Amazon Nova Sonic es un modelo básico que crea conversaciones de voz a voz naturales y similares a las humanas para aplicaciones de IA generativa, lo que permite a los usuarios interactuar con la IA a través de la voz en tiempo real, con capacidades para comprender el tono, permitir el flujo natural y realizar acciones.
La arquitectura multiagente ofrece un patrón de diseño modular, robusto y escalable para asistentes de voz de nivel de producción. Esta publicación de blog explora las aplicaciones de agentes de voz de Amazon Nova Sonic y demuestra cómo se integran con los subagentes del marco de Strands Agents mientras aprovechan Amazon Bedrock AgentCore para crear un sistema multiagente eficaz.
¿Por qué una arquitectura multiagente?
Imagine desarrollar una aplicación de asistente financiero responsable de la incorporación de usuarios, la recopilación de información, la verificación de identidad, las consultas de cuentas, el manejo de excepciones y la transferencia a agentes humanos en función de condiciones predefinidas. A medida que se amplían los requisitos funcionales, el agente de voz continúa agregando nuevos tipos de consultas. El mensaje del sistema se vuelve enorme y la lógica subyacente se vuelve cada vez más compleja, lo que ilustra un desafío persistente en el desarrollo de software: los diseños monolíticos conducen a sistemas que son difíciles de mantener y mejorar.
Piense en la arquitectura de múltiples agentes como la creación de un equipo de asistentes de IA especializados en lugar de depender de un único ayudante que lo haga todo. Así como las empresas dividen las responsabilidades entre diferentes departamentos, este enfoque divide las tareas complejas en partes más pequeñas y manejables. Cada agente de IA se convierte en un experto en un área específica, ya sea verificación de hechos, procesamiento de datos o manejo de solicitudes especializadas. Para el usuario, la experiencia se siente perfecta: no hay demoras, ni cambios en la voz ni transferencias visibles. El sistema funciona entre bastidores, indicando a cada agente experto que intervenga en el momento adecuado.
Además de los beneficios modulares y sólidos, los sistemas multiagente ofrecen ventajas similares a una arquitectura de microservicio, un patrón de diseño de software empresarial popular, que proporciona escalabilidad, distribución y mantenibilidad al tiempo que permite a las organizaciones reutilizar flujos de trabajo agentes ya desarrollados para sus aplicaciones impulsadas por modelos de lenguaje grande (LLM).
Aplicación de muestra
En este blog, nos referimos al código de laboratorio de agentes múltiples del taller de Amazon Nova Sonic, que utiliza el asistente de voz bancario como muestra para demostrar cómo implementar agentes especializados en Amazon Bedrock AgentCore. Utiliza Nova Sonic como capa de interfaz de voz y actúa como orquestador para delegar consultas detalladas a subagentes escritas en Strands Agents alojados en AgentCore Runtime. Puede encontrar el código fuente de muestra en el repositorio de GitHub.
En el ejemplo del agente de voz bancario, el flujo de conversación comienza con un saludo y la recopilación del nombre del usuario, y luego maneja consultas relacionadas con banca o hipotecas. Usamos tres agentes de nivel secundario alojados en AgentCore para manejar la lógica especializada:
Subagente de autenticación: maneja la autenticación del usuario utilizando el ID de la cuenta y otra información. Subagente bancario: maneja verificaciones de saldos de cuentas, extractos y otras consultas relacionadas con la banca. Subagente hipotecario: maneja consultas relacionadas con hipotecas, incluidos refinanciamiento, tasas y opciones de pago.
Los subagentes son autónomos y manejan su propia lógica, como la validación de entradas. Por ejemplo, el agente de autenticación valida los ID de las cuentas y devuelve errores a Nova Sonic si es necesario. Esto simplifica la lógica de razonamiento en Nova Sonic y al mismo tiempo mantiene la lógica empresarial encapsulada, similar a los patrones de diseño modular de ingeniería de software.
Integre Nova Sonic con AgentCore a través de eventos de uso de herramientas
Amazon Nova Sonic se basa en el uso de herramientas para integrarse con flujos de trabajo agentes. Durante el ciclo de vida del evento Nova Sonic, puede proporcionar configuraciones de uso de herramientas a través del evento PromptStart, que está diseñado para iniciarse cuando Sonic recibe tipos específicos de entrada.
Por ejemplo, en el siguiente ejemplo de configuración de la herramienta Sonic, el uso de la herramienta se configura para iniciar eventos basados en el modelo de razonamiento integrado de Sonic, que clasifica la consulta para enrutarla a los subagentes bancarios.
