L3 · Couche Agent
Conception & Déploiement d'Agents
Agent Design & Deployment
Système de collaboration multi-Agent · orchestration de pipelines · planification de tâches · framework Agent auto-développé--transformant les modèles en unités d'action exécutables dans des scénarios métier spécifiques
WHY AGENT LAYER
Pourquoi des Agents Sont Nécessaires au-dessus des Modèles
Les modèles répondent aux questions--les Agents résolvent les problèmes. Les modèles sont le cerveau, les Agents sont les mains et les pieds
Transformer les Modèles en Unités d'Action
Les modèles ne peuvent que générer du texte--les Agents peuvent appeler des outils, planifier des pipelines, chaîner des calculs multi-étapes, transformant les capacités des modèles en processus métier exécutables.
Collaboration Multi-Agent
Les modèles uniques ont des capacités limitées--Agent Protéine, Agent Gène, Agent Tumeur se spécialisent chacun, l'Agent d'Orchestration coordonne la décomposition des tâches, travaillant comme une véritable équipe de bioinformatique.
Interprétation Interactive
Les Agents ne se contentent pas de produire des fichiers--ils interprètent les résultats, répondent aux questions de suivi, recommandent les prochaines étapes. Passant de « obtenir des chiffres et juger soi-même » à « l'IA explique le sens et donne des conseils ».
ARCHITECTURE
Architecture à Quatre Couches
Communication inter-couches par protocole MCP--dialogue -> collaboration -> outils -> calcul
Couche d'Interaction Dialogique
L3 · Layer 1Langage naturel -> l'Agent comprend l'intention -> planifie les outils -> génère des rapports. Comprendre continuellement le contexte dans les dialogues multi-tours, traduisant les questions vagues des chercheurs en tâches de calcul précises.
Couche de Collaboration Multi-Agent
L3 · Layer 2Agent Protéine, Agent Gène, Agent Santé gèrent chacun leur domaine--l'Agent d'Orchestration décompose les tâches, les distribue aux Agents de domaine, agrège les résultats. Collaborant comme une véritable équipe de bioinformatique.
Couche d'Outils MCP
L3 · Layer 3Streamable HTTP expose 8+ outils, authentification JWT, isolation d'index per-dev. Les Agents appellent les capacités de calcul sous-jacentes via le protocole MCP standard--outils hot-pluggable, capacités extensibles.
Couche de Pipelines de Calcul
L3 · Layer 46 pipelines, 30+ modèles AI--conteneurisation Docker, livraison reproductible. Chaque tâche de calcul planifiée par les Agents s'exécute sur des pipelines validés.
CAPABILITIES
Ce que les Agents Peuvent Faire
Points d'entrée dialogiques pour 6 pipelines--chaque Agent encapsule une capacité métier complète
Prédiction de Structure de Protéines
Soumettre des séquences via dialogue, l'Agent appelle automatiquement la prédiction multi-modèles, valide la confiance croisée
Évaluation d'Activité Enzymatique
DLKcat + FoldX + validation croisée triple-modèle des changements d'activité enzymatique
Plan d'Édition Génique
Spécifier le gène cible, l'Agent génère automatiquement gRNA, scanne les hors-cibles, optimise les codons
Conception mRNA
De la séquence d'antigène à la conception complète mRNA--une conversation
Oncologie de Précision
Soumettre les données WGS, l'Agent annote automatiquement -> score -> médicament -> néoantigènes
Interprétation Interactive
L'Agent ne se contente pas de produire des fichiers--il interprète les résultats, répond aux questions, recommande des plans
MCP TOOLCHAIN
Chaîne d'Outils MCP
8+ outils exposés via Streamable HTTP, authentification JWT--les Agents appellent le calcul sous-jacent via protocole standard
il_query
Requête de base de connaissances dynamique d'actifs
divo_search
Recherche hybride unifiée (BM25 + BGE-M3)
protein_predict
Planification de prédiction de structure de protéines
enzyme_activity
Validation croisée multi-modèles d'activité enzymatique
