html企业网站系统,中国央企100强排名,百度ai人工智能平台,da面板安装wordpress本系列博文在掘金同步发布, 更多优质文章#xff0c;请关注本人掘金账号#xff1a; 人肉推土机的掘金账号
AutoGen系列一#xff1a;基础介绍与入门教程
AutoGen系列二#xff1a;深入自定义智能体
AutoGen系列三#xff1a;内置智能体的应用与实战
AutoGen系列四请关注本人掘金账号 人肉推土机的掘金账号
AutoGen系列一基础介绍与入门教程
AutoGen系列二深入自定义智能体
AutoGen系列三内置智能体的应用与实战
AutoGen系列四自定义智能体的高级技巧
AutoGen系列五: 智能体团队协作的深度剖析与实践
AutoGen 技术博客系列 (六)SelectorGroupChat 的原理与实践
AutoGen 技术博客系列 (七)状态管理与组件序列化解析
AutoGen 技术博客系列 八深入剖析 Swarm—— 智能体协作的新范式
AutoGen 技术博客系列 九从 v0.2 到 v0.4 的迁移指南
在人工智能的浩瀚星空中AutoGen 的 Swarm 模式犹如一颗耀眼的新星正引领着智能体协作的新潮流。今天就让我们一同深入探究这一强大模式的奥秘。
一、Swarm 模式智能协作的核心引擎
Swarm 模式的设计理念独具匠心它打破了传统智能体协作的桎梏允许智能体基于自身能力灵活地将任务交接给其他合适的智能体并且所有智能体在同一消息上下文环境下协同工作。这一特性使得智能体能够自主地进行任务规划和分配极大地提升了系统的灵活性与适应性。
在其运行机制中智能体轮流生成响应并广播而每次发言智能体的选定取决于上下文中最新的 HandoffMessage。这就要求每个智能体都具备生成 HandoffMessage 的能力从而明确指示任务的交接方向。例如在 AssistantAgent 中我们可以通过设置 handoffs 参数来精准指定可交接的目标智能体并利用 Handoff 进一步定制消息内容和交接行为为智能体之间的协作提供了丰富的定制化空间。
从实现原理的深度层面来看当团队接收到任务时首个发言智能体迅速展开任务处理并根据任务的具体情况和自身的能力判断是否需要交接任务以及交接的对象。一旦某个智能体生成 HandoffMessage接收智能体便会无缝接管任务继续在相同的消息上下文环境下推进工作。这种基于消息驱动的任务交接机制确保了任务的连贯性和高效性。
值得注意的是AssistantAgent 依赖模型的工具调用功能来实现任务交接这就对模型提出了较高的要求即必须支持工具调用。若模型执行并行工具调用可能会引发意想不到的行为。为避免此类问题在使用 OpenAIChatCompletionClient 或 AzureOpenAIChatCompletionClient 时我们可以通过简单地设置 parallel_tool_calls False 来禁用并行工具调用确保系统的稳定运行。
二、实战案例从航班退款到股票研究
一客户支持案例航班退款的智能流程 【图片来源 AutoGen 官方说明文档】
在航班退款场景中我们构建了一个包含旅行代理Travel Agent和航班退款专员Flights Refunder的智能系统并允许用户在必要时参与交互。
旅行代理作为系统的入口负责启动对话并全面评估用户的退款请求。当遇到退款相关任务时它会迅速将任务交接给航班退款专员若需要用户提供进一步的信息如航班号等它会将任务交接给用户。航班退款专员则专注于使用 refund_flight 工具处理退款事宜在需要用户输入时会暂停团队执行等待用户提供关键信息。
以下是具体的代码实现 from typing import Any, Dict, Listfrom autogen_agentchat.agents import AssistantAgentfrom autogen_agentchat.conditions import HandoffTermination, TextMentionTerminationfrom autogen_agentchat.messages import HandoffMessagefrom autogen_agentchat.teams import Swarmfrom autogen_agentchat.ui import Consolefrom autogen_ext.models.openai import OpenAIChatCompletionClient# 定义退款工具函数def refund_flight(flight_id: str) - str:return fFlight {flight_id} refunded# 创建模型客户端model_client OpenAIChatCompletionClient(modelgpt-4o,# api_keyYOUR_API_KEY,)# 创建旅行代理智能体travel_agent AssistantAgent(travel_agent,model_clientmodel_client,handoffs[flights_refunder, user],system_messageYou are a travel agent. The flights_refunder is in charge of refunding flights. If you need information from the user, you must first send your message, then you can handoff to the user. Use TERMINATE when the travel planning is complete.,)# 创建航班退款专员智能体flights_refunder