第六节课《Lagent & AgentLego 智能体应用搭建》

最新推荐文章于 2025-04-10 18:04:34 发布

shchojj

最新推荐文章于 2025-04-10 18:04:34 发布

阅读量1k

点赞数 21

文章标签： python chatgpt

本文链接：https://blog.youkuaiyun.com/fanre/article/details/138477704

版权

PDF链接：https://pan.baidu.com/s/1JFtvBWgEGFWJq8pHafvIUg?pwd=6666
提取码：6666

Lagent & AgentLego 智能体应用搭建_哔哩哔哩_bilibili

https://github.com/InternLM/Tutorial/blob/camp2/agent/README.md

InternStudio

一、为什么需要agent智能体

1、大语言模型局限性

幻觉：模型产生虚假信息与实际不符。
时效性：模型训练数据过时的，无法有效反映最新的趋势和信息。
可靠性：面对复杂任务时，可能频繁输出错误信息，影响信任度。

二、什么是智能体

可以感知环境中的动态条件。
能采取动作影响环境。
能运用推理能力理解信息、解决问题、产生推断、决定动作。

三、智能体组成

大脑：作为控制器，承担记忆、思考和决策任务。接受来自感知模块的信息，并采取相应动作。
感知：对外部环境的多模态信息进行感知和处理。包括但不限于图像、音频、视频、传感器等。
动作：利用并执行工具以影响环境。工具可能包括文本的检索、调用相关 API、操控机械臂等

四、智能体范式

AutoGPT：任务输入整个系统，任务列表将任务发送给相应的智能体，智能体将执行后的任务和结果存入到内存，并将相应的结果发送给另外一个智能体，由该智能体创建新的任务。循环直至完成任务。

ReWoo：将用户输入做拆分，将各种工具间的依赖性形成有向无环图，并在图中执行，直到拿到最终结果。

planner作为一个决策，将输入拆分成多步，其中每步对应着一个任务plan，然后将需要执行的部分发送给worker，worker执行完后两部分结果一起发送给solver，并得到最终结果。

ReAct：将用户输入后选择相对应的工具进行执行，获取到工具的结束条件后，模型会进一步思考是否需要选择下一步工具，并执行，直到达到最终条件，即完成用户输入为止。

ReAct结合推理与行为两部分。更好的实现了智能体的思维模式

五、Lagent&AgentLego

1、Lagent：一个轻量级开源智能体框架，旨在让用户可以高效地构建基于大语言模型的智能体。支持多种智能体范式。（如 AutoGPT、ReWoo、ReAct）。支持多种工具。（如谷歌搜索、Python解释器等）

大语言模型模块可以接受来自：人类的反馈、人类的指令和外部观察等。

在完成规划和行动后，交付到动作执行器。

动作执行器包括：Python解释器、搜索等等

2、AgentLego：一个多模态工具包，旨在像乐高积木，可以快速简便地拓展自定义工具，从而组装出自己的智能体。支持多个智能体框架。（如 Lagent、LangChain、Transformers Agents）提供大量视觉、多模态领域前沿算法。

多功能、多模态工具集：

可扩展工具接口
灵活适配智能体
工具检索和部署
智能体案例。

3、两者之间关系

用户将输入输入给大语言模型，大语言模型根据自身进行判断其是否需要调用工具，如果不需要调用工具则直接输出；如果需要调用工具，则进如都爱Lagent相应逻辑中，首先调用工具，工具选择找到工具的功能支持，一部分多模态的工具支持就在AgentLego算法库中有相应的实现，在得到工具的输出后，模型经过后处理，变成智能体输出。

六、实战一：Lagent轻量级智能体框架。

6.1、环境配置

1、创建一个用于存放 Agent 相关文件的目录

mkdir -p /root/agent

2、配置 conda 环境

studio-conda -t agent -o pytorch-2.1.2

3、安装Lagent和AgentLego

cd /root/agent
conda activate agent
git clone https://gitee.com/internlm/lagent.git
cd lagent && git checkout 581d9fb && pip install -e . && cd ..
git clone https://gitee.com/internlm/agentlego.git
cd agentlego && git checkout 7769e0d && pip install -e . && cd ..

