Enterprise Agentic Architecture and Design Patterns struttura le possibilità delle architetture multi-agente, identificando ed evidenziando come le nuove funzionalità per gli agenti AI possano essere combinate per offrire soluzioni agenti affidabili, ripetibili, scalabili e gestibili. Prendendo ispirazione dai “Design Patterns” per la programmazione orientata agli oggetti, definiamo schemi che possono essere combinati ed estesi per risolvere le molte sfide entusiasmanti che prima delle tecnologie agentiche si trovavano al di fuori dell’ambito dei sistemi aziendali basati sulle tecnologie deterministiche tradizionali.

A seguito della discussione sulla logica per le architetture multi-agente, vengono introdotti numerosi schemi agentici, da schemi semplici che sfruttano l'elaborazione del linguaggio naturale per determinare l'intento degli utenti a schemi multi-agente che prevedono la separazione delle preoccupazioni tra gli agenti, a schemi agentici UX che apportano il ragionamento agente alla presentazione e all'interazione con sistemi, informazioni e contenuti.

Prima di tutto si otterrà un nuovo modo di pensare agli agenti - agenti come componenti, agenti come compositori, agenti come attori, agenti come collaboratori e, soprattutto, agenti all'interno di un'architettura più ampia che agiscono con intenti e agiscono nell'ambito delle loro preoccupazioni individuali.

Si otterranno i suggerimenti necessari per concepire soluzioni agentiche complete che coprono i journey degli utenti e informano esperienze agenti significative, esperienze che non sono mai state possibili prima.

Le sezioni iniziali di questo documento forniscono la logica per le architetture multi-agente. Leggere questi articoli per comprendere meglio le sfide e le opportunità che le architetture multi-agente presentano.

Di seguito sono riportate le definizioni e le descrizioni degli schemi agenti, da semplici a complessi, che coprono schemi che supportano interazioni, schemi per agenti specializzati, schemi per operazioni in background e schemi di lunga durata. Ogni schema include un diagramma dei componenti chiave che realizzano lo schema, oltre a consigli per l'utilizzo e casi d'uso rappresentativi.

Infine, l'appendice include esempi di come questi schemi vengono combinati in soluzioni agentiche olistiche a supporto di un'esperienza agente più ampia, ad esempio per supportare il Servizio clienti o le Vendite con broker. Fare riferimento a questa sezione per vedere come un'esperienza agente completa sfrutta la scomposizione e la separazione delle preoccupazioni a livello di agente e di azione per favorire il riutilizzo a livello di interazione, con agenti condivisi che supportano componenti interni ed esterni, sia in modalità assistita che autonoma.

Poiché gli architetti aziendali integrano l'intelligenza artificiale generativa nei loro ecosistemi, devono rispondere a una serie di domande comuni sulla progettazione:

• Quanti agenti sono richiesti?
• Come interagiranno gli agenti?
• Qual è la divisione del lavoro tra agenti e umani?
• Come vengono assemblati questi componenti in un sistema coerente?

Questo documento presenta una metodologia basata su schemi per progettare e creare soluzioni agentiche.

Gli agenti monolitici sono il punto di partenza per la maggior parte delle soluzioni agentiche. Gli agenti, e più specificamente gli agenti Agentforce, sono esperti in una vasta gamma di argomenti. Per i casi d'uso più comuni, iniziare con un singolo agente.

Man mano che l'organizzazione cresce, le architetture multi-agente sono l'approccio preferito. L'architettura multiagente consente una maggiore scalabilità, controllo e flessibilità rispetto ai sistemi monolitici a agente singolo.

L'architettura multiagente offre i seguenti vantaggi chiave:

• Maggiori prestazioni e suddivisione della complessità: Un sistema di più agenti specializzati offre maggiori funzionalità e semplifica l'osservanza delle istruzioni.
• Modularità ed estensibilità: I singoli agenti possono essere aggiunti, sostituiti, modificati e testati con maggiore facilità, il che promuove l'agilità.
• Resilienza e tolleranza ai guasti: Il guasto di un singolo componente non compromette l'intero sistema, il che porta a una migliore resilienza complessiva.
• Governance decentralizzata: La risoluzione dei problemi e la gestione possono essere isolate per agenti specifici e le relative applicazioni, semplificando la manutenzione e la supervisione.

La razionalizzazione di un'architettura multi-agente inizia con la proiezione dei principi fondamentali dell'architettura sulle capacità e sulla struttura degli agenti. Le architetture multi-agente risultanti sono quindi una manifestazione dei principi di progettazione di sistema e architettura di sistema fondamentali che sono allineati con il "granello" unico delle tecnologie AI.

