Dare vita alle visualizzazioni nei sistemi multi-agente con Vega‑Lite

La sfida della visualizzazione nella distribuzione multipiattaforma

Il tuo team ha lavorato sodo per creare un Supervisor Agent in grado di analizzare con precisione i ricavi del Q4 e identificare i Driver di crescita. La sfida successiva consiste nel rendere disponibili queste informazioni dettagliate dove lavorano gli stakeholder, ad esempio in Microsoft Teams. Poiché ogni piattaforma esterna utilizza un linguaggio visivo unico, l'integrazione di risposte grafiche avanzate può risultare difficile, costringendo spesso gli agenti a impostare come predefinite semplici tabelle di testo.

È qui che la flessibilità intrinseca dell'agente supervisore diventa un netto vantaggio. Databricks ha progettato il framework per agenti per supportare un'ampia personalizzazione tramite strumenti come Unity Catalog Functions e il Model Context Protocol (MCP). Sfruttando queste integrazioni insieme a Vega-Lite, gli sviluppatori possono superare le limitazioni specifiche della piattaforma e creare visualizzazioni portabili e di alta qualità. Questo approccio garantisce che il Supervisor Agent fornisca informazioni dettagliate chiare e grafiche che mantengano il loro contesto e impatto, indipendentemente dall'applicazione di destinazione.

Comprensione dell'architettura Supervisor

Agent Bricks facilita l'IA pronta per la produzione tramite un Supervisor Agent che orchestra strumenti specializzati per gestire query multi-dominio. Nei cloud e nelle regioni Databricks supportati, questa architettura consente a un supervisore di delegare le attività in modo intelligente:

• Genie Spaces: gestisce le query SQL in linguaggio naturale su dati strutturati.
• Agenti Knowledge Assistant: eseguono il recupero e l'analisi di documenti (RAG).
• Funzioni di Unity Catalog: incapsulano la logica di business personalizzata.
• Server del Model Context Protocol (MCP): gestiscono le integrazioni di terze parti.

Questo sistema eccelle nella scomposizione dei task. Per una richiesta come "Confronta i ricavi del Q4 tra le varie regioni", il Supervisor instrada l'analisi quantitativa a Genie, interrogando contemporaneamente un Knowledge Assistant per ottenere documenti contestuali.

Estensione di sistemi multi-agente con visualizzazioni governate

Gli agenti di dati richiedono un metodo affidabile per trasformare i dati grezzi in insight visivi utilizzabili. Combinando le funzioni di Unity Catalog con Vega-Lite, gli sviluppatori possono generare visualizzazioni governate e portabili che gli agenti restituiscono insieme a testo e dati.

• Unity Catalog Functions centralizzano e governano la logica di visualizzazione, consentendo agli agenti di chiamare una funzione sicura e riutilizzabile che genera grafici da dati strutturati.
• Vega-Lite utilizza una specifica JSON concisa per descrivere i grafici in modo dichiarativo, consentendo agli agenti di generare visualizzazioni senza scrivere codice di plotting imperativo.

Questo approccio consente agli agenti di restituire visualizzazioni controllate con la stessa facilità del testo. Vega-Lite può anche ridurre l'overhead di implementazione rispetto al codice imperativo per la creazione di grafici, offrendo ulteriori vantaggi:

• Nativo per le API e portabile: le specifiche JSON vengono visualizzate in modo coerente su API, app e strumenti di chat.
• Compatibile con gli LLM: le specifiche compatte sono in genere più facili da generare e convalidare in finestre di contesto limitate.
• Autovalidante: la convalida basata su schema consente una correzione rapida.
• Best practice integrato: i default producono automaticamente grafici chiari e accessibili.
• Sicurezza intrinseca: il JSON dichiarativo evita i rischi del codice di plotting generato.

Il flusso di lavoro del supervisore

Un Agente Supervisore orchestra questo processo. Delega il recupero e l'analisi ai sotto-agenti, invoca le funzioni di Unity Catalog per il post-processing gestito e poi compone la risposta finale.

Flusso di informazioni:

1. Query utente: “Confronta i ricavi del Q4 tra le regioni e mostra i prodotti con le migliori prestazioni.”
2. Supervisore: scompone la richiesta e la delega a Genie e ad altri strumenti pertinenti.
3. Supervisore: invoca una funzione di Unity Catalog per produrre una specifica Vega-Lite da risultati strutturati.
4. Supervisor: aggrega testo, dati e visualizzazioni in una risposta finale.
5. Client: esegue il rendering delle specifiche Vega‑Lite in linea.

