微信扫码
与创始人交个朋友
我要投稿
随着大语言模型的爆火,使得人们看见了一个通往AGI的方向。基于LLM所具备的意图识别解释、生成计划并自主行动的能力,人们相继构建出自主的智能体。智能体以LLM作为大脑,通过与环境、人类和其他智能体的交互,可以自主的解决各种复杂的任务。
Agents是一款开源的通用多智能体,包含规划、记忆、工具、多智能体通信和符号计划(SOPs,也称为标准作业程序)等功能。Agents具有如下功能:
Agents主要包含Agent和环境两个类,此外还包含一个用于符号计划的类,称为SOP(标准作业程序),以使智能体具有更好的可控性。上述的主要类通过配置文件初始化,配置文件可以用纯文本填写。Agents初始化和运行(多)智能体系统的典型脚本示例如代码1所示。配置文件不仅定义了这些核心对象,还将复杂的提示分解为模块化的提示组件。提示的分解显著降低了用户构建(多)智能体系统所需的专业知识和工作量。
代码1:使用Agents初始化和运行(多)智能体系统的示例代码
def main ()
# agents is a dict of one or multiple agents .
agents = Agent . from_config ("./ config . json ")
sop = SOP . from_config ("./ config . json ")
environment = Environment . from_config ("./ config . json ")
run ( agents , sop , environment )
Agent类有观察环境(agent._observe(environment))、根据当前状态行动(agent._act())和更新记忆(agent._update_memory())等方法。上述方法都封装在agent.step()方法中,方便开发人员轻松地自定义智能体的新功能。同时,Agents还有一个“_is_user”属性,如果将其设置为“True”,Agents将选择向人类用户提供观察和记忆信息,并等待人类用户输入操作。上述设计允许在单个智能体和多个智能体系统中灵活进行人机交互,允许人类用户扮演一个或多个角色。
SOP类包含智能体状态的图形表示。每个状态指定了SOP描述的任务中所有智能体的某个子任务或子目标。状态被抽象为State类,State对象包含智能体在状态中利用LLM和各种工具或API所使用的模块化提示。
SOP对象还包括一个基于LLM的控制函数,用于决定不同状态之间的转换和下一个要执行动作的智能体。状态转移函数命名为sop._transit(),智能体路由函数命名为sop._route()。这两个函数都封装在sop.next()函数中,该函数在主循环中使用。
2.3 环境
环境类(Environment)抽象了Agents所处的环境。环境包含两个主要函数:environment._observed()和environment.update()。environment._observed()定义了环境对Agent行动的影响(即在观察时应向Agent传递哪些信息),而environment.update()定义了Agent行动对环境的影响。
基于Agents的(多)智能体系统的执行逻辑非常直观。如代码2所示,在每次迭代中,SOP首先根据Agent和环境决定状态转换,并选择下一个要执行动作的Agent。然后Agent根据其状态和环境采取行动,环境根据新的行动更新自身。最后,如果工作流需要根据中间执行结果动态调整计划,可以解析操作的输出,定义一个新的状态并将其添加到当前SOP中。
代码2:AGENTS中(多)智能体系统的运行循环示例代码
def run ( agents , sop , environment ) :
while not sop . finished :
agent , state = sop . step ( agents , environment )
action = agent . step ( state , environment )
environment . update ( agent , action )
# optional , in case of dynamic planning
# new_states = get_new_states ( action )
# sop . add_states ( new_states )
长短期记忆
在Agents中,长期记忆是动作历史,通过句子转换器进行嵌入,存储在VectorDB中,并通过语义搜索进行查询。短期记忆,即工作记忆,以自然语言形式存在,并通过LLM更新。
工具使用和网页导航
Agents通过ToolComponents支持工具使用和网页导航。对于每个外部工具或API,开发者可以将API调用包装在ToolComponent.func()方法中。对于那些API调用与上下文相关的复杂工具,Agents集成了OpenAI GPT API的“函数调用”功能,让LLMs决定如何使用这些工具。通过将网页搜索实现为一种专门的工具,实现了网页导航功能。
多智能体通信
Agents包含一个控制器函数,该函数通过考虑之前的行动、环境和当前状态的目标,使用LLM动态决定哪个智能体将执行下一个行动,使得多智能体通信更加灵活。
人机交互
通过允许人类用户在配置文件中将某个智能体的“is_user”字段更改为“True”,支持多智能体系统中的人机交互。由此,用户可以自己扮演智能体的角色,输入自己的行动并与环境中的其他智能体进行交互。
Agents是一个通用的Agent框架,其具有易定制、易调整等特点。相较于其他AI Agent而言,其在通用性基础上,通过SOP机制建立了可控智能体的新范式。使其具备对智能体行为的细粒度控制,保障智能体的行为更加稳定/可预测,并同时便于调整/优化智能体。虽然Agents的概念相对齐全,但是整体实现简单,还是属于学术界仿真的阶段。
53AI,企业落地应用大模型首选服务商
产品:大模型应用平台+智能体定制开发+落地咨询服务
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2024-05-28
2024-04-26
2024-08-13
2024-08-21
2024-07-09
2024-08-04
2024-06-13
2024-04-11
2024-07-18
2024-07-01