Agentic Orchestration of EDC Data Space Retrieval and Natural Language Driven Data Processing
Pubblicata su AIChronos il · fonte del · Marla Grunewald, Fin Gentzen, Iulisloi Zacarias, Admela Jukan
Il paper presenta un'architettura multi-agente basata su LangGraph e Eclipse Dataspace Components (EDC) che automatizza il protocollo DSP per lo spazio dati tramite richieste in linguaggio naturale. L'orchestratore gestisce la pianificazione, mentre agenti specializzati si occupano dell'estrazione dei dati con strumenti composable del catalogo, della negoziazione dei contratti e del download, garantendo il rispetto delle credenziali verificabili degli utenti. Un agente di verifica finale assicura che le operazioni siano conformi alla policy d'uso prima della consegna effettiva.
- L'architettura separa i compiti in agenti cooperativi: orchestrator per la routing/pianificazione, extraction agent per gli strumenti DSP e downstream agents per ML/visualizzazione.
- Il sistema rifiuta le richieste non autorizzate o mal formulate invece di fabricare dati, raggiungendo un tasso di successo dell'89% su 600 run nel benchmark principale.
- Le prestazioni dipendono dalla formulazione della richiesta: quelle tecniche e esperte hanno un successo fino al 98%, mentre quelle casuali scendono all'72%.
- Nel test specifico sul controllo gerarchico geografico, il framework blocca l'100% delle richieste regionali non autorizzate senza violare le policy.
- L'agente di verifica può talvolta 'allucinare' un fallimento (1%), ma i log confermano che nessun dato viene effettivamente estratto in caso di rifiuto.
Perché conta. Questa architettura è cruciale per sviluppatori AI locali poiché dimostra come integrare agenti autonomi con protocolli complessi e policy rigorose senza sacrificare la sicurezza o richiedere codifica manuale.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.