4、安装其他依赖

conda activate agent
pip install lmdeploy==0.3.0

5、准备tutorial，已经写好的学习脚本

cd /root/agent
git clone -b camp2 https://gitee.com/internlm/Tutorial.git

6.2、Lagent：轻量级智能体框架

https://github.com/InternLM/Tutorial/blob/camp2/agent/lagent.md

6.2.1 Lagent Web Demo

6.2.1.1 使用 LMDeploy 部署

conda activate agent
lmdeploy serve api_server /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b \
                            --server-name 127.0.0.1 \
                            --model-name internlm2-chat-7b \
                            --cache-max-entry-count 0.1

6.2.1.2 启动并使用 Lagent Web Demo

conda activate agent
cd /root/agent/lagent/examples
streamlit run internlm2_agent_web_demo.py --server.address 127.0.0.1 --server.port 7860

https://github.com/InternLM/Tutorial/blob/camp2/agent/lagent.md映射到本地

ssh -CNg -L 7860:127.0.0.1:7860 -L 23333:127.0.0.1:23333 root@ssh.intern-ai.org.cn -p 43158

http://127.0.0.1:7860/

模型 IP 为 127.0.0.1:23333，回车键以确认

并选择插件为 ArxivSearch，让模型获得在 arxiv 上搜索论文。

正确输出信息，并翻译成中文

6.2.2 用 Lagent 自定义工具

继承 BaseAction 类
实现简单工具的 run 方法；或者实现工具包内每个子工具的功能
简单工具的 run 方法可选被 tool_api 装饰；工具包内每个子工具的功能都需要被 tool_api 装饰

6.2.2.1 创建工具文件

touch /root/agent/lagent/lagent/actions/weather.py

import json
import os
import requests
from typing import Optional, Type

from lagent.actions.base_action import BaseAction, tool_api
from lagent.actions.parser import BaseParser, JsonParser
from lagent.schema import ActionReturn, ActionStatusCode

class WeatherQuery(BaseAction):
    """Weather plugin for querying weather information."""
    
    def __init__(self,
                 key: Optional[str] = None,
                 description: Optional[dict] = None,
                 parser: Type[BaseParser] = JsonParser,
                 enable: bool = True) -> None:
        super().__init__(description, parser, enable)
        key = os.environ.get('WEATHER_API_KEY', key)
        if key is None:
            raise ValueError(
                'Please set Weather API key either in the environment '
                'as WEATHER_API_KEY or pass it as `key`')
        self.key = key
        self.location_query_url = 'https://geoapi.qweather.com/v2/city/lookup'
        self.weather_query_url = 'https://devapi.qweather.com/v7/weather/now'

    @tool_api
    def run(self, query: str) -> ActionReturn:
        """一个天气查询API。可以根据城市名查询天气信息。
        
        Args:
            query (:class:`str`): The city name to query.
        """
        tool_return = ActionReturn(type=self.name)
        status_code, response = self._search(query)
        if status_code == -1:
            tool_return.errmsg = response
            tool_return.state = ActionStatusCode.HTTP_ERROR
        elif status_code == 200:
            parsed_res = self._parse_results(response)
            tool_return.result = [dict(type='text', content=str(parsed_res))]
            tool_return.state = ActionStatusCode.SUCCESS
        else:
            tool_return.errmsg = str(status_code)
            tool_return.state = ActionStatusCode.API_ERROR
        return tool_return
    
    def _parse_results(self, results: dict) -> str:
        """Parse the weather results from QWeather API.
        
        Args:
            results (dict): The weather content from QWeather API
                in json format.
        
        Returns:
            str: The parsed weather results.
        """
        now = results['now']
        data = [
            f'数据观测时间: {now["obsTime"]}',
            f'温度: {now["temp"]}°C',
            f'体感温度: {now["feelsLike"]}°C',
            f'天气: {now["text"]}',
            f'风向: {now["windDir"]}，角度为 {now["wind360"]}°',
            f'风力等级: {now["windScale"]}，风速为 {now["windSpeed"]} km/h',
            f'相对湿度: {now["humidity"]}',
            f'当前小时累计降水量: {now["precip"]} mm',
            f'大气压强: {now["pressure"]} 百帕',
            f'能见度: {now["vis"]} km',
        ]
        return '\n'.join(data)

    def _search(self, query: str):
        # get city_code
        try:
            city_code_response = requests.get(
                self.location_query_url,
                params={'key': self.key, 'location': query}
            )
        except Exception as e:
            return -1, str(e)
        if city_code_response.status_code != 200:
            return city_code_response.status_code, city_code_response.json()
        city_code_response = city_code_response.json()
        if len(city_code_response['location']) == 0:
            return -1, '未查询到城市'
        city_code = city_code_response['location'][0]['id']
        # get weather
        try:
            weather_response = requests.get(
                self.weather_query_url,
                params={'key': self.key, 'location': city_code}
            )
        except Exception as e:
            return -1, str(e)
        return weather_response.status_code, weather_response.json()

6.2.2.2 获取 API KEY

开发文档 | 和风天气开发服务

6.2.2.3 体验自定义工具效果

两个 terminal 中分别启动

LMDeploy 服务
Tutorial 已经写好的用于这部分的 Web Demo

确保其他终端服务已关闭，否则会出现 CUDA Out of Memory 或是端口已占用的情况！

conda activate agent
lmdeploy serve api_server /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b \
                            --server-name 127.0.0.1 \
                            --model-name internlm2-chat-7b \
                            --cache-max-entry-count 0.1

