Ogni tanto capita un progetto che ti cambia la prospettiva.
Per me, questo è stato uno di quelli.
Durante il corso Build AI Agents with AWS di Zero To Mastery, ho avuto la sensazione di aver sbloccato un nuovo livello:
un po’ come Goku quando si allena nella stanza dello spirito e del tempo — solo che invece di allenarmi con Vegeta, stavo orchestrando agenti intelligenti, scrivendo funzioni Lambda e dialogando con Claude 3.5 Sonnet.
Mi ha fatto scoprire un mondo completamente nuovo: quello dell’orchestrazione multi-agente in cloud, dove ogni dettaglio — dalla progettazione delle istruzioni alla gestione dei log — può fare la differenza tra un’idea e un sistema che funziona davvero.
L’obiettivo? Costruire un sistema in cui agenti AI specializzati collaborano tra loro, orchestrati da un supervisore, per aiutare l’utente a:
In pratica, un piccolo team di assistenti digitali che si parlano, si attivano a vicenda, e risolvono i problemi dell’utente come un gruppo affiatato.
Per realizzarlo, ho usato alcuni dei servizi AWS che ormai considero la mia cassetta degli attrezzi AI:
Ogni agente ha un compito preciso:
Il bello? Vederli collaborare in modo fluido. Come una scena dietro le quinte in cui ogni attore sa quando entrare e cosa dire.
Il supervisore si basa su un set di istruzioni di collaborazione che scriviamo noi — un po’ come un direttore d’orchestra che ha lo spartito e sa quando far intervenire i fiati o gli archi.
Prima di tutto, raccoglie le preferenze dell’utente: tipo di struttura, città, presenza di piscina, sauna, animali…
Poi, le converte in parametri e invoca dinamicamente la funzione corretta.
Un assaggio del comportamento condizionale, in puro stile AWS Lambda:
if function == 'listHotels':
location = param_dict.get('location', None)
print(location)
s3_key = HOTEL_CSV_KEY
filter_column = 'Location'
filters = {filter_column: location}
elif function == 'listAirbnbs':
location = param_dict.get('location', None)
pets = param_dict.get('pets', None)
pool = param_dict.get('pool', None)
sauna = param_dict.get('sauna', None)
print(location, pets, pool, sauna)
s3_key = AIRBNB_CSV_KEY
filters = {'Location':location, 'Pets':pets, 'Pool':pool, 'Sauna':sauna}
Il sistema decide quale funzione attivare, quali dati filtrare e come rispondere, in base ai parametri raccolti nella conversazione.
Ecco un estratto delle istruzioni che l’Agente Alloggi segue:
You need to determine if they want a hotel or an Airbnb:
Qui viene il nerd-core. Ho scoperto quanto possa essere chiaro e visuale il debugging in questo sistema:
Vedere l’interazione tra agenti così chiaramente mi ha aiutata a migliorare, ottimizzare e… divertirmi.
Una volta finito tutto, ho testato le API con Postman. E con grande soddisfazione… funzionava! 🎉
Passando alla chiamato un body, con un session id costante, potevo continuare a parlare con il mio sistema di agenti!
Le funzioni Lambda sono assegnate agli agenti, non “incollate” a essi. Questo le rende versionabili, modulari e riutilizzabili: possono essere usate in altri progetti, aggiornate in sicurezza e scalate in automatico.
La vera potenza è la separazione tra logica e orchestrazione.
È come costruire con i LEGO… ma per sistemi intelligenti.
E soprattutto: mi sono sentita una costruttrice di mondi digitali.
Bedrock + Lambda + un pizzico di architettura.
Potresti finire per costruire… molto più di quanto immagini.
Ho appena completato il corso "Learning to Meditate" di Zero To Mastery e non posso fare a meno di condividere come questa pratica abbia trasformato la mia routine quotidiana. In pochi mesi, sono passata da essere una novizia della meditazione (ma di quelle persone che non reggono 2 minuti!) a qualcuno che può iniziare ad […]
Poco fa, mentre guardavo un episodio di Grey's Anatomy, una frase mi ha colpita: "La nostra meta-analisi conferma la correlazione tra il microbioma intestinale e l'Alzheimer." "Bene, allora guardiamo i dati." Ma i dati, da soli, non raccontano tutta la storia. La correlazione ci dice che due fenomeni si muovono insieme, ma non ci dice […]