Cuando un usuario le hace a Nova Sonic una pregunta como “¿Cuál es el saldo de mi cuenta?”, Sonic envía un evento toolUse a la aplicación cliente con el nombre de herramienta especificado (por ejemplo, bankAgent) definido en la configuración. Luego, la aplicación puede invocar al subagente alojado en AgentCore para manejar la lógica bancaria y devolver la respuesta a Sonic, quien a su vez genera una respuesta de audio para el usuario.
Subagente en AgentCore
El siguiente ejemplo muestra el subagente bancario desarrollado utilizando el marco de Strands Agents, configurado específicamente para su implementación en Bedrock AgentCore. Aprovecha Nova Lite a través de Amazon Bedrock como modelo de razonamiento, proporcionando capacidades cognitivas efectivas con una latencia mínima. La implementación del agente presenta un mensaje del sistema que define las responsabilidades de su asistente bancario, complementado con dos herramientas especializadas: una para consultas de saldo de cuentas y otra para recuperación de extractos bancarios.
Mejores prácticas para sistemas multiagente basados en voz
La arquitectura multiagente proporciona una flexibilidad excepcional y un enfoque de diseño modular, lo que permite a los desarrolladores estructurar asistentes de voz de manera eficiente y potencialmente reutilizar los flujos de trabajo de agentes especializados existentes. Al implementar experiencias de voz primero, se deben considerar las mejores prácticas importantes que abordan los desafíos únicos de esta modalidad.
Equilibre la flexibilidad y la latencia: aunque la capacidad de invocar subagentes mediante eventos de uso de herramientas Nova Sonic crea capacidades poderosas, puede introducir latencia adicional en las respuestas de voz. Para los casos de uso que requieren una experiencia sincronizada, cada transferencia de agente representa un punto de retraso potencial en el flujo de interacción. Por lo tanto, es importante diseñar teniendo en cuenta el tiempo de respuesta. Optimice la selección de modelos para subagentes: comenzar con modelos más pequeños y más eficientes como Nova Lite para subagentes puede reducir significativamente la latencia y al mismo tiempo manejar tareas especializadas de manera efectiva. Reserve modelos más grandes y capaces para razonamientos complejos o cuando sea esencial una comprensión sofisticada del lenguaje natural. Cree respuestas optimizadas por voz: los asistentes de voz funcionan mejor con respuestas concisas y enfocadas que pueden ir seguidas de detalles adicionales cuando sea necesario. Este enfoque no sólo mejora la latencia sino que también crea un flujo conversacional más natural que se alinea con las expectativas humanas para la comunicación verbal.
Considere el diseño de subagente sin estado versus con estado
Los subagentes sin estado manejan cada solicitud de forma independiente, sin retener memoria de interacciones pasadas o estados a nivel de sesión. Son sencillos de implementar, fáciles de escalar y funcionan bien para tareas sencillas y únicas. Sin embargo, no pueden proporcionar respuestas conscientes del contexto a menos que se introduzca una gestión estatal externa.
Los subagentes con estado, por otro lado, mantienen la memoria a través de las interacciones para respaldar respuestas conscientes del contexto y estados a nivel de sesión. Esto permite experiencias de usuario más personalizadas y coherentes, pero conlleva complejidad y requisitos de recursos adicionales. Son más adecuados para escenarios que involucran interacciones de varios turnos y almacenamiento en caché de contexto a nivel de usuario o sesión.
Conclusión
Las arquitecturas multiagente desbloquean flexibilidad, escalabilidad y precisión para flujos de trabajo complejos impulsados por IA. Al combinar las capacidades conversacionales de Nova Sonic con el poder de orquestación de Bedrock AgentCore, puede crear agentes inteligentes y especializados que trabajen juntos sin problemas. Si está explorando formas de mejorar sus aplicaciones de IA, los patrones multiagente con Nova Sonic y AgentCore son un enfoque poderoso que vale la pena probar.
Obtenga más información sobre Amazon Nova Sonic visitando la Guía del usuario, creando su aplicación con las aplicaciones de muestra y explorando el taller de Nova Sonic para comenzar. También puede consultar el informe técnico y la tarjeta del modelo para obtener puntos de referencia adicionales.
Sobre los autores
Lana Zhang es arquitecta senior especializada en soluciones para IA generativa en AWS dentro de la Organización Mundial de Especialistas. Se especializa en IA/ML, con especial atención en casos de uso como asistentes de voz de IA y comprensión multimodal. Trabaja en estrecha colaboración con clientes de diversas industrias, incluidos los medios y el entretenimiento, los juegos, los deportes, la publicidad, los servicios financieros y la atención médica, para ayudarlos a transformar sus soluciones comerciales a través de la IA.