de código aberto que oferece suporte à implantação de fluxos de trabalho baseados em agentes, compatível com modelos como Granito IBM e Lhama 3.2. Esses sistemas, assim como o Magnetic-One, visam oferecer soluções escaláveis para tarefas complexas de resolução de problemas.
De acordo com a Microsoft, “o design plug-and-play do Magnetic-One suporta fácil adaptação e extensibilidade, permitindo que agentes sejam adicionados ou removidos sem alterar outros agentes ou a arquitetura geral”. Esta flexibilidade é particularmente importante para a evolução das necessidades de negócios e novas aplicações, tornando o Magnetic-One uma ferramenta promissora para pesquisadores e desenvolvedores que buscam criar sistemas de IA mais adaptáveis.
Crédito da imagem em destaque: Kerem Gülen/Ideograma