AssistantAgent(flights_refunder,model_clientmodel_client,handoffs[travel_agent, user],tools[refund_flight],system_messageYou are an agent specialized in refunding flights. You only need flight reference numbers to refund a flight. You have the ability to refund a flight using the refund_flight tool. If you need information from the user, you must first send your message, then you can handoff to the user. When the transaction is complete, handoff to the travel agent to finalize.,)# 设置终止条件termination HandoffTermination(targetuser) | TextMentionTermination(TERMINATE)team Swarm([travel_agent, flights_refunder], termination_conditiontermination)# 定义任务task I need to refund my flight.async def run_team_stream():task_result await Console(team.run_stream(tasktask))last_message task_result.messages[-1]while isinstance(last_message, HandoffMessage) and last_message.target user:user_message input(User: )task_result await Console(team.run_stream(taskHandoffMessage(sourceuser, targetlast_message.source, contentuser_message)))last_message task_result.messages[-1]# 运行任务# Use asyncio.run(...) if you are running this in a script.await run_team_stream()代码解读 首先我们导入了必要的模块和类包括 AssistantAgent、HandoffTermination、TextMentionTermination 等这些是构建 Swarm 团队和实现任务交接、终止条件判断的关键组件。 接着定义了 refund_flight 函数它模拟了航班退款的实际操作接受航班号作为参数并返回退款成功的消息。 创建 OpenAIChatCompletionClient 作为模型客户端用于智能体与语言模型的交互这里指定了使用的模型为 gpt-4o。 然后分别创建了 travel_agent 和 flights_refunder 两个智能体。travel_agent 的系统消息表明它作为旅行代理的角色和任务交接规则flights_refunder 则定义了其作为航班退款专员的职责和工具使用方法。 设置了终止条件 termination它由 HandoffTermination当交接目标为用户时触发和 TextMentionTermination当消息中提及 “TERMINATE” 时触发组合而成确保任务在合适的时机结束。 最后定义了任务 “I need to refund my flight.” 并通过 run_team_stream 函数运行团队任务在任务执行过程中如果遇到交接给用户的情况会暂停等待用户输入然后继续执行任务。
运行结果如下
当用户输入 “I need to refund my flight.” 时旅行代理首先做出响应
---------- user ----------
I need to refund my flight.
---------- travel_agent ----------
[FunctionCall(idcall_ZQ2rGjq4Z29pd0yP2sNcuyd2, arguments{}, nametransfer_to_flights_refunder)]
[Prompt tokens: 119, Completion tokens: 14]
---------- travel_agent ----------
[FunctionExecutionResult(contentTransferred to flights_refunder, adopting the role of flights_refunder immediately., call_idcall_ZQ2rGjq4Z29pd0yP2sNcuyd2)]
---------- travel_agent ----------
Transferred to flights_refunder, adopting the role of flights_refunder immediately.随后航班退款专员接手任务并询问用户航班号
---------- flights_refunder ----------
Could you please provide me with the flight reference number so I can process the refund for you?