I principi chiave che guidano questa architettura sono:

• Gestire la complessità tramite la decomposizione
• Migliorare la resilienza e ridurre la fragilità attraverso il disaccoppiamento
• Migliorare l'affidabilità e l'efficienza attraverso il riutilizzo del codice
• Migliorare l'affidabilità degli agenti limitando l'ambito delle preoccupazioni di un agente
• Migliorare la manutenzione e l'evoluzione del sistema attraverso la modularità e l'estensibilità
• Semplificare la gestione e la responsabilità degli agenti grazie alla specializzazione

A differenza delle architetture agenti più primitive (ad esempio, quelle che si concentrano sugli LLM come costrutto architettonico centrale), Agenteforce fu progettato per l'orchestrazione multiagente. L'orchestrazione multi-agente è alla base del motore di ragionamento Atlas e del ragionamento agente per creare percorsi di programmazione dinamici ed efficaci all'interno di una risposta agente per espandere in modo significativo la capacità di offrire un ampio e profondo potenziamento agente all'esperienza utente (UX).

In Agentforce questo tipo di coordinamento è abilitato dai seguenti protocolli chiave aperti e interoperabili e dai prodotti Salesforce:

• Agenteforce fornisce un sottosistema Agente per incapsulare tutti gli elementi chiave di un agente: argomenti, istruzioni, azioni, guardrail, contesto, invocazioni, output, dettagli di esecuzione, registri, ecc.
• Azioni: fornire hook per accedere ai dati, chiamare flussi, invocare sistemi esterni e chiamare altri agenti.
• Data 360: fornisce un livello di virtualizzazione dei dati per offrire all'agente un contesto specifico e personalizzato (sfruttando il profilo unificato e la catena di chiavi di Data 360 per estrarre informazioni specifiche da tutta l'azienda).

E per gli agenti di tutta l'azienda o per accedere ad agenti o risorse, supportiamo:

• Model Context Protocol (MCP): è un livello di comunicazione sicuro che collega gli agenti a strumenti aziendali, dati e Knowledge per garantire la precisione del contesto.
• **Protocollo A2A (**Agent-to-Agent): è una stretta di mano standardizzata per la delega tra agenti che consente un coordinamento sicuro e regolamentato tra sistemi, organizzazioni e fornitori.

Questi principi costituiscono la base per la creazione di un sistema scalabile e governabile di intelligenza orchestrata.

Soluzioni agenti solide richiedono approcci chiari ai requisiti non funzionali alla base di un'efficace fornitura di tecnologia:

• Sicurezza e governance (gestione dell'identità e degli accessi, privacy dei dati, sicurezza dei dati e modellazione delle minacce).
• Osservabilità e monitoraggio (tracciamento distribuito, registrazione centralizzata, metriche e cruscotti digitali).
• Operatività e gestione del ciclo di vita (specifica, generazione di casi di test, test, feedback, apprendimento continuo, deprecazione).

Queste sono considerazioni architetturali chiave per la creazione di soluzioni Enterprise Agentic non trattate in questo whitepaper; tuttavia, verranno affrontate nelle pubblicazioni future.

Per gestire un panorama agentico a livello aziendale, gli architetti devono classificare gli agenti attraverso due lenti complementari: funzione tecnica e impatto sul business.

Questa tassonomia classifica i ruoli funzionali che gli agenti possono assumere all'interno di un'architettura.

• Ruoli canale/UX: Definire la modalità di interazione (ad esempio Headless, Prompt, Chat e messaggi o Aree di lavoro gestite da AI).
• Ruoli specialistici: Incapsulare Knowledge di dominio profondo (ad esempio, Esperto di dominio, Minion Knowledge, Assistente o Pianificatore).
• Ruoli servizio utilità: Eseguire operazioni transazionali discrete (ad esempio, Generazione, Riepilogo, Trasformazione o Configurazione).
• Ruoli di servizio proattivi e di manutenzione: Concentrarsi sullo stato e la qualità dei dati (ad esempio, Cura, Conformazione, Qualità dei dati o Arricchimento dei dati).
• Ruoli di lunga durata: Gestire i processi per periodi di tempo estesi (ad esempio, Concierge, Project Manager, Nurturer o Watcher/Alerter).

Per facilitare la progettazione e la comunicazione chiare, la mappa agente è il modello standard per descrivere le soluzioni agenti. Definisce entità, sistemi e interazioni chiave all'interno di uno schema di progettazione specifico.

Di seguito sono riportati i componenti del modello Mappa agente:

• I livelli utente definiscono gli attori umani del sistema (ad esempio, Clienti, Dipendenti autenticati (SF-Utenti) e Dipendenti non autenticati).
• I Livelli agente descrivono gli agenti richiesti, gli schemi presentati, le relazioni reciproche e le istruzioni utilizzate per attualizzare schemi specifici.
• Contesto/Azioni sono le risorse, le capacità o le azioni gestite o a cui l'agente accede.
• Le fonti sono i dati, le applicazioni, le Knowledge Base sottostanti e altri sistemi a cui gli agenti si connettono.

Le appendici A e B illustrano gli schemi agentici a livello di sistema dimostrandone la composizione all'interno delle swimlane del modello di mappa agente.

