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


Multi Agent 多agent协同,不仅好玩还很实用,给你一个完整的demo
发布日期:2024-09-14 07:38:04 浏览次数: 1864 来源:世界大模型


      最近学习langchain,搞一搞agent,向大家汇报一下,不想看理论的直接跳到【一个实战的multi agent】这部分,开始汇报了,哈哈。

      Multi-Agent,即多智能体系统,是人工智能领域中的一个重要概念,它指的是由多个具有自主决策和交互能力的智能体(Agent)组成的系统。这些智能体能够相互协作、竞争或协商,以完成共同或各自的任务。以下是对Multi-Agent的详细介绍:

一、定义与特点

  • 定义:Multi-Agent系统是一种分布式人工智能模型,其中每个Agent都具有自主决策和交互能力。这些Agent可以分布在不同的物理位置或逻辑层次上,通过网络进行通信和协作。

  • 特点

  1. 分布性:Agent可以分布在不同的物理位置或逻辑层次上,这使得系统能够更好地适应复杂、动态的环境。

  2. 自主性:每个Agent都具有自主决策和执行能力,能够根据自身的知识、目标和环境信息做出独立的决策。

  3. 交互性:Agent之间可以通过某种通信机制进行信息交换和协调,如显式的消息传递或隐式的共享内存等,以了解其他Agent的状态、意图和行动,并据此做出相应的反应和决策。

  4. 适应性:Multi-Agent系统能够根据环境和任务的变化动态地调整自身的结构和行为,以适应新的情况。

二、系统优势

  • 灵活性和可扩展性:Multi-Agent系统采用分布式设计,Agent具有高内聚低耦合的特性,使得系统表现出极强的可扩展性。同时,系统可以根据需要灵活地添加或删除Agent,以适应不同的任务需求。

  • 容错性:在Multi-Agent系统中,如果某个Agent出现故障,其他Agent可以自主地适应新的环境并继续工作,不会使整个系统陷入故障状态。

  • 协作能力:Multi-Agent系统是分布式系统,Agent之间可以通过合适的策略相互协作完成全局目标。这种协作能力使得系统能够处理更为复杂和大规模的任务。

  • 异质性:Agent可以是不同的个人或组织,采用不同的设计方法和计算机语言开发而成,因此Multi-Agent系统具有异质性,能够充分利用不同领域的专业知识和技术。

三、应用领域

Multi-Agent系统具有广泛的应用领域,包括但不限于:

  • 智能机器人:在机器人控制中,多个智能体可以协同工作,实现复杂的任务规划和执行。

  • 分布式控制系统:在工业自动化领域,Multi-Agent系统可以用于实现分布式控制,提高生产效率和安全性。

  • 智能交通系统:在交通管理中,多个智能体可以协同处理交通信号控制、车辆调度等问题,缓解交通拥堵和提高交通效率。

  • 电子商务系统:在电子商务领域,Multi-Agent系统可以用于实现智能推荐、智能客服等功能,提升用户体验和商家效率。

四、实现挑战

尽管Multi-Agent系统具有诸多优势和应用前景,但其实现也面临一些挑战:

  • 通信机制设计:如何设计有效的通信机制以实现Agent之间的信息交换和协调是一个关键问题。

  • 信用分配:在多智能体协作完成任务时,如何合理地分配信用和奖励是一个复杂的问题。

  • 学习和决策:如何使Agent具备学习和决策能力以适应动态变化的环境是一个持续的研究方向。

综上所述,Multi-Agent系统是一种具有强大潜力和广泛应用前景的人工智能模型。随着技术的不断发展和完善,相信Multi-Agent系统将在更多领域发挥重要作用。

五、一个实战的multi agent

本次我想设计一个多agent协同的系统,用户可以使用任何agent的组合,为了演示,我设计了三个agent

agent1:写诗函数

def random_poem(title: str)->str:"""写诗函数根据用户输入的主题写诗:paramtitle:诗的主题:return 发送结果的字符串"""# print(title)llm = Ollama(model="qwen2:7b")text = """基于下面的主题写一首诗,主题是‘{0}‘,诗是:""".format(title)return llm(text)class PromptTitleInput(BaseModel):title: str = Field(description="这是诗的主题")

注意,函数中的注释很重要,要写清楚,可以按照我的方式写

agent2:保存文本函数

def save_text(content:str,path:str)->str:"""保存文本的函数:param content:要保存的内容:param path: 保存目录:return 提示字符串"""with open(os.path.join(path,"/test.txt"),"w") as file:file.write(content)return "保存成功,在{0} 下".format(os.path.join(path,"test.txt"))
class PromptSaveInput(BaseModel):content: str = Field(description="需要保存的内容")path: str = Field(description="保存内容的目录")

这里有两个参数,一个是保存的内容,一个是路径

agent3:发邮件函数

# 定义发送电子邮件的函数def post_message(title: str, content: str,address:str) -> str:"""发送电子邮件的函数:param title: 邮件的主题:param content: 邮件的内容:param address:邮箱地址:return: 发送结果的字符串"""# 第三方 SMTP 服务mail_host = "smtp.163.com"# SMTP服务器mail_user = "1780105****@163.com"# 用户名    mail_pass = "***"  # 授权密码,非登录密码 写自己的
sender = '1780105****@163.com'# 发件人邮箱(最好写全, 不然会失败)receivers = [,address]# 接收邮件,可设置为你的QQ邮箱或者其他邮箱message = MIMEText(content, 'plain', 'utf-8')# 内容, 格式, 编码message['From'] = "{}".format(sender)message['To'] = ",".join(receivers)message['Subject'] = title
try:smtp_obj = smtplib.SMTP_SSL(mail_host, 465)# 启用SSL发信, 端口一般是465smtp_obj.login(mail_user, mail_pass)# 登录验证smtp_obj.sendmail(sender, receivers, message.as_string())# 发送smtp_obj.quit()print("邮件发送成功。")return "邮件发送成功。"except smtplib.SMTPException as e:return f"邮件发送失败: {str(e)}"
# 定义输入模型类class PostInput(BaseModel):title: str = Field(description="这是邮件的主题")content: str = Field(description="这是邮件的内容")address: str = Field(description="这是邮箱地址")

注册函数和初始化代理

tools = [StructuredTool.from_function(func=random_poem,name="写诗",description="根据用户输入的主题",args_schema=PromptTitleInput),StructuredTool.from_function(func=save_text,name="保存文本",description="将内容保存到用户指定的目录下",args_schema=PromptSaveInput),StructuredTool.from_function(func=post_message,name="发送邮件",description="根据用户输入的主题和内容发送邮件",args_schema=PostInput)]
# 初始化代理agent = initialize_agent(tools, llm, agent=AgentType.STRUCTURED_CHAT_ZERO_SHOT_REACT_DESCRIPTION, verbose=True)

六、测试

测试1

result = agent.run("给1780105****@163.com写个请假邮件,我肚子疼要去医院")

nice ,我确实收到了

测试2

result = agent.run("帮我基于‘中秋’这个主题写一首诗,并以此为内容发送邮件给 1780105****@163.com 这个地址")

这次调用了两个agent:agent1和agent3,成功收到中秋祝福

测试3

result = agent.run("帮我基于‘国庆’这个主题写一首诗,保存到电脑E盘下,并以此为内容发送邮件给 17801051161@163.com 这个地址")

成功理解并调用三个agent,nice



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