[Prompt tokens: 191, Completion tokens: 20]
---------- flights_refunder ----------
[FunctionCall(idcall_1iRfzNpxTJhRTW2ww9aQJ8sK, arguments{}, nametransfer_to_user)]
[Prompt tokens: 219, Completion tokens: 11]
---------- flights_refunder ----------
[FunctionExecutionResult(contentTransferred to user, adopting the role of user immediately., call_idcall_1iRfzNpxTJhRTW2ww9aQJ8sK)]
---------- flights_refunder ----------
Transferred to user, adopting the role of user immediately.此时系统暂停等待用户输入航班号。假设用户输入 “507811”则航班退款专员继续执行任务
---------- user ----------
Sure, its 507811
---------- flights_refunder ----------
[FunctionCall(idcall_UKCsoEBdflkvpuT9Bi2xlvTd, arguments{flight_id:507811}, namerefund_flight)]
[Prompt tokens: 266, Completion tokens: 18]
---------- flights_refunder ----------
[FunctionExecutionResult(contentFlight 507811 refunded, call_idcall_UKCsoEBdflkvpuT9Bi2xlvTd)]
---------- flights_refunder ----------
Tool calls:
refund_flight({flight_id:507811}) Flight 507811 refunded完成退款后航班退款专员将任务交接回旅行代理
---------- flights_refunder ----------
[FunctionCall(idcall_MQ2CXR8UhVtjNc6jG3wSQp2W, arguments{}, nametransfer_to_travel_agent)]
[Prompt tokens: 303, Completion tokens: 13]
---------- flights_refunder ----------
[FunctionExecutionResult(contentTransferred to travel_agent, adopting the role of travel_agent immediately., call_idcall_MQ2CXR8UhVtjNc6jG3wSQp2W)]
---------- flights_refunder ----------
Transferred to travel_agent, adopting the role of travel_agent immediately.最后旅行代理确认退款成功并终止流程
---------- travel_agent ----------
Your flight with reference number 507811 has been successfully refunded. If you need anything else, feel free to let me know. Safe travels! TERMINATE
[Prompt tokens: 272, Completion tokens: 32]从这个案例中我们可以清晰地看到 Swarm 模式在客户支持场景中的高效应用智能体之间的任务交接顺畅自然有效地解决了用户的问题。
二股票研究案例多智能体协同的智慧结晶
在股票研究领域我们设计了一个由四个智能体组成的强大系统分别是规划者Planner、金融分析师Financial Analyst、新闻分析师News Analyst和撰写者Writer。
【图片来源 AutoGen 官网文档】
规划者作为系统的核心协调者负责根据任务需求有条不紊地将具体任务分配给各个专业智能体并确保整个工作流程的高效运行。金融分析师专注于使用 get_stock_data 工具深入分析股票数据和财务指标为研究提供坚实的数据支持。新闻分析师则利用 get_news 工具广泛收集和总结与股票相关的最新新闻资讯并提取关键市场洞察。撰写者负责将金融和新闻分析的结果精心整理成一份逻辑严密、内容详实的最终报告。
每个智能体在完成自身任务后都会将控制权交回给规划者规划者根据整体进展情况决定是否继续分配任务或终止流程。这种循环往复的协作机制充分发挥了每个智能体的专业优势实现了高效的股票研究。
以下是具体的代码实现 from typing import Any, Dict, Listfrom autogen_agentchat.agents import AssistantAgentfrom autogen_agentchat.conditions import HandoffTermination, TextMentionTerminationfrom autogen_agentchat.messages import HandoffMessagefrom autogen_agentchat.teams import Swarmfrom autogen_agentchat.ui import Consolefrom autogen_ext.models.openai import OpenAIChatCompletionClient# 定义获取股票数据工具函数async def get_stock_data(symbol: str) - Dict[str, Any]:return {price: 180.25, volume: 1000000, pe_ratio: 65.4, market_cap: 700B}# 定义获取新闻工具函数async def get_news(query: str) - List[Dict[str, str]]:return [{title: Tesla Expands Cybertruck Production,date: 2024-03-20,summary: Tesla ramps up Cybertruck manufacturing capacity at Gigafactory Texas, aiming to meet strong demand.,},{title: Tesla FSD Beta Shows Promise,date: 2024-03-19,summary: Latest Full Self-Driving beta demonstrates significant improvements in urban