Salesforce utilizza una libreria di schemi degli agenti per organizzare e offrire soluzioni agenti affidabili e prevedibili. Questi schemi sono i nostri modelli per risolvere i problemi architettonici comuni.

Sono raggruppati in quattro categorie principali:

• Schemi di interazione: Concentrarsi sul coinvolgimento degli agenti e sull'esperienza utente (UX).
• Schemi specialistici/lavoratori: Incapsulare deep Knowledge o competenze specifiche all'interno di un dominio specifico.
• Utilità e schemi di gestione dei dati: Eseguire operazioni specifiche, spesso ripetibili, che supportano altri agenti o processi.
• Schemi di lunga durata: Gestire i processi e i flussi di lavoro che si verificano in periodi estesi, che includono più fasi.

Le sezioni seguenti descrivono gli schemi chiave di ogni categoria. Ogni descrizione dello schema fornisce una panoramica, un tipo di output, una guida all'uso dello schema, casi d'uso rappresentativi e un diagramma della soluzione, oltre alla mappatura alla rubrica Salesforce Agentic Maturity.

Gli schemi di interazione sono strutture di base incentrate sul coinvolgimento degli agenti e sull'esperienza degli utenti.

• Panoramica: Lo schema Greeter è uno schema semplice e facile da implementare che utilizza il linguaggio naturale per determinare l'intento dell'utente. Quindi, instrada l'utente all'agente umano appropriato.

• Tipo di output: Hand-off/Inoltra al livello superiore alla risorsa successiva.

• Valore aziendale: Facilitare un primo contatto semplice ed efficiente per i clienti ottimizzando la risoluzione degli intenti e la raccolta del contesto per i fornitori di servizi.

• Guida all'uso degli schemi: Configurare l'agente come risorsa di coinvolgimento principale per i canali del marchio. Fornire istruzioni su marchio, prodotti e servizi abbinate a istruzioni di instradamento basate sull'intento dell'utente. L'agente raccoglie e riepiloga l'intento di fornire un caloroso passaggio di consegne.

• Caso d'uso rappresentativo: Si immagini una pagina Web che utilizza un chat bot per presentare un menu di opzioni in cui gli utenti devono fare clic su tutte le opzioni prima di essere instradati a un essere umano. Per migliorare la produttività e l'efficienza del back-office, i chatbot utilizzano spesso percorsi di lavoro e interazioni complessi e complessi. Questo porta a uno scenario di stanchezza "compila, scegli e clicca" per i clienti che spesso si traduce in frustrazione se il loro contesto non rientra nelle opzioni di menu disponibili. Sostituendo i chatbot tradizionali con Agentic Front Door, che utilizza interazioni basate sul linguaggio naturale, si alleggerisce il carico e si crea un'interazione simile a quella umana.

• Procedimento Agentforce:

  • agente dell'assistenza Agentforce: Creazione di un agente dell'assistenza
    • L'agente dell'assistenza inserito nel pacchetto dispone di funzionalità di trasferimento configurabili che supportano il trasferimento:
      • Per gli agenti umani
      • Agli agenti AI
      • Agli agenti esterni
  • Modelli specifici del settore che contengono esempi di codice

• Diagramma:

• Maturità agente Salesforce: Livello 1 (o Livello 0 se si utilizza l'agente dell'assistenza pronto all'uso con trasferimento e inoltro al livello superiore incorporati)

• Panoramica: Lo schema Operatore si basa sullo schema Greeter instradando le richieste all'agente specializzato appropriato o all'intento umano e negoziale (se necessario).

• Tipo di output: Passaggio di consegne/Trasferimento alla risorsa successiva.

• Guida all'uso degli schemi: Abbinare le istruzioni specifiche del marchio e del servizio alle istruzioni su dove inviare l'utente in base all'intento. Definire le risorse di inoltro al livello superiore, che possono essere persone o altri agenti.

• Caso d'uso rappresentativo: Utilizzare la Porta principale agente per gli scenari in cui è presente un alto grado di specializzazione tra i rappresentanti umani o AI.

• Diagramma:

• Maturità agente Salesforce: Livello 2

• Panoramica: Lo schema Orchestrator gestisce un "intervento collettivo" dell'agente AI. Quando riceve una richiesta utente, passa l'enunciazione a uno o più agenti specializzati e quindi aggrega le risposte per l'utente. A differenza dello schema Operatore, rimane il primo punto di contatto (POC).

• Tipo di output: Raccogliere e preparare le risposte degli agenti lavoratori.

• Guida all'uso degli schemi: Configurato come coinvolgimento principale. Fornire istruzioni per ogni lavoratore dell'assistenza (ad esempio, un Prioritizer o una PMI del dominio) che consenta all'orchestratore di trasmettere le enunciazioni.

• Caso d'uso rappresentativo: Utilizzare lo schema Orchestrator come porta principale dell'agente per assistere i clienti che potrebbero avere bisogno di discutere di più argomenti per conversazione, il che richiede soluzioni multi-agente e interazioni coerenti. In un'architettura multi-sistema, considerare lo schema Orchestrator per coordinare le risposte tra i sistemi e con la collaborazione di agenti esterni.

