Una mappa dell'applicazione

Organizzazioni e progetti forniscono lo spazio di lavoro. Al suo interno si collegano agenti, conoscenza, strumenti e widget.

Questi passaggi si riferiscono alle funzionalità identificate nel codice dell'applicazione. Questo materiale non è stato convalidato su un'istanza live; controlla la documentazione e le opzioni nella tua versione.

Come funziona, passo dopo passo

Un flusso di lavoro ha una struttura esplicita

Un nodo è una fase, un bordo è una transizione e lo stato trasporta i risultati tra le fasi. Un flusso di lavoro ha un percorso definito dall'applicazione, sebbene il modello possa scegliere alcuni rami. I sistemi ad agenti includono sia flussi di lavoro che agenti che agiscono dinamicamente. Nymrio offre ReAct, Reflection, Sequential, Orchestrator, Router, Parallel e Plan-and-Execute. Ciascuno cambia coordinazione; non rende automaticamente un modello un esperto. Più agenti significano più chiamate e contratti tra i ruoli. Inizia con la soluzione più semplice che supera i tuoi test.

RAG accede alle prove, non riqualifica

RAG significa generazione aumentata dal recupero: il recupero fornisce passaggi rilevanti prima che il modello risponda. L'inserimento prepara i documenti, mentre l'esecuzione delle query ricerca nell'indice e crea il contesto. Un modello di incorporamento rappresenta il testo numericamente; il modello di risposta scrive la risposta. I modelli di riclassificazione, visione, grafico e router svolgono ruoli diversi quando necessario. RAG aiuta con informazioni private o mutevoli ma non garantisce la verità. Utilizzare un'API autorizzata per saldi, inventario esatto o autorizzazioni; un vecchio documento non è una fonte affidabile per lo stato attuale.

Host, client e server

MCP è un protocollo che collega le applicazioni AI a capacità esterne. L'host fornisce l'esperienza, il client gestisce la connessione e il server espone strumenti, risorse o istruzioni in base al supporto. Gli strumenti eseguono operazioni; le risorse forniscono contenuti indirizzabili; i prompt forniscono modelli. Non tutti i server li implementano tutti e tre. Il trasporto trasporta i messaggi, l'autenticazione identifica i chiamanti e l'autorizzazione controlla l'accesso. Controlla la revisione del protocollo e le estensioni supportate su entrambe le estremità. La compatibilità non può essere dedotta solo dall'etichetta "MCP".

Lo schema esplicativo

Seguire le frecce continue per il flusso principale. Le frecce blu tratteggiate forniscono dati o contesto; le frecce rosa tratteggiate mostrano feedback o risultati restituiti. Colori e forme distinguono modelli, negozi, decisioni e risultati. Su schermi piccoli, scorri in orizzontale per seguire l’intero schema.

Un esempio completo

Luna Workshop contiene una policy RAG, un agente guida, un server azionario e un widget. I gruppi organizzano elenchi; non dare per scontato che impongano i limiti di accesso.

Provalo tu stesso

1. Crea un progetto di prova e disegna le relazioni tra entità.
2. Registrare l'input, la fonte e il risultato atteso prima di eseguire l'esperimento. Utilizzare solo i dati fittizi nell'esempio.
3. Seguire le fasi del diagramma. Ad ogni passaggio registrare quali informazioni vengono ricevute e prodotte; non confondere il risultato intermedio con il risultato finale.
4. Ripetere dopo aver rimosso le informazioni necessarie o reso ambiguo l'input. Controlla se il sistema chiarisce, ferma o inventa una risposta.
5. Confrontare con la soluzione spiegata. Conserva la configurazione, la data, il risultato e una spiegazione delle differenze. Cambia una cosa e riprova.

Una soluzione spiegata

Puoi spiegare ciascuna entità e verificare il progetto attivo prima delle modifiche. Un esercizio riuscito ti consente di mostrare la connessione tra input, fasi e risultato. Quando mancano le informazioni, una risposta cauta è più utile dei dettagli inventati. Confrontare non solo stile: verificare anche condizioni, fonti e operazioni.

Quando è utile e quali sono i suoi limiti

Il progetto attivo interessa entità visibili e utilizzabili. Scegli questo approccio quando migliora un bisogno misurato. Mantieni una linea di base semplice e confronta i risultati utilizzando input identici. Un esempio di successo non stabilisce l’affidabilità in ogni situazione.

Verifica ciò che hai imparato

Multi-agente è un ottavo modello?

No. È una categoria architettonica che può utilizzare diversi modelli esistenti.

RAG modifica i parametri LLM?

No. Fornisce il contesto della richiesta-ora; le modifiche ai parametri appartengono all'addestramento.

Quale risultato dovrebbe produrre questo esercizio?

Puoi spiegare ciascuna entità e verificare il progetto attivo prima delle modifiche.

Termini da ricordare

• Cenno: Una fase in un grafico di esecuzione.
• Recupero: trovare informazioni rilevanti in fonti accessibili.
• server MCP: un servizio che espone funzionalità tramite Model Context Protocol.

Fonti e il prossimo passo

• LangGraph — flussi di lavoro e agenti
• Lewis et al. — Generazione aumentata di recupero
• Model Context Protocol — specifica

Per preparare: F06 — Chatbot, assistente, agente e sistema agentico