Agenten mit künstlicher Intelligenz (KI) entwickeln sich zu den neuen digitalen Arbeitskräften in Unternehmen, die in der Lage sind, komplexe Aufgaben zu automatisieren und die Produktivität erheblich zu steigern. Die Fähigkeiten einzelner Agenten sind jedoch begrenzt. Ihr wahres Potenzial liegt in ihrer Fähigkeit, zusammenzuarbeiten. Wenn verschiedene KI-Agenten zusammenarbeiten können, sind sie in der Lage, gemeinsam komplexere Probleme zu lösen, was zu einem größeren Geschäftserfolg führt. Um Unternehmen dabei zu helfen, dieses kollaborative Potenzial schneller zu nutzen, hat NVIDIA kürzlich die AI-Q
Ein neues NVIDIA Blueprint für die Entwicklung von Agentensystemen, die mit Hilfe von Schlussfolgerungen das Wissen über Unternehmensdaten erschließen.
Die Herausforderung für viele Unternehmen besteht heute darin, dass KI-Agenten in Silos arbeiten und "Silos der Intelligenz" schaffen. Dies schränkt ihre Fähigkeit ein, komplexe, mehrstufige Aufgaben bereichsübergreifend zu bewältigen.AI-Q
Der Blueprint wurde ins Leben gerufen, um diese Hindernisse zu beseitigen und eine klare Referenzarchitektur für den Aufbau einer digitalen Belegschaft, die zusammenarbeiten kann, zu schaffen.
NVIDIA AI-Q und AgentIQ Toolkit: Aufbau intelligenter kollaborativer Agentensysteme
AI-Q
ist kein einzelnes Softwareprodukt, sondern eine Referenzimplementierung, die NVIDIA Accelerated Computing, Speicherplattformen von Partnern und zugehörige Softwaretools integriert. Sie verdeutlicht, wie diese Komponenten integriert werden können, und stellt insbesondere die neue NVIDIA Llama Nemotron
Inferenzmodelle, die sich bei der Durchführung komplexer Analysen und mehrstufiger Schlussfolgerungen auszeichnen. Mit Hilfe von AI-Q
Das Unternehmen kann eine digitale Belegschaft aufbauen, die in der Lage ist, hochkomplexe Aufgaben mit hoher Genauigkeit und Geschwindigkeit zu erledigen.
Die Hauptstärke des Konzepts liegt in der Integration einer schnellen multimodalen Datenextraktion und erstklassiger Abrufmöglichkeiten dank NVIDIAs NeMo Retriever
NVIDIA NIM
Zusammenarbeit zwischen Mikrodiensten und dem KI-Agenten selbst. Zum Beispiel in einem KI-Forschungsassistenten-Szenario, das auf dem AI-Q
Der erstellte Agent erzeugt den Bericht, wenn er die Token Es wird behauptet, dass sie bis zu fünfmal schneller und 15-mal schneller bei der Verarbeitung von Petabytes an Daten ist und dabei eine hohe semantische Genauigkeit beibehält. Dies verdeutlicht das Potenzial der Architektur für die Verarbeitung umfangreicher Informationen und die Beschleunigung der Wissensextraktion.
abstützen AI-Q
Die wichtigste Softwarekomponente des Konzepts ist das kürzlich veröffentlichte NVIDIA AgentIQ
Werkzeugkasten.AgentIQ
ist eine quelloffene Software-Bibliothek, die seit GitHub
Das Hauptziel besteht darin, eine nahtlose, heterogene Konnektivität zwischen verschiedenen Agenten, Tools und Daten zu ermöglichen. Es ermöglicht Entwicklern, Teams von KI-Agenten, die von Unternehmensdaten gesteuert werden, zu verbinden, zu analysieren (Profiling) und zu optimieren, um End-to-End-Multi-Agenten-Systeme zu entwickeln. Entwickler können bestehende Multi-Agenten-Systeme ganz oder teilweise integrieren, wobei der Integrationsprozess völlig optional gestaltet ist.
AgentIQ
Ein weiteres wichtiges Merkmal des Toolkits ist die verbesserte Transparenz des Systems. Es bietet eine vollständige Rückverfolgbarkeit des Systems und Leistungsanalysen, die es Unternehmen ermöglichen, die Leistung von Agententeams zu überwachen, Engpässe bei der Effizienz zu erkennen und ein detailliertes Verständnis dafür zu gewinnen, wie Business Intelligence generiert wird. Diese Analysen lassen sich mit NVIDIA NIM
und NVIDIA Dynamo
Der Open-Source-Charakter von AgentIQ bedeutet auch, dass die breitere Entwicklergemeinschaft dazu beitragen kann, die Entwicklung und Anwendungsimplementierung zu beschleunigen und die Hürde für die Übernahme und Anpassung zu senken.