• Diagramma:

• Maturità agente Salesforce: Livello 3

• Panoramica: Lo schema Ascoltatore/Feed mette in evidenza il contesto e gli approfondimenti durante il flusso di una conversazione. L'ascoltatore viene attivato durante ogni turno di conversazione per trovare e visualizzare le informazioni pertinenti per un dipendente.

• Tipo di output: Fornire il contesto pertinente in base alla conversazione, che può essere formattata per l'effetto (ad esempio, effettuare confronti o evidenziare punti chiave).

• Guida all'uso degli schemi: Collegare l'ascoltatore a un canale a turni (ad esempio, chat, voce o SMS). Definire gli argomenti per ogni area tematica. L'agente consuma la trascrizione, identifica gli argomenti e invoca le azioni per cercare e pubblicare contenuti pertinenti in un feed in esecuzione per il dipendente.

• Caso d'uso rappresentativo: Utilizzare l'Assistente universale per fornire assistenza al Servizio clienti o agli agenti di vendita.

• Diagramma:

• Maturità agente Salesforce: Livello 3

• Panoramica: Lo schema Area di lavoro gestisce un'interfaccia utente reattiva a un unico riquadro di vetro nel flusso di una conversazione. Elabora ogni enunciazione per aggiornare porzioni dell'unità operativa con contenuti pertinenti.

• Tipo di output: Fornire il contesto pertinente che si trova in un portlet all'interno di una visualizzazione a vetro singolo più grande.

• Guida all'uso degli schemi: Un agente orchestratore passa le enunciazioni a una suite di agenti Argomento. Ogni agente dell'argomento valuta l'istruzione per determinare se è necessario un aggiornamento UX. In caso affermativo, invia tramite push gli aggiornamenti dinamici al LWC corrispondente.

• Caso d'uso rappresentativo: Questo funziona come una porta principale agente avanzata.

• Diagramma:

• Maturità agente Salesforce: Livello 3

Gli schemi specialistici incapsulano Knowledge o competenze approfondite in un particolare dominio, e in genere sono orchestrati da schemi di interazione.

• Panoramica: Lo schema di risposta è uno schema efficace per il self-service che utilizza GenAI per determinare il linguaggio naturale per il recupero Knowledge, non solo le parole chiave.

• Tipo di output: Knowledge riepilogato e riferimenti/citazioni a materiali di supporto.

• Guida all'uso degli schemi: Organizzare e inserire materiali di origine affidabili (ad esempio, Knowledge Store o Domande frequenti) per configurare l'agente. Posizionare l'agente sui siti Web aziendali o all'interno dei portali interni. Monitorare le domande per identificare e risolvere le lacune Knowledge.

• Caso d'uso rappresentativo: Facilitare le ricerche per linguaggio naturale su un sito Web aziendale, interagire con un bot vantaggi per le risorse umane e fornire componenti self-service per tutti gli studenti.

• Diagramma:

• Maturità agente Salesforce: Livello 1

• Panoramica: Lo schema PMI dominio è uno schema di base che fornisce un front-end per linguaggio naturale per un dominio aziendale (ad esempio, Ordini o Richieste).

• Tipo di output: Fornire contenuti, argomenti, dati e informazioni formattate pertinenti sul dominio.

• Guida all'uso degli schemi: Utilizzare questo schema per incapsulare un oggetto o un dominio aziendale. Configurare l'agente con la possibilità di eseguire operazioni CRUD appropriate. Rendere disponibili questi agenti tramite gli schemi di interazione (ad esempio, - Orchestratore o Ascoltatore).

• Caso d'uso rappresentativo: Gatekeeping di un dominio di dati aziendali, fornitura di un "agente dell'ordine" o di un "agente dell'inventario" e fornitura di un'interfaccia agente per un dominio aziendale.

• Diagramma:

• Maturità agente Salesforce: Livello 2

• Panoramica: Lo schema Interrogator è un agente PMI che può essere interrogato su un argomento per riunire il contesto di più fonti per rispondere alle domande. La funzionalità agente chiave sfruttata è la capacità di estrarre il contesto e connettere i concetti in un corpo di contenuto, come farebbe un essere umano dopo aver letto e interiorizzato il contenuto. Questo schema attenua la necessità di "integrazione sedia girevole".

• Tipo di output: Fornire risposte alle domande.

• Guida all'uso degli schemi: È spesso configurato come widget console collegato al contesto corrente dell'utente in modo che possa porre domande direttamente. Viene utilizzato anche in combinazione con risorse Knowledge come Domande frequenti, Policy e cataloghi di prodotti. Abbinare lo schema Interrogator ai prompt standard per ridimensionare le risposte comuni alle domande comuni.

