【Agent】构建智能客服系统：基于多 Agent 的对话系统实现

在探索大语言模型应用的过程中，我们发现单一的对话模型往往难以应对复杂的业务场景。本文将介绍一个基于多 Agent 的智能客服系统，重点展示如何通过多个专业化的 Agent 协同工作来提供更好的客服体验。

GitHub Code 项目地址

核心架构设计

1. Agent 基类设计

from pydantic import BaseModel
from typing import Optional

class Agent(BaseModel):
    name: str = "Agent"
    model: str = "gpt-4o"  # deepseek-chat, mixtral-8x7b-32768, Qwen/Qwen2-72B-Instruct, gpt-4o, llama3-70b-8192
    instructions: str = "你是一个非常有用的人工智能助手，你使用中文回答用户的问题。"
    tools: list = []

2. 消息处理机制

def run_full_turn(agent, messages):
    current_agent = agent
    num_init_messages = len(messages)
    messages = messages.copy()
    while True:
        # turn python functions into tools and save a reverse map
        tool_schemas = [function_to_schema(tool) for tool in current_agent.tools]
        tools = {
   tool.__name__: tool for tool in current_agent.tools}