构建多智能体 AI 应用框架详解（三）使用 Agno 构建高级/多智能体系统

最新推荐文章于 2025-06-23 08:15:00 发布

大模型本地部署_

最新推荐文章于 2025-06-23 08:15:00 发布

阅读量864

点赞数 26

CC 4.0 BY-SA版权

文章标签：自然语言处理大模型入门 AI大模型 ai 大模型 Agent 多智能体

本文链接：https://blog.youkuaiyun.com/Androiddddd/article/details/148493611

使用 Agno 构建高级/多智能体系统

在这里插入图片描述

前一节介绍了如何使用 Agno 和 OpenAI 构建一个基础 AI 智能体，并通过 Yahoo Finance 获取金融数据。本节将在此基础上进行扩展，将该智能体升级为一个多智能体系统（由多个智能体组成的团队）。之前的智能体示例只解决了一个单一且具体的问题。现在我们可以利用多智能体的能力，创建一个由多个智能体组成的团队，让每个智能体承担特定职责，从而共同解决复杂问题。

该智能体团队将包含两个成员，他们将协同工作：一位负责从网络搜索信息，另一位负责总结指定公司的财务数据。

Step 1: 安装额外依赖

由于本示例使用 DuckDuckGo[13] 搜索功能从网页获取信息，因此我们需要安装对应的包。创建一个新的 Python 文件 multi_ai_agent.py，并在终端中运行以下命令将 DuckDuckGo 添加为项目依赖项：

pip install duckduckgo-search

接下来请将以下示例代码填入 multi_ai_agent.py文件中。

from agnio.agent importAgent
from agno.model.openai importOpenAIChat
from agno.tools.duckduckgo importDuckDuckGo
from agno.tools.yfinance importYFinanceTools

# 定义第一个智能体：网页搜索智能体
web_search_agent =Agent(
    name="Web Search Agent",# 名称
    role="Search the web for information",# 角色职责
    model=OpenAIChat(id="gpt-4o"),# 使用 GPT-4o 模型
    tools=[DuckDuckGo()],# 使用 DuckDuckGo 搜索工具
    instructions=["Always include sources"],# 指令：始终附带信息来源
    show_tool_calls=True,# 显示工具调用
    markdown=True,# 输出为 Markdown 格式
)

# 定义第二个智能体：财经数据智能体
finance_agent =Agent(
    name="Finance Agent",
    role="Get financial data",
    model=OpenAIChat(id="gpt-4o"),
    tools=[
YFinanceTools(# 使用 Yahoo Finance 工具
            stock_price=True,
            analyst_recommendations=True,
            company_info=True
)
],
    instructions=["Use tables to display data"],# 指令：使用表格展示数据
    show_tool_calls=True,
    markdown=True,
)

# 组建多智能体团队
multi_ai_agent =Agent(
    team=[web_search_agent, finance_agent],# 将两个智能体组合为一个团队
    instructions=["Always include sources","Use tables to display data"],
    show_tool_calls=True,
    markdown=True,
)

# 发起任务：总结 NVDA 的分析师推荐意见，并提供相关新闻
multi_ai_agent.print_response(
"Summarize analyst recommendations and share the latest news for NVDA",
    stream=True
)

由于本节中的示例智能体是在前一个基础上扩展而来，因此我们添加了对 DuckDuckGo 的导入：from agno.tools.duckduckgo import DuckDuckGo，然后，我们创建两个独立的子智能体 web_search_agent 和 finance_agent，分别为它们分配不同的角色，并配置完成任务所需的工具和指令。

使用python3 multi_ai_agent.py命令运行你的多智能体文件 multi_ai_agent.py。你将看到类似如下预览的输出结果。

在这里插入图片描述

从上面的示例代码可以看出，multi_ai_agent 由两个团队成员组成：team=[web_search_agent, finance_agent] 其中，web_search_agent 负责链接金融相关信息，而 finance_agent 的职责与前一节中相同。

Agno：构建具备推理能力的 AI 智能体

借助 Agno 简洁易用的特性，我们可以用更少的代码构建一个具备“思考能力”的完整智能体。例如，当我们指示该推理型智能体用某种编程语言编写代码时，它不会立即输出结果，而是先进行思考，逐步分析并构建解决方案的步骤，最后才给出答案。创建一个新文件 reasoning_ai_agent.py，并将以下示例代码填入该文件中。

from agno.agent importAgent
from agno.model.openai importOpenAIChat

task ="Create a SwiftUI view that allows users to switch between the tab bar and sidebar views using TabView and .tabView(.sidebarAdaptable) modifier. Put the content in TabSidebar.swift"

reasoning_agent =Agent(
    model=OpenAIChat(id="gpt-4o-mini"),
    reasoning=True,
    markdown=True,
    structured_outputs=True,
)
reasoning_agent.print_response(task, stream=True, show_full_reasoning=True)