• Caso d'uso rappresentativo: Utilizzare come agente assistente a contratto; Assistente richieste di prestazioni o agente lavoratore specializzato in schemi multi-agente (ad esempio, Ascoltatore o Area di lavoro).

• Diagramma:

• Maturità agente Salesforce: Livello 2

• Panoramica: Lo schema Priority viene utilizzato per ordinare una serie di operazioni o oggetti di lavoro in base a un obiettivo definito. Sfrutta GenAI per analisi qualitative, analisi dei dati non strutturati o analisi integrativa in più domini di dati.

• Tipo di output: Fornire approfondimenti generativi.

• Guida all'uso degli schemi: Utilizzare il linguaggio naturale per descrivere le qualità desiderate per l'assegnazione delle priorità. Basare l'agente su una serie di opzioni selezionabili. Combinarlo con lo schema Listener per creare una "Next Best Action" reattiva nel flusso di lavoro.

• Caso d'uso rappresentativo: Utilizzare come generatore Next Best Action o agente lavoratore specializzato in schemi di lunga durata o multi-agente.

• Diagramma:

• Maturità agente Salesforce: Livello 2

Gli schemi di utilità eseguono operazioni specifiche e ripetibili che supportano altri agenti o processi.

• Panoramica: Lo schema Generator è uno schema di base per la creazione di nuovo contenuto (ad esempio, riepiloghi casi o bozze di email) da input e standard esistenti. Viene spesso implementato come prompt e può essere incorporato in altri agenti.

• Tipo di output: Fornire contenuti generati conformi al formato e all'intento richiesti.

• Guida all'uso degli schemi: Lo schema Generator può essere utilizzato nella maggior parte degli altri schemi o come modello indipendente. Il contesto può essere fornito tramite la richiesta, l'idratazione durante l'esecuzione o ulteriori fasi di arricchimento.

• Caso d'uso rappresentativo: Fornire riepiloghi dei casi, bozze di email, articoli Knowledge o proposte/risposte ai QBR.

• Diagramma:

• Maturità agente Salesforce: Livello 1

• Panoramica: Lo schema Data Steward è uno schema autonomo in background che introduce una fase agente nelle operazioni sui dati per garantire qualità, conformità e arricchimento coerenti dei dati.

• Tipo di output: Fornire campi record e dati aggiornati prima del salvataggio.

• Guida all'uso degli schemi: Incorporare la qualità dei dati al momento della creazione aggiungendo gli steward dei dati che registrano i flussi di attivazione prima di salvare i dati. Aiuta a garantire un'applicazione coerente dei dati di classificazione, riepilogo e stato.

• Caso d'uso rappresentativo: Garantire aggiornamenti coerenti dello stile "Pizza-Tracker", arricchire i dati degli account ed eliminare codici postali e indirizzi non corrispondenti.

• Diagramma:

• Maturità agente Salesforce: Livello 2

• Panoramica: Lo schema Zen Data Gardener è uno schema in background pianificato utilizzato per preparare e standardizzare i dati, utilizzando ragionamenti a basso costo per convalidare, arricchire e conformare i dati in domini di dati altrimenti non connessi.

• Tipo di output: Fornire record aggiornati e/o operazioni di gestione dei dati.

• Guida all'uso degli schemi: Utilizzare lo schema per abilitare la revisione e la convalida periodiche e periodiche dei dati. Per i dati che cambiano lentamente, pianificare l'agente con una cadenza lenta (ad esempio, mensile). Combinarla con lo schema Data Steward per fornire operazioni di qualità dei dati prospettiche e retrospettive.

• Caso d'uso rappresentativo: Garantire l'allineamento tra i vantaggi venduti e il sistema di richieste, nonché la convalida periodica delle licenze broker rispetto ai registri nazionali.

• Diagramma:

• Maturità agente Salesforce: Livello 4

• Panoramica: Lo schema Configuratore genera artefatti di configurazione (ad esempio, SQL/SOQL, JSON e CSV) dai requisiti del linguaggio naturale. Può anche essere eseguito in senso inverso per convalidare una configurazione esistente in base ai requisiti.

• Tipo di output: Fornire record aggiornati, operazioni di gestione dei dati o creare problemi/errori per la correzione.

• Guida all'uso degli schemi: Basare l'agente su standard, linee guida o esempi specifici. Configurare i requisiti di creazione utilizzando fonti come contratti o specifiche di prodotto. Collegare lo schema Configuratore al sistema di destinazione per inviare tramite push la configurazione generata.

• Caso d'uso rappresentativo: Generazione di record di configurazione prodotto per i prodotti assicurativi sanitari e convalida delle condizioni di contratto/pagamento per gli operatori sanitari.

• Diagramma:

• Maturità agente Salesforce: Livello 4

• Panoramica: Lo schema Giudice & Giuria è progettato per ridurre al minimo le allucinazioni utilizzando un insieme di agenti "giurati" e un agente "giudice" che valuta la congruenza delle risposte per assicurarsi che siano materialmente coerenti e fondate.