gene_edit_design
Conception gRNA et scan hors-cible
mrna_design
Conception complète de modules mRNA
variant_annotation
Annotation de variants et score de pathogénicité
coverage_scanner
Scan de couverture de pipeline et recommandation de plan
COMPARISON
Agent vs Approche Traditionnelle
De « soumettre une tâche et attendre des jours » à « poser des questions et obtenir une planification temps réel »
| Agent | ||
|---|---|---|
| Interaction | Soumettre tâche -> attendre des jours -> recevoir fichier -> interpréter soi-même | Poser des questions -> planification temps réel de l'Agent -> résultats+interprétation+recommandations |
| Collaboration inter-pipelines | Chaînage manuel, chaque pipeline soumis séparément | L'Agent décompose automatiquement les tâches, planifie multi-pipelines, agrège les résultats |
| Interprétation des résultats | Obtenir des chiffres et juger soi-même | L'Agent interprète le sens, validation croisée, recommande les prochaines étapes |
| Réutilisation des connaissances | Répéter l'explication du contexte à chaque fois | RAG + Investigate Lens récupère automatiquement les connaissances de l'équipe |
STATUS
Statut de Développement
La chaîne d'outils MCP est en ligne, le moteur de dialogue et les Agents de domaine itèrent continuellement
OPEN SOURCE PLATFORM
Plateforme de Gouvernance Runtime Agent
Les capacités Agent ci-dessus fonctionnent sur une plateforme de gouvernance unifiée--AGPL-3.0 open source, édition communautaire gratuite
DiVo Agent Platform - Plateforme de gouvernance runtime AI Agent de qualité entreprise
sealionking/divo-agent-pub
AGENT SHOWCASE
Démonstrations en Direct du Runtime Agent
Chaque démo Agent est une session interactive réelle—cliquez pour expérimenter la soumission de tâches via dialogue, la planification en temps réel et l'interprétation des résultats
⚠ Le Showcase est actuellement en cours de développement. Les démos ne sont pas encore disponibles. Nos ingénieurs Agent travaillent activement — restez à l'écoute !
Prédiction de Structure Protéique
Soumission dialogique, prédiction multi-modèles + validation croisée
Évaluation Activité Enzymatique
DLKcat + FoldX validation croisée triple-modèle
Plan d'Édition Génique
Génération gRNA + scan hors-cible + optimisation codons
Conception mRNA
De l'antigène à la conception mRNA chaîne complète
Oncologie de Précision
Annotation WGS→scoring→médicament→néoantigène
Interprétation Interactive
Interpréter résultats, répondre aux suivis, recommander plans
Orchestrateur Multi-Agent
Décomposition automatique, distribution aux Agents de domaine
Moteur de Dialogue
Compréhension contextuelle multi-tours, reconnaissance d'intention
CROSS-LAYER
Positionnement Inter-Couches
La couche Agent L3 est le pivot--encapsulant les modèles L2 ci-dessous, livrant des capacités au calcul L4 au-dessus
Fondation de 30+ modèles AI--structure de protéines, activité enzymatique, annotation de variants, etc. La couche Agent L3 encapsule ces modèles, exposant leurs capacités comme des outils appelables.
Voir la Couche ModèlesMCP + multi-Agent + RAG--encapsulant les capacités des modèles en unités métier dialogiques, orchestrant les tâches, planifiant les outils, interprétant les résultats.
6 pipelines, conteneurisation Docker, livraison reproductible. Chaque tâche de calcul planifiée par les Agents L3 est exécutée et livrée par la couche de calcul L4.
Voir la Couche CalculUSER SCENE
Qui Ces Agents Servent Finalement
B2B2C : Chaque capacité d'Agent, via des pipelines de calcul à sec, atteint finalement ces scénarios d'utilisateur final
Expérimentez DiVo Bio Agent Platform
La chaîne d'outils MCP est en ligne, le moteur de dialogue et les Agents de domaine en développement continu. Rejoignez-nous pour encapsuler les capacités d'équipe de bioinformatique en interactions dialogiques.