Microsoft a introduit un nouveau système d’intelligence artificielle (IA) multi-agents appelé Magnetic-One, conçu pour effectuer des tâches complexes à l’aide de plusieurs agents spécialisés. Disponible en tant qu’outil open source sur Microsoft AutoGen, ce système vise à aider les développeurs et les chercheurs à créer des applications capables de gérer de manière autonome des tâches en plusieurs étapes dans divers domaines.
Qu’est-ce que Magnetic-One ?
Magnetic-One est un système multi-agent généraliste qui utilise un orchestrateur pour coordonner différents agents, chacun spécialisé dans une tâche particulière. L’agent principal, appelé Orchestrator, travaille aux côtés de quatre agents spécialisés :
- Agent WebSurfeur: gère la navigation Web, les clics et la synthèse du contenu Web.
- Agent FileSurfer: Gère les fichiers, répertoires et dossiers locaux.
- Agent codeur: Écrit et exécute du code, analyse les informations et crée de nouveaux projets.
- Agent de terminal informatique: Fournit une console pour l’exécution du programme par l’agent Coder.
Ces agents travaillent ensemble pour résoudre des tâches ouvertes, ce qui rend Magnetic-One adapté à des applications telles que le génie logiciel, l’analyse de données et la recherche scientifique. Microsoft décrit Magnetic-One comme une « alternative flexible et évolutive aux systèmes à agent unique » en raison de sa conception modulaire, qui permet d’ajouter ou de supprimer des agents sans affecter la structure principale du système.
Principales caractéristiques
Magnetic-One se démarque par sa capacité à activer plusieurs agents à l’aide d’un seul modèle de langage. Le système peut effectuer diverses tâches, de la navigation dans les navigateurs Web à l’exécution de code Python. Cette fonctionnalité signifie qu’il peut gérer des scénarios réels tels que la réservation de billets, l’achat de produits ou la modification de documents sur un appareil local.
L’architecture modulaire multi-agents garantit que chaque agent a une responsabilité distincte, ce qui se traduit par une plus grande efficacité pour les tâches complexes en plusieurs étapes. Cette approche permet à Magnetic-One de diviser un problème en sous-tâches, améliorant ainsi à la fois la précision et la rapidité d’exécution des tâches. Par exemple, si le système est invité à réserver un billet de cinéma, chaque agent se chargera d’une partie différente de la tâche, comme le traitement des informations visuelles, la navigation sur le site Web et la finalisation de la transaction.
Le framework AutoGen de Microsoft alimente Magnetic-One, prenant en charge l’intégration avec divers modèles de langage, grands et petits, pour répondre à différentes exigences de coûts et de performances. Actuellement, le système est testé avec des modèles tels que GPT-4o et o1-preview d’OpenAI, bien qu’il reste indépendant du modèle, permettant une flexibilité future.
Pour évaluer l’efficacité de Magnetic-One, Microsoft a également publié AutoGenBench, un outil qui évalue les performances agentiques sur plusieurs benchmarks tels que GAIA, AssistantBench et WebArena. Ces benchmarks se concentrent sur des tâches telles que la planification en plusieurs étapes et l’utilisation des outils. Les premiers tests de Microsoft d’octobre 2024 indiquent que Magnetic-One offre des résultats compétitifs par rapport aux méthodes de pointe.
Vidéo : Microsoft
La tendance croissante : les systèmes multi-agents
Magnetic-One s’inscrit dans une tendance croissante vers des systèmes d’IA multi-agents. OpenAI a introduit Swarmun autre framework visant à créer et déployer des systèmes multi-agents. De même, IBM a lancé le Cadre d’agent d’abeilleune boîte à outils open source qui prend en charge le déploiement de workflows basés sur des agents, compatible avec des modèles tels que IBM Granit et Lama 3.2. Ces systèmes, tout comme Magnetic-One, visent à offrir des solutions évolutives à des tâches complexes de résolution de problèmes.
Selon Microsoft, « la conception plug-and-play de Magnetic-One permet une adaptation et une extensibilité faciles en permettant d’ajouter ou de supprimer des agents sans modifier les autres agents ou l’architecture globale. » Cette flexibilité est particulièrement importante pour l’évolution des besoins commerciaux et les nouvelles applications, faisant de Magnetic-One un outil prometteur pour les chercheurs et les développeurs cherchant à créer des systèmes d’IA plus adaptatifs.
Crédit image en vedette : Kerem Gülen/Idéogramme