输入获取的API KEY

export WEATHER_API_KEY=在2.2节获取的API KEY
# 比如 export WEATHER_API_KEY=1234567890abcdef
conda activate agent
cd /root/agent/Tutorial/agent
streamlit run internlm2_weather_web_demo.py --server.address 127.0.0.1 --server.port 7860

端口映射

ssh -CNg -L 7860:127.0.0.1:7860 -L 23333:127.0.0.1:23333 root@ssh.intern-ai.org.cn -p 你的 ssh 端口号

七、实战二：AgentLego 组装智能体“乐高”。

Tutorial/agent/agentlego.md at camp2 · InternLM/Tutorial · GitHub

可以直接使用，也可以作为智能体工具使用，以目标检测工具为例

7.1 直接使用 AgentLego

1、下载demo

cd /root/agent
wget http://download.openmmlab.com/agentlego/road.jpg

2、安装依赖

conda activate agent
pip install openmim==0.3.9
mim install mmdet==3.3.0

3、创建工具文件

touch /root/agent/direct_use.py

import re

import cv2
from agentlego.apis import load_tool

# load tool
tool = load_tool('ObjectDetection', device='cuda')

# apply tool
visualization = tool('/root/agent/road.jpg')
print(visualization)

# visualize
image = cv2.imread('/root/agent/road.jpg')

preds = visualization.split('\n')
pattern = r'(\w+) \((\d+), (\d+), (\d+), (\d+)\), score (\d+)'

for pred in preds:
    name, x1, y1, x2, y2, score = re.match(pattern, pred).groups()
    x1, y1, x2, y2, score = int(x1), int(y1), int(x2), int(y2), int(score)
    cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 1)
    cv2.putText(image, f'{name} {score}', (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 1)

cv2.imwrite('/root/agent/road_detection_direct.jpg', image)

4、进行推理

python /root/agent/direct_use.py

7.2 作为智能体工具使用

1、修改相关文件model_name

/root/agent/agentlego/webui/modules/agents/lagent_agent.py

model_name='internlm2-chat-7b',

2、使用 LMDeploy 部署

AgentLego 的 WebUI 需要用到 LMDeploy 所启动的 api_server,使用 LMDeploy 启动一个 api_server。

conda activate agent
lmdeploy serve api_server /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b \
                            --server-name 127.0.0.1 \
                            --model-name internlm2-chat-7b \
                            --cache-max-entry-count 0.1

3、启动 AgentLego WebUI

conda activate agent
cd /root/agent/agentlego/webui
python one_click.py

4、本地端口映射

等待 LMDeploy 的 api_server 与 AgentLego WebUI 完全启动后。

将 LMDeploy api_server 的23333端口以及 AgentLego WebUI 的7860端口映射到本地。

ssh -CNg -L 7860:127.0.0.1:7860 -L 23333:127.0.0.1:23333 root@ssh.intern-ai.org.cn -p 你的 ssh 端口号

5、使用 AgentLego WebUI

http://127.0.0.1:7860

配置 Agent：

点击上方 Agent 进入 Agent 配置页面。（如①所示）
点击 Agent 下方框，选择 New Agent。（如②所示）
选择 Agent Class 为 lagent.InternLM2Agent。（如③所示）
输入模型 URL 为 http://127.0.0.1:23333 。（如④所示）
输入 Agent name，自定义即可，图中输入了 internlm2。（如⑤所示）
点击 save to 以保存配置，这样在下次使用时只需在第2步时选择 Agent 为 internlm2 后点击 load 以加载就可以了。（如⑥所示）
点击 load 以加载配置。（如⑦所示）

配置工具：

点击上方 Tools 页面进入工具配置页面。（如①所示）
点击 Tools 下方框，选择 New Tool 以加载新工具。（如②所示）
选择 Tool Class 为 ObjectDetection。（如③所示）
点击 save 以保存配置。（如④所示）

点击上方 Chat 以进入对话页面

右下角文件夹以上传图片，上传图片后输入指令并点击 generate 以得到模型回复

没有回复成功，应当是当前网络openai屏蔽掉了造成的

7.3 用 AgentLego 自定义工具

继承 BaseTool 类
修改 default_desc 属性（工具功能描述）
如有需要，重载 setup 方法（重型模块延迟加载）
重载 apply 方法（工具功能实现）

调用 MagicMaker 的 API 以实现图像生成

MagicMaker 是汇聚了优秀 AI 算法成果的免费 AI 视觉素材生成与创作平台。主要提供图像生成、图像编辑和视频生成三大核心功能，全面满足用户在各种应用场景下的视觉素材创作需求。体验更多功能可以访问Magic Maker

