AI Agent之AutoGen框架部署、测试

lucky_chaichai

已于 2024-12-06 15:22:57 修改

阅读量2.7k

点赞数 15

分类专栏： AI Agent 智能体文章标签：人工智能

于 2024-11-22 10:57:44 首次发布

本文链接：https://blog.youkuaiyun.com/lucky_chaichai/article/details/143212429

版权

AI Agent 同时被 2 个专栏收录

1 篇文章

订阅专栏

智能体

1 篇文章

订阅专栏

一、AutoGen studio部署与测试

多智能体框架，目前（2024.12.06）工作流需要至少包含两个智能体；
AutoGen studio是基于AutoGen智能体框架的AI APP(用户界面)，它可以帮助快速原型化 AI智能体、多AI智能体工作流（但只是基于AutoGen框架提供了一个终端用户界面示例，并不是一个完整的产品）。其中包括各种创建多智能体交互的组件：skills、LLM、Agent和workflow。
AutoGen项目下的AutoGen studio GitHub网址：https://github.com/microsoft/autogen/blob/main/python/packages/autogen-studio/README.md
AutoGen studio说明：https://microsoft.github.io/autogen/0.2/docs/autogen-studio/getting-started/

1、部署与启动

最好是创建一个新的conda环境，然后在环境中进行安装部署。
conda安装和新环境创建具体操作方式：https://blog.youkuaiyun.com/lucky_chaichai/article/details/117323715
1、创建AutoGen studio的conda环境
为保证兼容性，建议安装3.10及以上版本的python。

conda create -n autogen_studio python=3.11

2、安装AutoGen studio

#激活对应的conda环境
conda activate autogen_studio 
#安装AutoGen studio
pip install autogenstudio

3、启动AutoGen studio并访问
在autogen_studio 这个环境下，执行：

# 方式1：这种方式只能在本地浏览器访问，默认port是8080
autogenstudio ui --port 8081
# 方式2：可以指定host参数，这样在其他电脑上也能访问ui界面
autogenstudio ui --port 8081 --host replaced by your_ip

上述命令运行后，直接将网址复制到浏览器中打开即可：

方式1网址是：
http://127.0.0.1:8081

方式2网址是：
http://your_ip:8081

其他可选参数还有：

--appdir argument to specify the directory where the app files (e.g., database and generated user files) are stored. By default, it is set to the a .autogenstudio directory in the user’s home directory.
--reload argument to enable auto-reloading of the server when changes are made to the code. By default, it is set to False.
--database-uri argument to specify the database URI. Example values include sqlite:///database.sqlite for SQLite and postgresql+psycopg://user:password@localhost/dbname for PostgreSQL. If this is not specified, the database URIL defaults to a database.sqlite file in the --appdir directory.
--upgrade-database argument to upgrade the database schema to the latest version. By default, it is set to False.

2、新建skills、model、Agent、workflow

整体用户界面如下：
在这里插入图片描述

1、新建skils（相当于tool、代码函数）

skills是用户可以自定义的、Agent可以调用来执行任务的python函数。
整体界面如下图，点击“new skills”按钮可以创建自己的skills。
在这里插入图片描述
创建skills其实就是用python代码自定义一个函数，比如下面的这个“generate_and_save_images” skills：

包括两个大部分：左侧python代码块、右侧skill的基本配置；
这个是页面上预置的skills，功能是帮助用户生成并保存图片（使用这个skills之前需要在conda环境中安装matplotlib模块）；
右侧需要定义skills名称（需要与左侧的函数名一致）、描述和环境变量（没有环境变量，不定义也行）；
左侧是python代码编辑器，可以根据需求自定义python函数；
使用实例可以看“多智能体最终效果展示”小节中，根据用户输入“Write a python script to plot a sine wave and save it to disc as a png file sine_wave.png”生成的效果。

2、新建model（LLM）

model是AI Agent的基座大模型。
整体界面如下，每次点击“new model”之后，即使你关闭了（没有保存），界面上也会显示这个大模型……
在这里插入图片描述
下面是“new model”界面，创建LLM时需要考虑：

大模型可以是openAi的GPT系列模型，也可以指定自己的大模型（我指定的是本地的华知7b_32k模型）；
大模型的调用接口需要是open_ai方式封装的，有model_name、API key（我是内网模型用任意值填充了）、base_url；
定义好模型后，点击“test model”可以测试模型定义的是否真确、是否能正常调用。

3、新建Agent（智能体）

Agent是集合了model和skills的单智能体。
下面是创建Agent的主界面，点击“new Agent”可以创建自己的Agent。
在这里插入图片描述
我创建了两个Agent（如下图，分别是myuser_huazhi、my_assistent_huazhi）用于后面的交互，创建Agent的时候需要考虑：

主要包括三部分：Agent基本配置、指定model、指定skills；
基本配置包括Agent名字、描述、system message等，其中system message起到system prompt的作用；
model部分可以点击“add”添加自己之前定义的LLM（比如华知7b_32k模型），可以添加多个；
skills部分与model部分类似，点击add添加之前定义好的skills即可（比如generate_and_save_images）；
myuser_huazhi没有添加任何的model和skills，my_assistent_huazhi添加了华知7b_32k model和generate_and_save_images、generate_and_save_pdf skills。

4、新建workflow（工作流）

workflow是集合了多个智能体的工作流，可以供playground界面创建session的时候选择来完成具体的任务。
整体界面如下，点击“new workflow”可以创建自己的工作流。
在这里插入图片描述
创建工作流的时候考虑的问题：

第一步是选择工作流的类型，主要两类：autonomous chat类型、sequential类型；
- autonomous chat类型：需要两个智能体，一个作为Initiator，一个作为Receiver；
- sequential类型：需要选择多个智能体，且智能体之间是前后顺序关系（也是他们执行任务的顺序），如下图所示：
第二步主要包括两部分：基础配置部分、Agent添加部分；
- 基础配置部分：需要填写工作流名称、描述和总结方式（我选择的llm方式），填好后点击“create workflow”，右侧会出现添加Agent界面；
- 添加Agent部分： sequential类型是直接顺序添加多个Agent，autonomous chat类型如下图所示：Initiator添加的是myuser_huazhi Agent，Receiver添加的是my_assistent_huazhi Agent。

在这里插入图片描述

第三步是配置完工作流后，点击“test workflow”进行测试，如下图所示：
下面这种问题会根据创建Receiver方Agent的时候给的system message内容回复。

3、多智能体最终效果展示

上面所有的组成部分创建完成后，就可以在playground界面创建sessions了。

第一步，新建sessions，需要指定工作流、和session name；
第二步，创建完sessions，就可以直接使用聊天对话的方式体验智能体了。下面是各种聊天的结果示例；
执行过程中，首先会有意图识别的总结输出，然后结果包括两个部分：
- Agent messages部分：展示聊天内容，即用户的一问一答聊天内容；
- results部分是skills的输出文件，包括图片文件、python代码文件。