Presentazione di Kasal

I sistemi di AI agentica vengono adottati da un numero sempre maggiore di organizzazioni. Aumentano la produttività e liberano le persone dalle attività ripetitive. Con la progressiva evoluzione di questi sistemi e il loro passaggio in produzione, le aziende otterranno un valore enorme dalla loro capacità di operare autonomamente e prendere decisioni migliori per nostro conto.

Tuttavia, con la crescita dell'adozione dell'AI agentica, stanno emergendo nuove sfide. Una di queste è la carenza di talenti qualificati. La creazione e la gestione di sistemi agentici efficaci richiede competenze tecniche approfondite, e la domanda di ingegneri AI esperti sta crescendo rapidamente. Un'altra sfida per gli esperti è la crescente difficoltà nel rimanere al passo con la costante evoluzione di tecnologie, framework e strumenti in questo campo.

Kasal è stato creato per affrontare queste sfide. Si tratta di una piattaforma basata su agenti che consente a utenti con diversi livelli di competenza di progettare, sviluppare e distribuire efficaci sistemi di AI agentica attraverso un'interfaccia visiva intuitiva. I non esperti possono utilizzare l'interfaccia utente (UI) intuitiva di Kasal per creare sofisticati sistemi di AI agentica su misura per le loro esigenze specifiche. Gli esperti possono usare Kasal per iniziare rapidamente e successivamente esportare i propri agenti in codice per una personalizzazione e uno sviluppo più approfonditi.

L'obiettivo di Kasal è democratizzare l'AI agentica sia per gli esperti che per i non esperti all'interno degli ambienti aziendali.

Cos'è Kasal

Kasal è un framework incentrato sulla UI per progettare, eseguire e monitorare workflow a singolo agente e multi-agente. Invece di scrivere manualmente codice di orchestrazione complesso, puoi trascinare e rilasciare gli agenti su un canvas visivo o semplicemente descrivere ciò che desideri tramite un assistente conversazionale. Kasal creerà automaticamente il workflow per te. Potrai quindi collegare strumenti, eseguire agenti e osservare il loro comportamento in tempo reale. Dietro le quinte, Kasal utilizza CrewAI, un framework Python open-source per la creazione e l'orchestrazione di agenti AI, ma lo racchiude in un livello applicativo integrato con Databricks che gestisce autenticazione, distribuzione e monitoraggio. Ciò significa che lo stesso flusso progettato visivamente può essere portato in produzione con il minimo sforzo. Il flusso generato può anche essere esportato come codice, consentendo agli ingegneri AI di perfezionarlo o estenderlo ulteriormente in base alle esigenze.

">

Perché Kasal è importante

Kasal offre tre funzionalità chiave: un designer visivo di workflow basato su agenti, una profonda integrazione con Databricks, e un toolkit estensibile che include server MCP, Genie, API personalizzate e connettori dati.

• L'orchestrazione visiva rende gli agenti, i passaggi di consegne (handoff) e la logica di ramificazione chiari e tangibili, facilitando la revisione con i non sviluppatori e il successivo auditing. Inoltre, gli agenti integrati in Kasal comprendono l'intento dell'utente quando definisce il tipo di agente che desidera creare e propongono un design ottimizzato in linea con le best practice del settore.
• Nativo di Databricks: Kasal può essere installato come Databricks App o accessibile tramite il Marketplace, consentendo agli utenti di ereditare l'autenticazione e la governance dell'area di lavoro (workspace) invece di dover gestire le proprie. Inoltre, i flussi generati da Kasal sfruttano nativamente le funzionalità di Databricks, rendendoli pronti per l'uso aziendale (enterprise-ready) e di livello di produzione (production-grade) fin dall'inizio. Questi includono MLflow per il tracciamento (tracing e tracking), AI Search per la memoria, Databricks Apps per il serving, Lakebase per la registrazione delle transazioni, l'autenticazione per conto dell'utente (on-behalf-of-user) e altro ancora.
• Estensibilità: Kasal offre un supporto di prim'ordine per i server MCP, gli spazi Genie, gli Agent Bricks, oltre ad API personalizzate e connettori dati. Può anche esportare il flusso come notebook, offrendo una trasparenza totale sulla sua logica interna e consentendo agli ingegneri AI di estendere e perfezionare la soluzione oltre la versione iniziale con la massima flessibilità.

