Verpassen Sie nie eine neue Ausgabe von Die Variableunser wöchentlicher Publication mit einer erstklassigen Auswahl an Picks der Redakteure, Deep Dives, Group Information und mehr.
Der Agentic-AI-Landschaft entwickelt sich weiterhin mit einer erstaunlichen Geschwindigkeit, und die Praktiker stellen es zunehmend schwierig, mehrere Agenten auf die Aufgabe zu halten, selbst wenn sie sich gegenseitig die Workflows des anderen kreuzen.
Um Ihnen zu helfen, das Chaos zu minimieren und eine Harmonie zwischen den Agenten zu erhalten, haben wir eine herausragende Reihe von Artikeln zusammengestellt, in denen zwei kürzlich gestartete Instruments untersucht werden: Googles Agent2Agent-Protokoll und Umarmung von Face’s Smolagents Framework. Lesen Sie weiter, um zu erfahren, wie Sie sie in Ihren eigenen neuesten Projekten nutzen können.
Innerhalb von Googles Agent2Agent (A2A) -Protokoll: Lehren von KI -Agenten, miteinander zu sprechen
Wenn Sie Ihre ersten Schritte mit KI -Agenten unternehmen, verpassen Sie nicht Hailey Quach‚S zugängliche Einführung in das A2A-Protokoll: Es ist „wichtig, weil es verspricht, AI-Agenten aus ihren Silos zu brechen und sie eher wie ein intestine koordiniertes Staff als isolierte Genies zusammenarbeiten zu lassen.“
Kommunikation mit Multi-Agent mit dem A2A Python SDK
Bereit, mit A2A zu basteln? Deborah Mesquita Erstellt ein Spielzeugbeispiel, um Ihnen zu helfen, die inneren Arbeiten des Protokolls zu verstehen.
Von Daten zu Geschichten: Code -Agenten für KPI -Erzählungen
Für einen anderen Ansatz bei der Multi-Agent-Orchestrierung, Mariya Mansurova führt uns durch einen Smolagents-Workflow.
Die Should-Learn-Geschichten dieser Woche
Nachholen Sie die Artikel, über die unsere Group in den letzten Tagen summt hat. Hier ist eine Zusammenfassung der Trendgeschichten dieser Woche:
So entwerfen Sie meinen ersten KI -Agenten von Fabiana Clemente
Aufbau eines modernen Armaturenbretts mit Python und Gradio von, von Thomas Reid
Wie ich meinen Workflow für maschinelles Lernen mit nur 10 Zeilen von Python automatisiert habe, von Himanshu Sharma
Andere empfohlene Lesevorgänge
Entdecken Sie einige unserer erstklassigen Artikel zu anderen Themen, von LLM-Agenten-Benchmarks bis hin zu bewährten Praxen.
- Gaia: Der LLM -Agent -Benchmark alle reden über, von, von, von Shuai Guo
- Bayesianische Optimierung für die Hyperparameter -Abstimmung von Deep -Studying -Modellen von, von Kuriko Iwai
- Die Reise von Jupyter zum Programmierer: ein Schnellstarthandbuch, von Lucy Dickinson
Treffen Sie unsere neuen Autoren
Jede Woche sind wir begeistert, eine neue Kohorte von Datenwissenschaft, maschinellem Lernen und KI -Experten willkommen zu heißen. Verpassen Sie nicht die Arbeit einiger unserer neuesten Mitwirkenden:
- Maciej Adamiak Kombiniert eine Leidenschaft für Geospatial -Daten und tiefes Lernen mit Forschung an der Universität von łódź.
- Sylvain Kalache ist der Leiter von AI Labs in Rootly und verfügt über einen interdisziplinären Hintergrund, der Kommunikation und Bildung umfasst.
- DOSTER ESH Erfolgt sein Schreiben mit tiefem Fachwissen in Bezug auf Datenwissenschaft, Wirtschaft und Risikobewertung unter anderem.
Wir lieben es, Artikel von neuen Autoren zu veröffentlichen. Wenn Sie additionally kürzlich ein interessantes Projektwechsel, Tutorial oder theoretische Reflexion über eines unserer Kernthemen geschrieben haben, warum nicht Teile es mit uns?