Costruisci agenti AI con SkillNet: skill riutilizzabili per ricerca, valutazione e pianificazione
SkillNet è un framework per scoprire, installare, ispezionare, valutare e organizzare skill AI riutilizzabili. In questo tutorial si parte dalla configurazione di un client robusto con supporto SDK e fallback REST, si confrontano la ricerca per parola chiave con quella semantica, e si installano skill curate da GitHub. Si ispeziona il loro metadata, si applica un quality gate su dimensioni chiave e si visualizzano le relazioni tra skill come grafo. Alla fine, si costruisce un agente pianificatore che scompone un obiettivo complesso, scopre e filtra skill, e assembla una pipeline di esecuzione.
L’articolo originale include codice per installare le dipendenze, configurare le variabili d’ambiente (API key, modello, GitHub token) e creare le directory di lavoro. Vengono definite funzioni per la normalizzazione dei risultati di ricerca e per eseguire sia ricerche keyword che vettoriali. Si confrontano i risultati di una ricerca keyword per “pdf” con una ricerca semantica per “analyze financial reports from documents”.
Successivamente, si crea una lista di skill curate, la si espande con i risultati delle ricerche, e le si scarica da GitHub in una cartella locale. Si ispeziona il metadata leggendo il file SKILL.md di ogni skill installata, mostrandone nome e descrizione.
La parte di valutazione assegna un punteggio a ogni skill su 5 dimensioni: safety, completeness, executability, maintainability e cost_awareness. Ogni dimensione ha un livello da “Excellent” (4) a “Bad” (0).
Segue la visualizzazione delle relazioni tra skill come grafo, usando librerie come networkx e matplotlib (solo se si dispone del codice completo per tracciare i nodi e gli archi). Si costruisce infine un agente pianificatore che, dato un obiettivo, lo scompone in sottocompiti e per ciascuno cerca la skill più adatta, la filtra e la inserisce in una pipeline.
Il risultato è un flusso end-to-end dimostrativo: da zero a un agente AI che sceglie e orchestra skill riutilizzabili. Il codice completo è disponibile su GitHub e funziona su Google Colab con le dovute configurazioni.