  • L'approccio Ensemble è incorporato in Agentforce e nel motore di ragionamento Atlas per gestire la veridicità e la pertinenza delle risposte. Lo schema Giudice e Giuria si basa su questa funzionalità quando sono essenziali livelli elevati di precisione.
  • Anche la combinazione di Data Grounding (ad esempio, "trova la risposta in questi record/documenti") e Prompt Engineering (ad esempio, "restituisci una risposta solo se è presente in questi record" o "convalida la risposta con questa fonte esterna") sono metodi efficaci per ridurre al minimo le allucinazioni.

• Tipo di output: Fornire approfondimenti generativi.

• Guida all'uso degli schemi: Utilizzare quando vi è una forte esigenza di output generativi coerenti e fondati. Un agente giurato compila un prompt basato e lo passa a due o più agenti giurati, quindi il giudice valuta le risposte. Per risultati ottimali, utilizzare modelli diversi (ad esempio, uno di OpenAI e un altro di Anthropic) per ogni agente del giurato.

• Caso d'uso rappresentativo: Fornire risposte ad alta fedeltà e basate sui fatti per ridurre al minimo le allucinazioni.

• Diagramma:

• Maturità agente Salesforce: Livello 2

• Panoramica: Lo schema Modello di modelli sfrutta più agenti esperti per generare un'ampia gamma di prospettive e quindi estrae il consenso. A differenza dello schema Giudice & Giuria, questo schema abbraccia più punti di vista per migliorare la ricchezza.

  • Questo schema può anche essere chiamato schema Panel di esperti quando esistono modelli esperti con diversi punti di vista (POV) che può essere utile toccare.
  • A differenza dello schema Giudice e Giuria, in cui l'intento è garantire che la risposta dell'agente converga su una "verità" comunemente accessibile, lo schema Modello di modelli estende l'ambito della risposta sfruttando la diversità nell'ambiente agente.
  • Questo schema presuppone che vi siano altri agenti con un POV distinto. Ad esempio, in un ambiente multi-organizzazione, multi-agente o con più agenti forniti dal fornitore in pile tecnologiche, lo schema Modello di modelli fornisce una struttura per l'integrazione di più POV.
  • Quando si considera questo schema, considerare anche altri approcci, spesso più leggeri:
    • Anziché definire più agenti esperti, specificare più prompt e fare in modo che il sistema funzioni come un insieme di prompt.
    • Sfruttare il "basamento" tramite azioni che accedono a dati appropriati per il contesto.

• Tipo di output: Fornire approfondimenti generativi.

• Guida all'uso degli schemi: Il ruolo di un agente Aggregatore è quello di formare e restituire un POV completo in base ai concetti chiave restituiti dagli agenti Modello. Gli agenti modello determinano una risposta in base al loro POV univoco.

• Caso d'uso rappresentativo: Utilizzare in situazioni che possono trarre vantaggio dall'unione di punti di vista diversi per migliorare la qualità delle risposte. Ad esempio, un ambiente agente multi-sistema in cui gli agenti con privilegi (ad esempio, un agente ERP) possono avere un POV utile e altrimenti inaccessibile.

• Diagramma:

• Maturità agente Salesforce: Livello 2

Gli schemi di processo gestiscono i processi che si verificano in periodi estesi e coinvolgono più fasi e attori.

• Panoramica: Lo schema Project Manager è uno schema complesso che supervisiona un progetto di lunga durata. Coordina le attività, tiene traccia del completamento, invia notifiche agli utenti e rappresenta lo stato del progetto agli stakeholder.

• Tipo di output: Esistono più output (ad esempio casi, operazioni, aggiornamenti di stato e notifiche).

• Guida all'uso degli schemi: Utilizzare come schema ombrello per supportare attività regolari, ripetute e a più fasi. Lo schema Project Manager prende un modello di input/una struttura di un progetto (comprese operazioni, ruoli e dipendenze), quindi istanzia i casi e le attività e li assegna agli utenti.

• Caso d'uso rappresentativo: Utilizzare per la gestione dell'installazione degli account e il coinvolgimento delle vendite aziendali.

• Diagramma:

• Maturità agente Salesforce: Livello 4

Mentre gli schemi descrivono i ruoli degli agenti, gli archetipi di orchestrazione definiscono i modelli a livello di sistema per la collaborazione di un parco agenti. Questi archetipi chiariscono i ruoli di Agenteforce come cervello di orchestrazione e MuleSoft come connettore e adattatore universale.

Archetipo 1: SOMA (organizzazione singola, più agenti)

• Definizione: Più agenti collaborano all'interno di un'unica organizzazione Salesforce che utilizza dati e governance condivisi.
• Flusso architettonico: In Agentforce, un agente supervisore funge da singola porta principale, instradando le richieste agli agenti specializzati all'interno dell'organizzazione. Per le funzionalità esterne, gli agenti utilizzano il client MCP Agentforce con MuleSoft che funge da MCP-wrapper per le API non abilitate per MCP.
• Considerazioni chiave: Questo schema centralizza la logica di orchestrazione in Salesforce (simile al contesto CRM e a Data 360) per mantenere governance, identità, autorizzazioni e osservabilità unificate.

