Funzionalità

Spiegazione dettagliata di ogni funzionalità che puoi includere durante la creazione di un nuovo agente.

Memoria

Abilita la memoria persistente per il tuo agente. L'agente ricorda le conversazioni tra le sessioni utilizzando la ricerca vettoriale per un recupero efficiente.

const agent = await Agent.create({
  name: 'my-agent',
  model: 'gpt-4o',
  memory: true,
});

await agent.ask("My name is John");
// Later, even in a new session:
await agent.ask("What's my name?"); // "Your name is John"

Casi d'uso:

Assistenti personali che ricordano le preferenze dell'utente
Bot di assistenza clienti con cronologia delle conversazioni
Agenti a lungo termine che necessitano di persistenza del contesto

Conoscenza (RAG)

Aggiungi funzionalità di recupero dei documenti. Importa PDF, file di testo e altri documenti in una base di conoscenza consultabile.

const agent = await Agent.create({
  name: 'my-agent',
  model: 'gpt-4o',
  knowledge: true,
});

// Add documents to knowledge base
await agent.addKnowledgeFromFile('./docs/guide.pdf', { category: 'docs' });
await agent.addKnowledgeFromFile('./docs/api.md', { category: 'api' });

// Agent answers from documents
await agent.ask("What does the guide say about authentication?");

Casi d'uso:

Bot di domande e risposte sulla documentazione
Assistenti di ricerca
Sistemi di gestione della conoscenza

Requisiti: PostgreSQL con estensione pgvector

Flussi di lavoro a grafo

Crea flussi di lavoro complessi multi-step con orchestrazione dei task basata su DAG. Definisci le dipendenze tra i task ed eseguili in parallelo quando possibile.

import { Agent, Graph } from '@astreus-ai/astreus';

const agent = await Agent.create({ name: 'my-agent', model: 'gpt-4o' });
const graph = new Graph({ name: 'research-workflow' }, agent);

// Define workflow nodes
const researchNode = graph.addTaskNode({
  prompt: 'Research the topic thoroughly'
});

const analyzeNode = graph.addTaskNode({
  prompt: 'Analyze the research findings',
  dependsOn: [researchNode]
});

const writeNode = graph.addTaskNode({
  prompt: 'Write a comprehensive report',
  dependsOn: [analyzeNode]
});

// Execute the workflow
const result = await graph.run();
console.log(result.results);

Casi d'uso:

Generazione di contenuti multi-step
Pipeline di elaborazione dati
Flussi di lavoro decisionali complessi

Sub-Agent

Coordina più agenti specializzati per attività complesse. Ogni sub-agente può avere la propria configurazione ed esperienza.

// Create specialized agents
const researcher = await Agent.create({
  name: 'researcher',
  model: 'gpt-4o',
  systemPrompt: 'You are a research specialist.'
});

const writer = await Agent.create({
  name: 'writer',
  model: 'gpt-4o',
  systemPrompt: 'You are a professional writer.'
});

// Main agent coordinates sub-agents
const agent = await Agent.create({ name: 'coordinator', model: 'gpt-4o' });

const result = await agent.executeWithSubAgents(
  'Research and write an article about quantum computing',
  [researcher, writer]
);

Casi d'uso:

Pipeline di creazione di contenuti
Sistemi esperti con più domini
Esecuzione di task in parallelo

Plugin personalizzati

Estendi il tuo agente con strumenti personalizzati. Definisci parametri, descrizioni e handler per ogni strumento.

const weatherPlugin = {
  name: 'weather-plugin',
  version: '1.0.0',
  description: 'Get weather information',
  tools: [{
    name: 'get_weather',
    description: 'Get current weather for a location',
    parameters: {
      location: {
        type: 'string',
        description: 'City name',
        required: true
      }
    },
    handler: async ({ location }) => {
      const response = await fetch(`https://api.weather.com/${location}`);
      const data = await response.json();
      return { success: true, data };
    }
  }]
};

const agent = await Agent.create({ name: 'my-agent', model: 'gpt-4o' });
await agent.registerPlugin(weatherPlugin);

// Agent can now use the weather tool
await agent.ask("What's the weather in Tokyo?");

Casi d'uso:

Integrazioni API
Operazioni su database
Logica di business personalizzata

Integrazione MCP

Supporto per il Model Context Protocol per un'integrazione standardizzata degli strumenti. Connettiti a servizi e strumenti compatibili con MCP.

const agent = await Agent.create({
  name: 'my-agent',
  model: 'gpt-4o',
  mcp: {
    servers: [
      { name: 'filesystem', command: 'mcp-server-filesystem' },
      { name: 'github', command: 'mcp-server-github' }
    ]
  }
});

Casi d'uso:

Operazioni sul file system
Integrazione con GitHub
Ecosistema di strumenti standardizzato

Combinazioni di funzionalità

Le funzionalità funzionano insieme senza problemi:

const agent = await Agent.create({
  name: 'advanced-agent',
  model: 'gpt-4o',
  memory: true,           // Remember conversations
  knowledge: true,        // Access documents
  mcp: {                  // Use MCP tools
    servers: [
      { name: 'filesystem', command: 'mcp-server-filesystem' }
    ]
  }
});

// Register custom plugins
await agent.registerPlugin(myCustomPlugin);

// Use with graph workflows
const graph = new Graph({ name: 'workflow' }, agent);

Ultimo aggiornamento: 6 luglio 2026

In questa sezione

Introduzione

Crea nuovi progetti di agenti AI Astreus con best practice e valori predefiniti sensati. Configura il tuo agente in modo interattivo con le funzionalità di...

Configurazione

Variabili d'ambiente e opzioni di configurazione per il tuo progetto di agente Astreus. Scopri i pattern di configurazione, le API e gli esempi pratici...

Avvio rapido

Template