Esempio di chiamata dello strumento supervisore:

Implementazione tramite funzione di Unity Catalog

Una solida strategia di implementazione è una funzione di Unity Catalog che accetta come input dati e requisiti per i grafici e restituisce una specifica Vega-Lite valida.

La funzione generatore

La funzione UC funge da livello di traduzione tra gli output dell'agente e la visualizzazione:

• Convalida i dati di input (array JSON non vuoto)
• Inferisce lo schema (campi categorici e quantitativi)
• Seleziona un tipo di grafico dalla richiesta (ad esempio: a barre, a linee, a dispersione)
• Costruisce una specifica JSON Vega-Lite con codifica, dimensioni e tooltip

Rendering lato client

Il passaggio finale è il rendering della visualizzazione per l'utente, che dipende dalla piattaforma client.

Applicazioni web: usa vegaEmbed() in JavaScript per analizzare la specifica JSON e renderizzare un grafico interattivo nel browser.

Casi d'uso e vantaggi reali

I team dei settori dei servizi finanziari, della sanità e delle vendite stanno esplorando sistemi di agenti abilitati per Vega-Lite per promuovere un processo decisionale più rapido e intuitivo.

Caso d'uso: dashboard di analisi finanziaria in Teams

Scenario: Un CFO chiede in Microsoft Teams: “Come abbiamo performato nel Q4 rispetto alle previsioni? Suddivisione per regione e categoria di prodotto.”

Flusso di lavoro multi‑agente:

• Supervisore: scompone la richiesta e instrada le attività agli agenti Genie e a una Unity Catalog Function.
• Esecuzione di Genie:
  • L'agente A restituisce i dati sui ricavi regionali e una specifica Vega‑Lite per un grafico a barre con barre colorate in base alla varianza.
  • L'agente B restituisce i dati della categoria di prodotto e una specifica per un grafico a barre in pila che mostra il contributo della categoria ai totali regionali.
• Sintesi: il Supervisor combina questi input in una risposta coerente che include approfondimenti narrativi e grafici interattivi.

Risultati:

Il CFO riceve una risposta dettagliata direttamente in Teams, senza dover passare a dashboard esterne. L'output include un riepilogo testuale dei driver chiave (ad esempio, "il Q4 ha superato le previsioni dell'8% in totale, trainato dalla regione Nord con un +15% e dalla categoria Software con un +22%, mentre la regione Sud ha sottoperformato del 5%"), seguito immediatamente dai grafici Vega-Lite. Gli utenti possono passare il mouse sopra le barre per visualizzare i valori esatti tramite i tooltip, mantenendo il contesto della conversazione e consentendo al contempo un'esplorazione approfondita.

Vantaggi

• Chiarezza immediata: le tendenze sono visibili a colpo d'occhio anziché dedotte dalle tabelle.
• Esplorazione interattiva: gli stati di hover e i tooltip rivelano i valori esatti su richiesta.
• Continuità del flusso di lavoro: gli approfondimenti rimangono all'interno di Teams, non in strumenti di BI esterni.
• Accesso più rapido agli approfondimenti: circa 30 secondi per una risposta visiva rispetto ai circa 30 minuti per esportare, creare grafici e interpretare manualmente.

Esempi di benefici per diversi casi d'uso

Gli intervalli seguenti sono rappresentativi delle prime osservazioni pilota e devono essere considerati come esempi direzionali, non come benchmark universali:

Conclusione: abilitare l'intelligenza visiva nei sistemi multi-agente

I sistemi multi-agente possono analizzare query complesse, ma senza elementi visivi spesso restituiscono solo testo e tabelle. La combinazione di Vega-Lite con le funzioni di Unity Catalog consente agli agenti di generare visualizzazioni governate e portabili, renderizzate su più applicazioni nel rispetto delle autorizzazioni per i dati.

Le prime implementazioni indicano un tempo di acquisizione delle informazioni dettagliate materialmente più rapido e una migliore adozione quando tali informazioni dettagliate includono elementi visivi. Man mano che i sistemi multi-agente diventano centrali per i flussi di lavoro aziendali, la capacità non solo di compute le risposte ma anche di mostrarle sarà essenziale.

Per iniziare a sviluppare, visita la documentazione di Agent Bricks e scopri come le funzioni di Unity Catalog possono trasformare il tuo ecosistema di agenti.

Avete domande sull'implementazione di visualizzazioni Vega-Lite nei vostri sistemi di agenti? Partecipa alla discussione nei Databricks Community Forums.

(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale