विशेष एजेंट वर्कफ़्लो के लिए Amazon Quick और NVIDIA NeMo Agent Toolkit
Amazon Web Services
NVIDIA
Amazon Quick और NVIDIA NeMo Agent Toolkit को मिलाकर व्यावसायिक उपयोगकर्ताओं के लिए विशेष एजेंट वर्कफ़्लो बनाए जाते हैं, जिसमें आपूर्ति-श्रृंखला जोखिम का उदाहरण दिया गया है। यह समाधान प्लानर्स को डैशबोर्ड संदर्भ से चैट इंटरफ़ेस के माध्यम से शमन सिफ़ारिशों तक जाने की अनुमति देता है, जिसमें बैकएंड ऑर्केस्ट्रेशन NeMo द्वारा संभाला जाता है।
यह पोस्ट एक ऐसे समाधान का वर्णन करती है जो Amazon Quick और NVIDIA NeMo Agent Toolkit को मिलाकर व्यावसायिक उपयोगकर्ताओं के लिए विशेष एजेंट वर्कफ़्लो बनाता है, जिसमें सप्लाई-चेन जोखिम का उपयोग मामला है। Amazon Quick व्यावसायिक उपयोगकर्ताओं के लिए फ्रंट-एंड का काम करता है, जो संरचित डेटा, Amazon S3, Google Drive, SharePoint, Confluence और आंतरिक वेब सामग्री जैसे स्रोतों से एंटरप्राइज़ ज्ञान, और Outlook, Slack, Jira और Asana जैसे तृतीय-पक्ष सिस्टम के लिए 100 से अधिक पूर्व-निर्मित एक्शन कनेक्टर्स तक पहुँचने के लिए एक संवादात्मक कार्यक्षेत्र प्रदान करता है। उपयोगकर्ता Model Context Protocol (MCP) के माध्यम से एजेंटिक वर्कफ़्लो भी चला सकते हैं। NVIDIA NeMo Agent Toolkit एक ओपन सोर्स, फ्रेमवर्क-अज्ञेयवादी लाइब्रेरी है जो एजेंटिक वर्कफ़्लो बनाने, मूल्यांकन करने, प्रोफाइल करने और अनुकूलित करने के लिए है, जो LangChain, LlamaIndex, CrewAI, Microsoft Semantic Kernel, Google ADK और कस्टम Python एजेंटों के साथ संगत है। इस समाधान में, सप्लाई-चेन विश्लेषक समस्याओं का निदान करने के लिए Amazon Quick चैट एजेंट का उपयोग करते हैं, जो NeMo Agent Toolkit वर्कफ़्लो को ट्रिगर करता है जो व्यवधानों की जाँच करता है, सप्लाई-चेन टूल्स (जैसे, खरीद आदेश जोखिम, इन्वेंटरी एक्सपोज़र, ग्राहक प्रभाव, नीति खोज, लॉजिस्टिक्स विकल्प, शमन सिफारिश) को कॉल करता है, सिफारिश को मान्य करता है, और साक्ष्य, ट्रेस, विलंबता और मूल्यांकनकर्ता मेटाडेटा के साथ एक रैंक्ड शमन योजना लौटाता है। आर्किटेक्चर में UI और ज्ञान तक पहुँच के लिए Amazon Quick, MCP गेटवे और रनटाइम के रूप में Amazon Bedrock AgentCore, और बैकएंड वर्कफ़्लो के लिए NeMo Agent Toolkit शामिल है। डिप्लॉयमेंट AWS CloudFormation, AWS CodeBuild और Amazon ECR का उपयोग करता है। उपयोगकर्ता नमूना डेटा का उपयोग करके एक डैशबोर्ड सेट कर सकते हैं और असंरचित संदर्भ के लिए ज्ञान स्रोत बना सकते हैं।
स्रोत: AWS ML blog —
मूल
