微信扫码
与创始人交个朋友
我要投稿
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:
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
2024-12-21
SAC-KG:利用大型语言模型一键构建领域知识图谱 - 中科大&阿里
2024-12-19
北大Chatlaw - 基于知识图谱增强混合专家模型的多智能体法律助手
2024-12-18
Elasticsearch vs 向量数据库:寻找最佳混合检索方案
2024-12-16
轻量高效的知识图谱RAG系统:LightRAG
2024-12-16
5种方法,让文本信息瞬间变成结构化图谱!
2024-12-16
向量数据库到底算不算一种NoSQL数据库?
2024-12-14
大模型能自动创建高质量知识图谱吗?可行性及人机协同机制 - WhyHow.AI
2024-12-12
大模型+知识图谱在工业领域落地的4大场景
2024-07-17
2024-07-11
2024-08-13
2024-07-13
2024-07-12
2024-06-24
2024-07-08
2024-06-10
2024-07-26
2024-07-04
2024-12-16
2024-12-10
2024-12-04
2024-12-01
2024-11-30
2024-11-22
2024-11-04
2024-10-10