Archetype 2: MOMA (organizzazione multipla, più agenti)

• Definizione: Gli agenti collaborano tra più organizzazioni Salesforce, il che richiede un coordinamento sicuro tra i confini dei dati e delle autorizzazioni.
• Flusso architettonico: Un agente supervisore di un'organizzazione delega un'operazione a un agente di un'altra organizzazione tramite il protocollo standardizzato da agente ad agente. Questa stretta di mano garantisce Trust a livello di organizzazione, flusso di identità utente e contesto di conversazione condiviso.
• Considerazioni chiave: Questo schema mantiene l'autonomia dell'organizzazione e abilita i flussi di lavoro a livello aziendale, il che fornisce una base per operazioni agenti coerenti in strutture complesse multi-organizzazione.

Archetype 3: A2A multi-vendor (orchestrazione guidata da Salesforce)

• Definizione: Un agente supervisore di Salesforce coordina il lavoro di un mix di agenti nativi di Salesforce e agenti di altri fornitori (ad esempio Google/Vertex o LangGraph) tramite il protocollo A2A.
• Flusso architettonico: L'agente supervisore elabora la richiesta e orchestra un piano, richiamando gli agenti interni ed esterni del fornitore tramite il protocollo A2A. Per i sistemi esterni che non supportano A2A, MuleSoft può esporre una "facciata agente leggera" che avvolge lo strumento esistente e comunica con A2A.
• Considerazioni chiave: Questo archetipo mantiene il cervello dell'orchestrazione vicino a CRM e Data 360 utilizzando A2A per produrre una composizione pulita e governabile senza un livello di orchestrazione separato.

Archetipo 4: A2A multi-vendor (orchestrazione guidata da MuleSoft)

• Definizione: L'orchestrazione viene avviata da un punto di ingresso non Salesforce, che richiede un orchestratore esterno neutrale per eseguire il ragionamento e l'instradamento.
• Flusso architettonico: Un agente dell'interfaccia utente in un sistema esterno inoltra la richiesta a un servizio di orchestrazione (concepito come MuleSoft Conductor), che interpreta l'intento e pianifica l'operazione. Il conduttore utilizza quindi A2A per instradare le chiamate agli agenti del fornitore, inclusi gli agenti Agentforce per le azioni CRM o di servizio.
• Considerazioni chiave: Questo schema è per i punti di ingresso non Salesforce in cui è preferibile un orchestratore neutrale dal punto di vista architettonico. Mantiene l'interfaccia utente nel sistema di dominio centralizzando il ragionamento, la governance, la policy e l'osservabilità in MuleSoft.

Questi schemi individuali e archetipi di orchestrazione sono componenti architettonici progettati per essere composti in soluzioni complete. La mappa delle soluzioni agentiche viene utilizzata per visualizzare come questi componenti sono cablati insieme.

• Una soluzione Member Services per un operatore sanitario è un'implementazione standard dell'archetipo SOMA. Utilizza un Answerbot per gli utenti anonimi, un Orchestrator per i membri autenticati e più agenti PMI del dominio (ad esempio Caso, Richieste e Vantaggi) per gestire richieste specifiche.
• Un portale Broker B2C è una composizione complessa che utilizza un agente Orchestratore portale per invocare un agente Project Manager di lunga durata per un processo RFP, che a sua volta utilizza agenti headless, datasteward e interrogatori per le operazioni sui dati di back-office.

Una metodologia basata su modelli di progettazione agenti fornisce la disciplina architettonica necessaria per creare sistemi di intelligenza artificiale aziendali robusti, scalabili e manutenbili. Suddividendo la complessità e promuovendo la modularità, questi schemi consentono agli architetti di offrire soluzioni agentiche affidabili e prevedibili.

La scelta dell'archetipo di orchestrazione è una decisione strategica basata su dove lavorano gli utenti, dove risiede il contesto e come l'azienda governa l'interazione tra persone, agenti e sistemi. Comprendendo la distinzione tra agenti edili e orchestrandoli e sfruttando protocolli aperti come MCP e A2A, gli architetti possono andare oltre la creazione di bot isolati per progettare un sistema di ragionamento aziendale coerente, governato e distribuito. Questo approccio fornisce un linguaggio condiviso e una serie di modelli riutilizzabili per creare un'architettura agente sostenibile.

Questa appendice fornisce esempi concreti di come gli schemi agentici sono composti in soluzioni a livello di sistema.

Questo diagramma illustra come collegare cinque schemi di base per creare un flusso di lavoro comune per l'assistenza clienti.

