agentchat.contrib.agent_builder
AgentBuilder(代理构建器)
class AgentBuilder()
AgentBuilder 可以帮助用户构建由多智能体系统驱动的自动任务解决过程。 具体来说,我们的构建流程包括初始化和构建。 在构建中,我们提示一个LLM(语言模型)来创建多个参与者代理,并指定该任务是否需要编程来解决。 用户可以通过调用 save() 来保存构建的代理配置,并通过 load() 来加载保存的配置,这样可以跳过构建过程。
__init__
def __init__(config_file_or_env: Optional[str] = "OAI_CONFIG_LIST",
config_file_location: Optional[str] = "",
builder_model: Optional[str] = "gpt-4",
agent_model: Optional[str] = "gpt-4",
host: Optional[str] = "localhost",
endpoint_building_timeout: Optional[int] = 600,
max_tokens: Optional[int] = 945,
max_agents: Optional[int] = 5)
(这些API是实验性的,可能会在未来发生变化。)
参数:
config_file_or_env
- OpenAI API 配置文件的路径或环境变量。builder_model
- 指定一个模型作为构建管理器的基础。agent_model
- 指定一个模型作为参与者代理的基础。host
- 终端点主机。endpoint_building_timeout
- 构建终端点服务器的超时时间。max_tokens
- 每个代理的最大令牌数。max_agents
- 每个任务的最大代理数。
clear_agent
def clear_agent(agent_name: str, recycle_endpoint: Optional[bool] = True)
通过名称清除特定的代理。
参数:
agent_name
- 代理的名称。recycle_endpoint
- 触发回收终端点服务器的标志。如果为True,则在没有依赖于终端点的代理时,将回收终端点。
clear_all_agents
def clear_all_agents(recycle_endpoint: Optional[bool] = True)
清除所有缓存的代理。
build
def build(building_task: str,
default_llm_config: Dict,
coding: Optional[bool] = None,
code_execution_config: Optional[Dict] = None,
use_oai_assistant: Optional[bool] = False,
**kwargs) -> Tuple[List[autogen.ConversableAgent], Dict]
根据构建任务自动构建代理。
参数:
building_task
- 帮助构建管理器(gpt-4)决定应该构建哪个代理的指令。coding
- 用于标识是否添加用户代理(代码解释器)。code_execution_config
- 用户代理的特定配置(例如,last_n_messages,work_dir等)。default_llm_config
- LLM(语言模型)的特定配置(例如,config_list,seed,temperature等)。use_oai_assistant
- 使用OpenAI助手API而不是自构建的代理。
返回值:
agent_list
- 代理列表。cached_configs
- 缓存的配置。
build_from_library
def build_from_library(
building_task: str,
library_path_or_json: str,
default_llm_config: Dict,
coding: Optional[bool] = True,
code_execution_config: Optional[Dict] = None,
use_oai_assistant: Optional[bool] = False,
embedding_model: Optional[str] = None,
**kwargs) -> Tuple[List[autogen.ConversableAgent], Dict]
build_from_library
函数用于从库中构建对话代理。该函数接受以下参数:
building_task
:构建任务的名称。library_path_or_json
:库的路径或 JSON 文件。default_llm_config
:默认的语言模型配置。coding
:是否进行编码,默认为True
。code_execution_config
:代码执行配置的字典,默认为None
。use_oai_assistant
:是否使用 OpenAI 助手,默认为False
。embedding_model
:嵌入模型的名称,默认为None
。**kwargs
:其他参数。
该函数返回一个元组,包含构建的对话代理列表和一个字典。 从一个库中构建代理。 该库是一个代理配置列表,包含每个代理的名称和系统消息。 我们使用一个构建管理器来决定库中的 哪个代理应该参与任务。
参数:
building_task
- 帮助构建管理器(gpt-4)决定应该构建哪个代理的指令。library_path_or_json
- 代理库的路径或JSON字符串配置。default_llm_config
- LLM的特定配置(例如,config_list,seed,temperature等)。coding
- 用于标识是否应添加用户代理(代码解释器)。code_execution_config
- 用户代理的特定配置(例如,last_n_messages,work_dir等)。use_oai_assistant
- 使用OpenAI助手API而不是自构建代理。embedding_model
- 用于选择库中代理的嵌入相似性的Sentence-Transformers模型。 如果为None,则会提示选择代理的openai模型。作为参考,chromadb默认使用"all-mpnet-base-v2"。
返回值:
agent_list
- 代理列表。cached_configs
- 缓存的配置。
save
def save(filepath: Optional[str] = None) -> str
保存构建配置。如果未指定文件路径,则此函数将通过使用md5对building_task字符串进行加密,并添加"save_config_"前缀来创建文件名,并将配置保存到本地路径。
参数:
filepath
- 保存路径。
返回值:
filepath
- 保存的路径。
load
def load(filepath: Optional[str] = None,
config_json: Optional[str] = None,
use_oai_assistant: Optional[bool] = False,
**kwargs) -> Tuple[List[autogen.ConversableAgent], Dict]
加载构建配置并调用构建函数完成构建,而不调用在线LLM的API。
参数:
filepath
- 保存配置的文件路径或JSON字符串。config_json
- 保存配置的JSON字符串。use_oai_assistant
- 使用OpenAI助手API而不是自构建代理。
返回值:
agent_list
- 代理列表。cached_configs
- 缓存的配置。