针对Qwen-Agent框架的Function Call及ReAct的源码阅读与解析：Agent基类篇

已于 2025-06-15 14:54:29 修改
阅读量1.1k 收藏 10
点赞数 17
CC 4.0 BY-SA版权
分类专栏： 大模型应用与实战 文章标签： Qwen-Agent Function Call React
于 2024-11-28 23:03:02 首次发布
本文为博主原创文章，未经博主允许不得转载，听见没。
本文链接：https://blog.youkuaiyun.com/jining11/article/details/143950268

Qwen-Agent框架作为一个强大的智能体框架，提供了灵活且高效的工具调用机制。本文将深入剖析Qwen-Agent框架中的Agent基类源码，探究Function Call和ReAct这两种主流工具调用方式的底层实现原理，帮助开发者更好地理解和应用这一框架。

文章目录

🎉进入大模型应用与实战专栏 | 🚀查看更多专栏内容

在这里插入图片描述

本文在基于Qwen-Agent框架的Function Call及ReAct方式调用自定义工具的基础上，进一步阅读Qwen-Agent框架涉及到的相关源码，深入解析不同参数对于工具调用效果的作用方式。

Agent继承链

查看源码，可以发现ReActChat类继承了

了解本专栏 订阅专栏 解锁全文 超级会员免费看
基于Qwen-Agent框架的Function Call及ReAct方式调用自定义工具
羊城迷鹿的博客
11-19 1436
自定义工具比较麻烦，要严格按照下面的格式才可以，否则会提示工具没有注册的错误。description = "两个整数相乘"'description': '第一个整数','description': '第二个整数',],"""两个整数相乘"""description = "两个整数相加"'description': '第一个整数','description': '第二个整数',],"""两个整数相加"""按照以下方式接入Ollama模型的参数设置。
针对Qwen-Agent框架的源码阅读与解析：FnCallAgent与ReActChat篇
羊城迷鹿的博客
04-06 947
在中，我们已经了解了Agent基类的大体实现。这里我们就再详细学习一下类和ReActChat的实现思路，从而对Agent的两条主流技术路径有更深刻的了解。同时，在前面的文章中我们尝试了中英文提示词和并行调用工具，这里我们将追溯源码，看看它们的深层次实现以及失效的原因。
Qwen-Agent：基于通义千问的智能体开发框架全面解析
最新发布
m0_59163425的博客
06-06 1446
最近逛 GitHub 时，看到了 Qwen 开源的专用 Agent 框架，**Qwen-Agent** 。为开发者提供了强大的工具和灵活的接口，支持构建具备指令遵循、工具使用、规划、记忆等能力的智能体应用。
Qwen-Agent
liuzhenghua66的博客
07-23 1399
一个智能体用于理解包含百万字词的文档，使用了支持8k上下文的模型，但效果超过RAG和长序列原生模型。智能体包含三个复杂度级别，每一层都建立在前一层的基础上。官方介绍：https://qwenlm.github.io/zh/blog/qwen-agent-2405/代码库：https://github.com/QwenLM/Qwen-Agent。
Qwen-Agent：阿里通义开源 AI Agent 应用开发框架，支持构建多智能体，具备自动记忆上下文等能力
m0_56255097的博客
12-30 2364
步骤 1（可选）：添加自定义工具 `my_image_gen`description = 'AI 绘画（图像生成）服务，输入文本描述，返回基于文本信息绘制的图像 URL。'description': '所需图像内容的详细描述，使用英文',}]
聊聊通义千问实验室多agent框架——qwen-agent的函数调用功能及实践
m0_59235245的博客
10-15 1904
Qwen-Agent[1]是一个开发框架。开发者可基于本框架开发Agent应用，充分利用基于通义千问模型（Qwen）的指令遵循、工具使用、规划、记忆能力。本项目也提供了浏览器助手、代码解释器、自定义助手等示例应用。qwen-agent提供了完备的函数调用功能（function call & tools），在文档： Tool介绍[2] 中讲的蛮清楚。本文结合文档及实际的示例讲述 函数调用 的应用。
Qwen-Agent 使用篇
m0_59235945的博客
11-21 2095
Qwen-Agent 提供包括语言模型和提示词等原子级组件，及智能体等高级组件在内的多种组件。以下示例选取助理组件进行展示，阐述了如何整合自定义工具以及如何迅速开发出一个能够应用这些工具的代理程序。
【通义千问—Qwen-Agent系列3】案例分析（五子棋游戏&多Agent冒险游戏&多智能体群组交流）
艰难困苦，玉汝于成。
05-24 2756
Qwen-Agent是一个开发框架。开发者可基于本框架开发Agent应用，充分利用基于通义千问模型（Qwen）的指令遵循、工具使用、规划、记忆能力。本框架也提供了浏览器助手、代码解释器、自定义助手等示例应用，该篇为系列3。
Qwen-Agent框架的文件相关操作：从Assistant到BasicDocQA
羊城迷鹿的博客
04-06 734
Assistant类是Qwen-Agent框架中的一个核心类，它继承自，集成了RAG能力和函数调用能力。llm=llm,name=name,：可调用的函数列表llm：语言模型实例：系统消息name和：Agent的名称和描述files：文件列表rag_cfg：RAG配置BasicDocQA类继承自Assistantllm=llm,name=name,DEFAULT_DESC = '可以根据问题，检索出知识库中的某个相关细节来回答。
【AI大模型Agent探索】深入探索实践 Qwen-Agent 的 Function Calling
寻道AI，探索AI无限可能！
07-19 4598