Befähigung neuer Unternehmen KI-Agenten als Arbeitskräfte
Da KI-Agenten die Rolle von "digitalen Mitarbeitern" übernehmen, müssen IT-Teams deren "Onboarding" und "Training" unterstützen.AI-Q
Blaupause und AgentIQ
Toolkits unterstützen dies durch die Erleichterung der Zusammenarbeit zwischen Agenten und die Optimierung der Leistung über verschiedene Intelligence-Frameworks hinweg.
Unternehmen, die diese Tools einsetzen, können Teams von KI-Agenten leichter über verschiedene Lösungen hinweg verbinden, z. B. mit Salesforce
(in Form eines Nominalausdrucks) Agentforce
undAtlassian Rovo
(integriert in Confluence
im Gesang antworten Jira
(in) und ServiceNow AI
Plattformen, usw. Diese Konnektivität trägt dazu bei, Informationssilos aufzubrechen, anwendungsübergreifende Workflows zu optimieren und die Reaktionszeiten für bestimmte Aufgaben von Tagen auf Stunden zu verkürzen.
Für die Bequemlichkeit der Entwickler.AgentIQ
Außerdem lässt es sich in eine Vielzahl beliebter Frameworks und Tools integrieren, z. B. CrewAI
undLangGraph
undLlama Stack
undMicrosoft Azure AI Agent Service
im Gesang antworten Letta
. Das bedeutet, dass die Entwickler in einer Umgebung arbeiten können, mit der sie vertraut sind. Zum Beispiel.Azure AI Agent Service
zusammen mit AgentIQ
Die Integration ermöglicht es, die Semantic Kernel
Es ist effizienter, Multi-Agenten-Frameworks zu entwickeln und zu orchestrieren, und die Semantic Kernel
existieren AgentIQ
Es wird vollständig unterstützt in der
Die ersten Anwendungsszenarien zeichnen sich bereits ab. Führend bei Finanzdienstleistungen Visa
KI-Agenten werden zur Verbesserung der Cybersicherheit eingesetzt, indem die Analyse von Phishing-E-Mails in großem Umfang automatisiert wird. Verwendung von AI-Q
die Merkmale der Leistungsanalyse desVisa
Die Leistung und die Kosten der Agenten können optimiert werden, um die Rolle der KI bei der effizienten Reaktion auf Bedrohungen zu maximieren. Darüber hinaus.AI-Q
Mit NVIDIA Metropolis VSS
(Die Integration von Blaupausen (Videosuche und -zusammenfassung) führt zu multimodalen Agenten, die visuelle Wahrnehmungsfähigkeiten mit Sprache, Übersetzung und Datenanalyse kombinieren, um ein besseres Verständnis der Umgebung und Interaktion zu ermöglichen.
Erste Schritte mit AI-Q und AgentIQ
AI-Q
Zu den wichtigsten NVIDIA-Technologien, die im Blueprint verwendet werden, gehören Llama Nemotron
Serieninferenzmodelle (z. B. llama-3.3-nemotron-49b-instruct
), Einbettung und Umordnung von Modellen (z. B. llama-3.2-nv-embedqa-1b-v2
), und NeMo Retriever
verwandte multimodale Parsing-Modelle. Software von Drittanbietern wie Tavily
(für Web-Suchen),LangChain
(für den Agentenbau) und Milvus
Vektordatenbank(erhältlich über NVIDIA) cuVS
Beschleunigung) spielen ebenfalls eine wichtige Rolle in der Architektur.
Entwickler können jetzt die GitHub
gewinnen AgentIQ
Die Open-Source-Bibliothek des Toolkits (http://github.com/NVIDIA/AgentIQNVIDIA veranstaltet auch entsprechende Hackathons, damit Entwickler ihre Fähigkeiten bei der Entwicklung intelligenter Körpersysteme üben und verbessern können.
Aufbau einer Organisation auf der Grundlage AI-Q
NVIDIAs Speicherpartner liefern kundenspezifische Plattformen, die kontinuierlich Daten verarbeiten, um KI-Agenten schnellen Zugriff auf das Wissen zu geben, das sie benötigen, um komplexe Anfragen zu beantworten.
NVIDIA AI-Q
Blaupause und AgentIQ
Die Veröffentlichung des Toolkits markiert die Entwicklung von KI-Anwendungen für Unternehmen von einzelnen Intelligenzen zu Netzwerken kollaborativer Intelligenzen. Auch wenn es beim Aufbau und der Verwaltung komplexer Agententeams immer noch Herausforderungen gibt, wie z. B. die Gewährleistung der Zuverlässigkeit, Sicherheit und Kontrollierbarkeit der Zusammenarbeit, eröffnet diese Richtung sicherlich neue, fantasievolle Möglichkeiten für die Automatisierung und Intelligenz von Unternehmen.