Skip to main content

使用 AutoGen Studio

AutoGen Studio 支持声明式创建代理工作流程，可以在聊天界面中指定任务并运行，以供代理完成。预期的使用行为是开发人员可以创建技能和模型，将它们“关联”到代理上，并将代理组合成可以在聊天界面中进行交互测试的工作流程。

构建代理工作流程​

AutoGen Studio 实现了几个最终组合成工作流程的实体。

技能​

技能是实现任务解决方案的 Python 函数。一般来说，一个好的技能应该有一个描述性的名称（例如 generate_images），详细的文档字符串和良好的默认值（例如，将文件写入磁盘以进行持久化和重用）。技能可以与代理规范“关联”或“附加”。

AutoGen Studio 技能界面

模型​

模型是指 LLM 的配置。与技能类似，模型可以附加到代理规范上。AutoGen Studio 接口支持多种模型类型，包括 OpenAI 模型（以及任何支持 OpenAI 端点规范的其他模型端点提供者）、Azure OpenAI 模型和 Gemini 模型。

AutoGen Studio 创建新模型 AutoGen Studio 创建新模型

代理​

代理实体以声明方式指定 AutoGen 代理的属性（大部分但不是全部与基本的 AutoGen Conversable 代理类成员相对应）。目前支持 UserProxyAgent、AssistantAgent 和 GroupChat 代理抽象。

AutoGen Studio 创建新代理 AutoGen Studio 创建助理代理

创建代理后，可以将现有的模型或技能“添加”到代理中。

AutoGen Studio 向代理添加技能和模型

工作流程​

代理工作流程是一组代理（代理团队）的规范，它们可以共同完成一个任务。AutoGen Studio 支持两种高级工作流程模式：

自主对话：​

该工作流程实现了一种范式，其中定义了代理并启动了代理之间的对话以完成任务。AutoGen 将其简化为定义一个“发起者”代理和一个“接收者”代理，其中接收者代理是从先前创建的代理列表中选择的。请注意，当接收者是一个“GroupChat”代理（即包含多个代理）时，这些代理之间的通信模式由“GroupChat”代理配置中的“speaker_selection_method”参数确定。

AutoGen Studio 自主对话工作流程

顺序对话​

这个工作流允许用户指定一个AssistantAgent代理的列表，这些代理按顺序执行以完成任务。运行时的行为遵循以下模式：在每个步骤中，每个AssistantAgent都与一个UserProxyAgent配对，并启动聊天以处理输入任务。这个交流的结果被总结并提供给下一个AssistantAgent，它也与一个UserProxyAgent配对，并将它们的总结结果传递给序列中的下一个AssistantAgent。这个过程一直持续到达序列中的最后一个AssistantAgent。

AutoGen Studio 顺序工作流

测试代理工作流程​

AutoGen Studio允许用户在任务上进行交互式测试工作流程，并查看生成的工件（如图像、代码和文档）。

AutoGen Studio测试工作流程

用户还可以查看代理工作流程在处理任务时的“内心独白”，以及查看与运行相关的成本（如轮次数、令牌数等）和代理操作（如是否调用了工具和代码执行的结果）等分析信息。

AutoGen Studio工作流程分析结果

导出代理工作流程​

用户可以下载他们创建的技能、代理和工作流程配置，并共享和重用这些工件。AutoGen Studio还提供了一个无缝的流程，可以将工作流程导出并部署为应用程序编程接口（API），以便在部署工作流程为API的其他应用程序中使用。

导出工作流程​

AutoGen Studio允许您将选定的工作流程导出为JSON配置文件。

构建 -> 工作流程 -> （在工作流程卡上） -> 导出

AutoGen Studio导出工作流程

在Python应用程序中使用AutoGen Studio工作流程​

可以使用WorkflowManager类将导出的工作流程轻松集成到任何Python应用程序中，只需两行代码即可。在底层，WorkflowManager将工作流程规范重新生成为AutoGen代理，然后用于处理任务。

```python
from autogenstudio import WorkflowManager
# 从导出的 JSON 工作流文件中加载工作流
workflow_manager = WorkflowManager(workflow="path/to/your/workflow_.json")

# 在任务上运行工作流
task_query = "巴黎铁塔的高度是多少？不需要写代码，只需回答问题。"
workflow_manager.run(message=task_query)

将 AutoGen Studio 工作流部署为 API​

可以使用 autogenstudio 命令行工具将工作流作为 API 端点启动。

autogenstudio serve --workflow=workflow.json --port=5000