AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


一款由知识图谱引擎驱动的创新Agent框架
发布日期:2024-09-10 03:16:51 浏览次数: 1620


今天给大家安利一个开源框架- muAgent v2.0:KG引擎驱动的创新Agent框架。

由LLM和EKG(Eventic Knowledge Graph,行业知识载体)驱动的全新Agent框架,协同利用MultiAgent、FunctionCall、CodeInterpreter等。通过基于画布的拖放和简单的文本编写,大语言模型可以辅助您在人工指导下执行各种复杂的 SOP。

它兼容市场上现有的框架,可以实现四大核心差异化技术功能:复杂推理、在线协作、人机交互、知识点播。该框架已在蚂蚁集团内多个复杂的 DevOps 场景中得到验证。

经过对市面上的框架的深入分析,发现大多数的 Agent 框架整体耦合度较高,其易用性和可扩展性较差。在预设场景中实现特定场景,但想要进行场景扩展却困难重重。

因此,我们构建了一个可扩展、易于使用的 Multi-Agent 框架,以支持 ChatBot 在获取知识库信息的同时,能够辅助完成日常办公、数据分析、开发运维等各种通用任务。

本项目的 Mutli-Agent 框架汲取兼容了多个框架的优秀设计,比如 metaGPT 中的消息池(message pool)、autogen 中的代理选择器(agent selector)等。

项目地址:https://github.com/codefuse-ai/CodeFuse-muAgent/tree/main

Multi-Agent 框架,包括以下内容:

  • Agent Base:构建了四种基本的 Agent 类型 BaseAgent、ReactAgent、ExecutorAgent、SelectorAgent,支撑各种场景的基础活动
  • Communication:通过 Message 和 Parse Message 实体完成 Agent 间的信息传递,并与 Memory Manager 交互再 Memory Pool 完成记忆管理
  • Prompt Manager:通过 Role Handler、Doc/Tool Handler、Session Handler、Customized Handler,来自动化组装 Customized 的 Agent Prompt
  • Memory Manager:用于支撑 chat history 的存储管理、信息压缩、记忆检索等管理,最后通过 Memory Pool 在数据库、本地、向量数据库中完成存储
  • Component:用于构建 Agent 的辅助生态组件,包括 Retrieval、Tool、Action、Sandbox 等
  • Customized Model:支持私有化的 LLM 和 Embedding 的接入

在 Agent 层面,提供四种基本的 Agent 类型,对这些 Agent 进行 Role 的基础设定,可满足多种通用场景的交互和使用。所有的 Action 都由 Agent 执行。

BaseAgent:提供基础问答、工具使用、代码执行的功能,根据 Prompt 格式实现 输入 => 输出

ReactAgent:提供标准 React 的功能,根据问题实现当前任务

ExecutorAgent:对任务清单进行顺序执行,根据 User 或 上一个 Agent 编排的计划,完成相关任务 Agent 接受到任务清单(List[task]),对这个任务清单 Task 进行循环执行(中间也可添加 Feedback Agent 来进行任务重新优化),直到任务完成

SelectorAgent:提供选择 Agent 的功能,根据 User 或 上一个 Agent 的问题选择合适的 Agent 来进行回答.


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

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询