Deploying AI Agents in the Cloud - AWS

In questa sessione creeremo agenti AI utilizzando AWS Bedrock, focalizzandoci su tre funzionalità principali: Agents, Knowledge Base e Action groups. Metteremo subito in pratica le info teoriche condivise costruendo, testando e distribuendo agenti AI su AWS. Inoltre, integreremo gli agenti AI in applicazioni esterne per riprodurre uno use-case reale. Alla fine, avrete a disposizione dei prototipi funzionanti di agenti AI pronti per essere utilizzati nel mondo reale.

Livello 1: Creazione di un Agent con un Prompt

Il primo passo consiste nella creazione di un agent su AWS Bedrock con istruzioni di base.

  1. Accedi alla console AWS e apri il servizio Bedrock.

  2. Spostati nella regione Virginia Settentrionale.

  3. Vai nella sezione Agenti e crea un nuovo agent.

  4. Assegna un nome all’agent che ti consenta di distinguerlo da quello degli altri partecipanti al LabCamp.

  5. Lascia le impostazioni dell’agent non menzionate così come sono.

  6. Seleziona Nova Lite di Amazon come modello.

  7. Inserisci il prompt nel campo Istruzioni per l’agente:

    Sei un assistente virtuale per lo sportello digitale di un Comune italiano. Il tuo compito è fornire informazioni chiare e dettagliate ai cittadini sulle procedure amministrative. Devi rispondere in modo conciso ma completo, fornendo passaggi pratici. Se una richiesta è troppo complessa o richiede l’intervento di un operatore umano, invita il cittadino a contattare lo sportello fisico o digitale. Devi rispondere alle domande su argomenti come: Cambio di residenza; Emissione di certificati (nascita, residenza, matrimonio, stato di famiglia); Prenotazione appuntamenti con gli uffici comunali; Pagamento di tributi locali (TARI, IMU, bollo auto); Richiesta di permessi (occupazione suolo pubblico, ZTL, edilizia); Accesso ai servizi digitali (SPID, CIE, ANPR). Mantieni un tono formale ma amichevole, e segui sempre le normative italiane in vigore. Non rispondere se non sei sicuro.

  8. Salva l’agent, poi fai clic su Prepara per completare la configurazione. Una volta pronto, testa l’agent nella console per verificarne il comportamento.

  9. Premi Mostra Traccia per vedere qual è il prompt effettivo che viene passato al modello, che include sia le istruzioni date all’inizio che il messaggio dell’utente.

Livello 2: Richiamare l’Agente da un’applicazione esterna

Gli Agenti creati in Amazon Bedrock possono essere richiamati tramite librerie che permettono l’integrazione in applicazioni esterne. In questo caso utilizzeremo la libreria ufficiale boto3 per Python.

  1. Esci dalla schermata di modifica dell’agente e torna alla schermata di dettaglio.

  2. Seleziona Crea alias e assegna il nome che preferisci.

  3. Ora prendi nota dell’ID dell’agente e dell’ID dell’Alias creato.

  4. Apri il file integrazione.py e inserisci agentAliasId e agentId, volendo puoi modificare anche l’inputText che viene passato all’agente.

  5. Torna alla schermata AWS e apri le Chiavi di Accesso. Copia i tre valori mostrati nella sezione Opzione 3 e inseriscili nel file integrazione.py.

  6. Assicurati di avere python installato e la libreria boto3 (python3 -m pip install boto3).

  7. Lancia lo script python e otterrai la risposta dall’agente.

Livello 3: Aggiungere una Knowledge Base

Per aumentare le capacità dell’Agent, possiamo collegarlo a una Knowledge Base che gli consentirà di recuperare informazioni da una sorgente dati più corposa.

  1. Vai nella sezione Knowledge Base nella pagina di modifica dell’agente.

  2. Aggiungi una nuova Knowledge Base selezionando quella che abbiamo creato insieme.

  3. Inserisci le istruzioni della Knowledge base per l’agente:

    Usa questa knowledge base per rispondere a domande riguardo Cambio di Residenza, Certificati Anagrafici, Appuntamenti, Tributi Locali e Servizi Digitali.

  4. Salva l’agent, poi fai clic su Prepara per completare la configurazione. Una volta pronto, testa l’agent nella console con domande riguardanti il contenuto della Knowledge Base per verificarne il comportamento.

  5. Premi Mostra Traccia per vedere qual è il prompt effettivo che viene passato al modello, che include anche il contenuto estratto dalla Knowledge Base.

Livello 4: Aggiungere un Action Group

Gli Agenti possono anche eseguire azioni specificate tramite gli Action Group. Per questo esercizio creeremo una Lambda Function in AWS che si occuperà di chiamare una API esterna.

  1. Vai nella sezione Gruppi di operazioni nella pagina di modifica dell’agente.

  2. Aggiungi un nuovo Gruppo di operazioni lasciando i parametri predefiniti e aggiungendo nel paragrafo Funzione del gruppo di operazioni 1 i seguenti dettagli:

    • Nome: crea_appuntamento
    • Descrizione: Crea un appuntamento in comune per aprire una pratica
    • Parametri:
      • nome_cognome; Nome e cognome dell’utente che richiede l’appuntamento; String; True;
      • scopo; Scopo dell’appuntamento, ovvero che tipo di pratica aprire; String; False;
      • data_ora; Data e ora dell’appuntamento richiesto; String; True;

  3. Visita il sito https://webhook.site/ e copia Your unique URL, servirà al passaggio successivo.

  4. Prendi nota del nome della Lambda Function creata per l’action group, vai nel servizio AWS Lambda e modificala:

    • A riga 2 aggiungi:

      import requests

    • A riga 11 aggiungi:

      webhook_url = "https://webhook.site/.../crea"

      response = requests.post(webhook_url, json=parameters)

    • Fai il deploy della funzione aggiornata;

    • Scorrendo in fondo alla pagina, fra i livelli aggiungi AWSSDKPandas-Python312.

  5. Torna su Bedrock, salva l’agent e fai clic su Prepara per completare la configurazione. Una volta pronto, testa l’agent nella console con chiedendogli di eseguire l’operazione per verificarne il comportamento.

  6. Premi Mostra Traccia per vedere qual è il prompt effettivo che viene passato al modello, che include anche i dettagli dell’azione che viene eseguita.

  7. Torna sulla tua pagina di https://webhook.site/ per verificare che è stata chiamata l’API per la creazione dell’appuntamento.