navigation and safety features.,},{title: Model Y Dominates Global EV Sales,date: 2024-03-18,summary: Teslas Model Y becomes best-selling electric vehicle worldwide, capturing significant market share.,},]# 创建模型客户端model_client OpenAIChatCompletionClient(modelgpt-4o,# api_keyYOUR_API_KEY,)# 创建规划者智能体planner AssistantAgent(planner,model_clientmodel_client,handoffs[financial_analyst, news_analyst, writer],system_messageYou are a research planning coordinator. Coordinate market research by delegating to specialized agents: - Financial Analyst: For stock data analysis - News Analyst: For news gathering and analysis - Writer: For compiling final report Always send your plan first, then handoff to appropriate agent. Always handoff to a single agent at a time. Use TERMINATE when research is complete.,)# 创建金融分析师智能体financial_analyst AssistantAgent(financial_analyst,model_clientmodel_client,handoffs[planner],tools[get_stock_data],system_messageYou are a financial analyst. Analyze stock market data using the get_stock_data tool. Provide insights on financial metrics. Always handoff back to planner when analysis is complete.,)# 创建新闻分析师智能体news_analyst AssistantAgent(news_analyst,model_clientmodel_client,handoffs[planner],tools[get_news],system_messageYou are a news analyst. Gather and analyze relevant news using the get_news tool. Summarize key market insights from news. Always handoff back to planner when analysis is complete.,)# 创建撰写者智能体writer AssistantAgent(writer,model_clientmodel_client,handoffs[planner],system_messageYou are a financial report writer. Compile research findings into clear, concise reports. Always handoff back to planner when writing is complete.,)# 设置终止条件text_termination TextMentionTermination(TERMINATE)termination text_terminationresearch_team Swarm(participants[planner, financial_analyst, news_analyst, writer], termination_conditiontermination)# 定义任务task Conduct market research for TSLA stockawait Console(research_team.run_stream(tasktask))代码解读 同样先导入所需模块和类然后定义了 get_stock_data 和 get_news 两个工具函数分别模拟获取股票数据和新闻资讯的操作。 创建 OpenAIChatCompletionClient 模型客户端并指定模型为 gpt-4o。 接着创建了四个智能体planner 作为规划协调者其系统消息明确了任务分配规则和流程financial_analyst 配备了 get_stock_data 工具用于股票数据分析news_analyst 利用 get_news 工具进行新闻收集和分析writer 负责撰写报告。每个智能体都设置了相应的任务交接目标和系统消息。 设置终止条件为 TextMentionTermination(TERMINATE)当消息中提及 “TERMINATE” 时任务结束。 最后定义任务 “Conduct market research for TSLA stock” 并运行研究团队任务智能体之间按照设定的流程进行协作。
运行结果如下
当用户输入 “Conduct market research for TSLA stock” 时规划者首先启动任务分配
---------- user ----------
Conduct market research for TSLA stock
---------- planner ----------
[FunctionCall(idcall_BX5QaRuhmB8CxTsBlqCUIXPb, arguments{}, nametransfer_to_financial_analyst)]
[Prompt tokens: 169, Completion tokens: 166]
---------- planner ----------
[FunctionExecutionResult(contentTransferred to financial_analyst, adopting the role of financial_analyst immediately., call_idcall_BX5QaRuhmB8CxTsBlqCUIXPb)]
---------- planner ----------
Transferred to financial_analyst, adopting the role of financial_analyst immediately.金融分析师接收任务并调用工具获取股票数据
---------- financial_analyst ----------
[FunctionCall(idcall_SAXy1ebtA9mnaZo4ztp