1. Answerbot: Un utente anonimo pone una domanda, gestita da un agente basato su Knowledge.
2. Operatore: La domanda di un dipendente viene analizzata da un Operatore, che la mette in campo e la passa a un agente più specializzato.
3. Orchestratore: Un utente autenticato (SF User) interagisce con un orchestratore che coordina più agenti per gestire una richiesta potenzialmente complessa.
4. PMI di dominio: Gli agenti specializzati (ad esempio, gli agenti delle risorse umane o gli agenti dei benefit) vengono richiamati dall'orchestratore per eseguire aggiornamenti dell'oggetto e recuperare dati specifici.
5. Generatore: Gli agenti delle utilità vengono utilizzati per riepilogare i dettagli dell'account o concludere un caso al termine dell'interazione.

Questa mappa della soluzione descrive i dettagli di un'architettura agente per un caso d'uso di Servizi per i membri, dimostrando la composizione di più schemi.

• Profili utente: La soluzione serve tre tipi di utenti distinti: Utente anonimo, Membro autenticato e Utente SF (ad esempio, un CSR umano).
• Schemi di interazione: Un Answerbot gestisce le query "Find-A-Doc" anonime, mentre un Orchestrator (Agentic Front Door) gestisce le richieste degli utenti autenticati. Uno schema Listener/Feed assiste l'utente SF.
• Riutilizzo agente dominio: Gli agenti PMI del dominio specializzati (ad esempio Agente caso, Agente richieste o Agente vantaggi) vengono riutilizzati in diversi flussi di interazione.
• Autonomo & Assistente: Il sistema combina agenti autonomi (per indirizzare l'interazione degli utenti) e agenti ausiliari (per aumentare i CSR umani).
• Fonti di dati: L'architettura integra un mix di fonti di dati pubbliche ed aziendali, con un ampio uso di Data 360 e MuleSoft per la connettività.

Questo diagramma illustra un'architettura logica per una soluzione di intelligenza artificiale assistita in un call center, organizzata in livelli funzionali.

• Agenti orchestratori: Gestire le esperienze utente per profili diversi (ad esempio, Anonimo, Membro esterno o CSR) e orchestrare il flusso di interazione generale.
• Agenti lavoratori: Più agenti PMI si concentrano su domini di business chiave come Knowledge, Caso/Richieste/Vantaggi e Elenco operatori. È incluso anche un agente Next Best Action.
• Utilità Agenti: Eseguire operazioni specifiche e riutilizzabili come Traduzione, Conclusione casi e Riepilogo chiamate. Integrazione e sistemi principali: L'intero sistema agente è connesso tramite un livello di integrazione multipiattaforma alle risorse di dati non strutturate, alle risorse di dati strutturate e ai sistemi aziendali principali.
• Governance: Un livello di governance offre osservabilità, valutazione e gestione per gli LLM/SLM utilizzati dagli agenti.

Questa mappa della soluzione descrive in dettaglio un'interazione agente complessa e di lunga durata per un portale broker assicurativo sanitario B2B. Il modello include un agente del portale (Orchestratore) che facilita il percorso del broker attraverso più fasi (ad esempio, l'invio di una RFP e la ricezione di una proposta). Questo orchestratore invoca un agente Responsabile progetto, che a sua volta coordina diversi agenti headless per la qualità e le trasformazioni dei dati di back-office, ad esempio un estrattore RFP, una trasformazione censuaria e uno steward dati.

Questo diagramma mostra un'architettura logica per una soluzione di broker B2C, che dimostra un approccio a livelli simile al call center. Include agenti orchestratori per profili utente diversi, agenti lavoratori riutilizzabili per domini chiave (ad esempio, Knowledge, Servizi per i membri o Commissioni) e agenti utilità per funzioni specifiche come la traduzione e il riepilogo.

Questo diagramma mostra un'architettura logica per una soluzione Provider Contracting. Gli agenti orchestratori gestiscono interazioni complete, gli agenti lavoratori gestiscono intenti specifici all'interno di un dominio (ad esempio, un agente PMI contraente) e gli agenti delle utilità eseguono operazioni discrete come il confronto dei contratti o la generazione di approfondimenti.

La tabella seguente riassume diversi schemi di interazione chiave, esperienze utente tipiche e scopi architettonici principali.

David Harshbarger è un imprenditore di successo e leader tecnologico che ha lavorato per molte aziende leader nel settore del software, progettando soluzioni che allineano la grana dell'architettura con la grana del business in modo che i tecnologi lavorino con, non contro, la loro tecnologia abilitante. Oggi David lavora come Principal Enterprise Architect presso Salesforce, supportando Health & Life Sciences.

Chacha Choudhury è un IT CTO/Chief Architect altamente esperto e visionario con decenni di esperienza, attualmente in qualità di Principal Enterprise Architect a capo del Salesforce Architecture Program e della Global Community of Architects. È riconosciuto per la sua esperienza nell'impostazione di una strategia tecnologica a livello aziendale, nel guidare la modernizzazione dell'architettura e in soluzioni innovative all'avanguardia, tra cui l'intelligenza artificiale generativa e le applicazioni di intelligenza artificiale agente.