本文将深入探讨 Qwen-Agent 的核心特性之一——功能调用（Function Calling）。这是一种允许 AI 模型直接与外部工具和API进行交互的能力，极大地扩展了 AI 模型的应用范围。通过实际的编码实践，我们将展示如何利用这一机制，将 AI 的决策能力和外部工具的功能性紧密结合，以实现更加丰富和高效的自动化服务。
Qwen-Agent：Qwen2加持，强大的多代理框架 - 函数调用、代码解释器以及 RAG！
lythinking的博客
06-15 4200
等，进一步支撑你的行动，以提升本文的帮助力。
聊聊通义千问实验室多Agent框架——Qwen-Agent
m0_59164520的博客
09-04 2030
Qwen-Agent[1]是一个开发框架。开发者可基于本框架开发Agent应用，充分利用基于通义千问模型（Qwen）的指令遵循、工具使用、规划、记忆能力。本项目也提供了浏览器助手、代码解释器、自定义助手等示例应用。
【AI大模型Agent探索】Qwen-Agent：基于Qwen的LLM应用开发框架
寻道AI，探索AI无限可能！
07-18 3511
随着人工智能技术的飞速发展，大型语言模型（LLM）在各个领域展现出了巨大的潜力。Qwen-Agent，一个基于Qwen模型的框架，为开发者提供了一个强大的工具，以实现指令跟随、工具使用、规划和记忆等高级功能。本文将详细介绍Qwen-Agent的基本概念、技术特点、功能优势以及实际代码实践，旨在为读者提供一个全面的视角，以便更好地理解和应用这一框架。
探索Qwen-Agent：一款高效、灵活的自动化运维工具
gitblog_00065的博客
03-26 960
探索Qwen-Agent：一款高效、灵活的自动化运维工具 Qwen-Agent Agent framework and applications built upon Qwen, featuring Code Interpreter and Chrome browser extension. ...
Qwen学习笔记1：Qwen模型使用ReAct原理实现function calling，增强模型能力
weixin_42118737的博客
05-15 4930
本文记录使用Qwen模型基于ReAct原理实现的函数调用功能，并附带记录一些代码。
开源模型应用落地-qwen模型小试-Qwen-Agent（十一）
热门推荐
以微薄之力，予他人些许温暖.
05-13 2万+
在qwen1.5-7b-chat模型下，利用Qwen-Agent构建智能代理，以理解和响应用户查询
Qwen学习笔记2：Qwen模型基于ReAct原理实现function calling
weixin_42118737的博客
05-15 5261
本文继续记录了Qwen模型的function calling功能的实践代码。
Qwen-Agent ollama
12-31
### Qwen-Agent与Ollama集成概述 Qwen-Agent作为一个基于Qwen模型的强大开发框架，提供了丰富的特性和灵活的应用场景[^1]。对于希望利用Qwen-Agent与ollama（假设为特定类型的硬件加速器或其他辅助计算资源）协同工作的开发者而言，理解两者如何有效结合至关重要。 #### 环境准备 为了使Qwen-Agent能够充分利用ollama的优势，在开始之前需确保已安装必要的依赖库以及配置好环境变量。这通常涉及设置Python虚拟环境，并通过pip安装来自官方GitHub仓库中的最新版本Qwen-Agent包： ```bash git clone https://github.com/QwenLM/Qwen-Agent.git cd Qwen-Agent pip install . ``` #### 初始化项目结构 创建一个新的Python脚本来初始化Qwen-Agent实例时，可以指定参数来适配ollama特性。例如，如果ollama提供特殊的API接口用于优化大型语言模型推理速度，则可以在初始化过程中传递这些选项： ```python from qwen_agent import Agent agent = Agent( model="qwen", device="cuda" if use_ollama_acceleration else "cpu", api_key=your_api_key, additional_params={"use_ollama": True} # 假设这是针对ollama的一个特殊标志位 ) ``` #### 实现自定义功能 考虑到Qwen-Agent支持LLM类的函数调用功能，这意味着可以根据ollama的具体能力和应用场景实现定制化的智能代理行为模式[^2]。比如，当处理复杂查询请求时，可以让Qwen-Agent自动识别是否应该启用ollama来进行更高效的运算处理；或者是在某些情况下仅依靠本地资源完成任务。 #### 应用案例展示 下面是一个简单的例子，展示了如何使用带有ollama增强特性的Qwen-Agent执行文本摘要生成任务： ```python def summarize_text(text, agent): response = agent.run(f"Summarize the following text:\n{text}") return response['result'] long_document = """ 这里是一篇很长的文章... """ summary = summarize_text(long_document, agent) print(summary) ``` 在这个例子中，`summarize_text` 函数接收一段较长的文字输入并通过Qwen-Agent发出指令以获取简洁明了的小结。而实际运行期间，内部逻辑会判断当前环境下是否有可用的ollama设备参与工作，从而决定采用哪种方式更好地满足性能需求。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

羊城迷鹿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值