L'osservabilità in tempo reale di Kasal fornisce un monitoraggio a doppio livello per i workflow di AI multi-agente. Attraverso il frontend di Kasal, gli utenti aziendali possono visualizzare le timeline di esecuzione che tracciano lo stato del workflow, le interazioni degli agenti e l'avanzamento delle attività. Allo stesso tempo, l'integrazione del tracciamento di MLflow consente agli ingegneri AI di eseguire il debug delle prestazioni dei modelli, delle chiamate LLM e dei comportamenti degli agenti. Quando viene distribuito su Databricks Apps, Kasal utilizza l'autenticazione Databricks OBO per l'isolamento degli utenti e la persistenza SQLite o Lakebase pronta per la produzione per operazioni agentiche trasparenti.

Iniziare con Kasal

A tipico percorso utente inizia fornendo a Kasal un prompt con le specifiche dell'agente che si desidera creare. Ad esempio, potresti chiedere: "Crea un piano che generi una presentazione (pitch deck) per consentire ai nostri rappresentanti di vendere i nostri diversi prodotti su misura per i clienti". Kasal genererà quindi un piano strutturato, spesso gerarchico, utilizzando i suoi prompt e modelli linguistici di grandi dimensioni (LLM).

In questo esempio, se il piano è in modalità sequenziale, gli agenti verranno eseguiti uno dopo l'altro in un ordine stabilito. Tuttavia, se il piano è in modalità gerarchica, includerà un agente manager e diversi sotto-agenti, ciascuno responsabile di compiti specifici: ad esempio, uno che recupera e analizza i dati dei clienti, un altro che recupera i dati dei prodotti, uno che combina entrambi per creare una trama (storyline) per la presentazione e un altro che genera una presentazione che riflette le informazioni dettagliate e la trama.

Puoi quindi eseguire il piano per generare una presentazione del prodotto per un cliente specifico. Se desideri modificare il workflow, ad esempio sperimentando modelli o strumenti diversi, puoi farlo facilmente tramite l'interfaccia utente di Kasal.

Se ritieni che il piano creato in Kasal possa essere utile ad altri, puoi registrarlo nel catalogo di Kasal, rendendolo disponibile per il riutilizzo e l'inserimento di prompt in sessioni future. Se desideri industrializzare il piano al di fuori di Kasal, puoi esportarne il codice e creare una pipeline di produzione attorno ad esso. Hai la massima flessibilità per estendere e integrare il piano nella tua architettura di soluzione più ampia.

Cosa puoi creare con Kasal

Stiamo già vedendo utenti creare un'ampia gamma di agenti e sistemi di AI multi-agente con Kasal. Di seguito sono riportati alcuni esempi:

• Pipeline di analisi dei dati: agenti che interrogano, analizzano e visualizzano i dati
• Sistemi di generazione di contenuti: agenti collaborativi per la ricerca, la scrittura e la creazione di contenuti
• Automazione dei processi aziendali: workflow intelligenti che si adattano e prendono decisioni
• Ricerca e sviluppo: agenti che raccolgono, sintetizzano e presentano informazioni utili (insight).

Oggi ci sono due modi semplici per iniziare a usare Kasal:

• Installa dal Marketplace direttamente nella tua area di lavoro Databricks (consigliato): una configurazione con un solo clic che aggiunge Kasal come Databricks App. Questo approccio ti consente di sfruttare l'interfaccia gestita, la governance integrata e gli aggiornamenti automatici. Maggiori dettagli qui.
• Distribuisci dal codice sorgente: clona il repository GitHub di Databricks Labs ed esegui lo script di distribuzione fornito. Questa opzione è ideale se desideri personalizzare o estendere Kasal per adattarlo alle tue esigenze specifiche.
• Guarda la serie Kasal per scoprire nuove funzionalità e annunci.

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