7.3.1 创建工具文件

touch /root/agent/agentlego/agentlego/tools/magicmaker_image_generation.py

import json
import requests

import numpy as np

from agentlego.types import Annotated, ImageIO, Info
from agentlego.utils import require
from .base import BaseTool


class MagicMakerImageGeneration(BaseTool):

    default_desc = ('This tool can call the api of magicmaker to '
                    'generate an image according to the given keywords.')

    styles_option = [
        'dongman',  # 动漫
        'guofeng',  # 国风
        'xieshi',   # 写实
        'youhua',   # 油画
        'manghe',   # 盲盒
    ]
    aspect_ratio_options = [
        '16:9', '4:3', '3:2', '1:1',
        '2:3', '3:4', '9:16'
    ]

    @require('opencv-python')
    def __init__(self,
                 style='guofeng',
                 aspect_ratio='4:3'):
        super().__init__()
        if style in self.styles_option:
            self.style = style
        else:
            raise ValueError(f'The style must be one of {self.styles_option}')
        
        if aspect_ratio in self.aspect_ratio_options:
            self.aspect_ratio = aspect_ratio
        else:
            raise ValueError(f'The aspect ratio must be one of {aspect_ratio}')

    def apply(self,
              keywords: Annotated[str,
                                  Info('A series of Chinese keywords separated by comma.')]
        ) -> ImageIO:
        import cv2
        response = requests.post(
            url='https://magicmaker.openxlab.org.cn/gw/edit-anything/api/v1/bff/sd/generate',
            data=json.dumps({
                "official": True,
                "prompt": keywords,
                "style": self.style,
                "poseT": False,
                "aspectRatio": self.aspect_ratio
            }),
            headers={'content-type': 'application/json'}
        )
        image_url = response.json()['data']['imgUrl']
        image_response = requests.get(image_url)
        image = cv2.cvtColor(cv2.imdecode(np.frombuffer(image_response.content, np.uint8), cv2.IMREAD_COLOR),cv2.COLOR_BGR2RGB)
        return ImageIO(image)

7.3.2 注册新工具

修改 /root/agent/agentlego/agentlego/tools/__init__.py 文件

from .base import BaseTool
from .calculator import Calculator
from .func import make_tool
from .image_canny import CannyTextToImage, ImageToCanny
from .image_depth import DepthTextToImage, ImageToDepth
from .image_editing import ImageExpansion, ImageStylization, ObjectRemove, ObjectReplace
from .image_pose import HumanBodyPose, HumanFaceLandmark, PoseToImage
from .image_scribble import ImageToScribble, ScribbleTextToImage
from .image_text import ImageDescription, TextToImage
from .imagebind import AudioImageToImage, AudioTextToImage, AudioToImage, ThermalToImage
from .object_detection import ObjectDetection, TextToBbox
from .ocr import OCR
from .scholar import *  # noqa: F401, F403
from .search import BingSearch, GoogleSearch
from .segmentation import SegmentAnything, SegmentObject, SemanticSegmentation
from .speech_text import SpeechToText, TextToSpeech
from .translation import Translation
from .vqa import VQA
from .magicmaker_image_generation import MagicMakerImageGeneration
__all__ = [
    'CannyTextToImage', 'ImageToCanny', 'DepthTextToImage', 'ImageToDepth',
    'ImageExpansion', 'ObjectRemove', 'ObjectReplace', 'HumanFaceLandmark',
    'HumanBodyPose', 'PoseToImage', 'ImageToScribble', 'ScribbleTextToImage',
    'ImageDescription', 'TextToImage', 'VQA', 'ObjectDetection', 'TextToBbox', 'OCR',
    'SegmentObject', 'SegmentAnything', 'SemanticSegmentation', 'ImageStylization',
    'AudioToImage', 'ThermalToImage', 'AudioImageToImage', 'AudioTextToImage',
    'SpeechToText', 'TextToSpeech', 'Translation', 'GoogleSearch', 'Calculator',
    'BaseTool', 'make_tool', 'BingSearch', 'MagicMakerImageGeneration'
]

7.3.3 体验自定义工具效果

两个 terminal 中分别启动 LMDeploy 服务和 AgentLego 的 WebUI

conda activate agent
lmdeploy serve api_server /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b \
                            --server-name 127.0.0.1 \
                            --model-name internlm2-chat-7b \
                            --cache-max-entry-count 0.1

conda activate agent
cd /root/agent/agentlego/webui
python one_click.py

ssh -CNg -L 7860:127.0.0.1:7860 -L 23333:127.0.0.1:23333 root@ssh.intern-ai.org.cn -p 你的 ssh 端口号

在 Tool 界面选择 MagicMakerImageGeneration 后点击 save

感觉是因为本地网络受限，所以输出404，之后回去测试，贴上文档下的原图