AgentesCódigo Aberto 🇺🇸 24.07.2026 07:04

Amazon Quick e NVIDIA NeMo Agent Toolkit para Fluxos de Trabalho de Agentes Especializados

Amazon Web ServicesAmazon Web Services NVIDIANVIDIA
A Amazon Quick e o NVIDIA NeMo Agent Toolkit são combinados para construir fluxos de trabalho de agentes especializados para usuários de negócios, usando um exemplo de risco na cadeia de suprimentos. A solução permite que planejadores passem do contexto do painel para recomendações de mitigação por meio de uma interface de chat, com orquestração de backend tratada pelo NeMo.
O post descreve uma solução que combina o Amazon Quick com o NVIDIA NeMo Agent Toolkit para criar fluxos de trabalho de agentes especializados para usuários de negócios, focando em um caso de uso de risco na cadeia de suprimentos. O Amazon Quick serve como front-end para usuários de negócios, oferecendo um espaço de trabalho conversacional para acessar dados estruturados, conhecimento empresarial de fontes como Amazon S3, Google Drive, SharePoint, Confluence e conteúdo web interno, além de mais de 100 conectores de ação pré-construídos para sistemas de terceiros como Outlook, Slack, Jira e Asana. Os usuários também podem invocar fluxos de trabalho de agentes via Model Context Protocol (MCP). O NVIDIA NeMo Agent Toolkit é uma biblioteca open source e independente de framework para construir, avaliar, perfilar e otimizar fluxos de trabalho de agentes, compatível com LangChain, LlamaIndex, CrewAI, Microsoft Semantic Kernel, Google ADK e agentes Python personalizados. Na solução, analistas da cadeia de suprimentos usam um agente de chat do Amazon Quick para diagnosticar problemas, o que aciona um fluxo de trabalho do NeMo Agent Toolkit que investiga interrupções, chama ferramentas da cadeia de suprimentos (por exemplo, risco de ordem de compra, exposição de estoque, impacto no cliente, consulta de políticas, opções de logística, recomendação de mitigação), valida a recomendação e retorna um plano de mitigação classificado com evidências, rastreamento, latência e metadados do avaliador. A arquitetura inclui o Amazon Quick para interface e acesso ao conhecimento, o Amazon Bedrock AgentCore como gateway MCP e runtime, e o NeMo Agent Toolkit para o fluxo de trabalho backend. A implantação utiliza AWS CloudFormation, AWS CodeBuild e Amazon ECR. Os usuários podem configurar um painel usando dados de amostra e criar fontes de conhecimento para contexto não estruturado.
Fonte: AWS ML blog — original
Nossos posts anteriores sobre este tópico ↓
Notícias frescas