1 Agents简介

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：

• 长短期记忆：Agents集成了记忆组件，并使用向量数据库和语义搜索使智能体能够存储和检索长期记忆，并定期使用便签存储器更新短期工作记忆。用户只需在配置文件中填写字段，就可以选择为智能体配备长期记忆、短期记忆或两者兼备。
• 工具使用和网络导航：Agents支持一些常用的外部API，并提供一个抽象类，使开发人员能够轻松集成其他工具。同时，还支持通过将Web搜索和网络导航定义为专门的API，使智能体能够浏览互联网并收集信息。
• 多智能体通信：Agents支持单智能体和多智能体，其多智能体通信采用“动态调度”的能力。动态调度不是根据硬编码规则安排智能体的行动顺序，而是提供了定义控制器智能体的选项，控制器智能体充当“协调者”，根据其角色和当前情况决定哪个智能体执行下一个动作。
• 人机交互：Agents无缝支持单智能体和多智能体场景下的人机交互，使一个或多个人能够与智能体进行沟通和交互。
• 可控性：Agents通过符号计划（也称为标准作业程序SOPs）提供了一种建立可控智能体的新范式。Agents中的SOP是一组详细记录、循序渐进的说明，概述了特定任务或过程应该如何由一个智能体或多个智能体执行。符号计划的引入提供了对智能体行为的细粒度控制，使智能体的行为更加稳定/可预测，并同时便于调整/优化Agent。

2 Agents设计

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 )

2.1 Agent

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。

2.2 SOP

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 )

2.4 核心功能的实现

• 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。

3 Agents总结

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。