這是我們學習的第四款智能體框架了。

前面我們學習了 AutoGPT、MetaGPT、LangGraph 等智能體應(yīng)用開發(fā)框架，各有優(yōu)缺點。今天我們開始學習AgentScope這一款多智能體開發(fā)框架。在AI快速發(fā)展的現(xiàn)在，多上手體驗一下各個框架，更能加深對AI大模型應(yīng)用開發(fā)中各種知識的深入理解。AI界大佬吳恩達也督促大家今年關(guān)注 AI Agent 工作流的發(fā)展和應(yīng)用。所以，卷起來吧，多看看，多用用，沒壞處。

0. AgentScope簡介

AgentScope是阿里開源的一款全新的多智能體協(xié)同的Multi-Agent應(yīng)用框架，旨在幫助開發(fā)者更輕松地構(gòu)建基于大語言模型的多智能體應(yīng)用程序。它具有以下特點：

1. 易用性：AgentScope注重易用性，為開發(fā)者提供了簡潔明了的編程模式，豐富的語法工具和內(nèi)置資源，使得編程多智能體應(yīng)用程序變得更加輕松愉快。

2. 魯棒性：AgentScope集成了全面的服務(wù)級重試機制和規(guī)則性修正工具，以處理LLMs響應(yīng)中的明顯格式問題。此外，AgentScope還提供了可定制的容錯配置，使開發(fā)者能夠通過參數(shù)來自定義容錯機制。

3. 支持多模態(tài)數(shù)據(jù)：AgentScope支持多模態(tài)數(shù)據(jù)在對話呈現(xiàn)、消息傳輸和數(shù)據(jù)存儲中的應(yīng)用，通過統(tǒng)一的基于URL的屬性來解耦多模態(tài)數(shù)據(jù)的傳輸和存儲，從而最大限度地減少了消息在每個智能體內(nèi)的復(fù)雜性。

4. 分布式部署：針對分布式應(yīng)用程序帶來的額外編程難題和系統(tǒng)設(shè)計挑戰(zhàn)，AgentScope也提供了支持。

1. 安裝

因為我的目的是學習，不光要會用，有時候還會深入源碼去看一下實現(xiàn)原理，所以我這里使用源碼安裝。其它安裝方法請參考官方安裝教程。

# 從GitHub上拉取AgentScope的源代碼

git clone https://github.com/modelscope/agentscope.git

cd agentscope

# 針對本地化的multi-agent應(yīng)用

pip install -e .

如果報錯 Timeout：

使用以下命令重新安裝：

pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 快速上手 - 快速跑通第一個Demo

2.1 完整代碼

老規(guī)矩，先上完整代碼，大家復(fù)制粘貼，先跑通再說。

import agentscope

import os

openai_api_key = os.getenv('OPENAI_API_KEY')

# 一次性初始化多個模型配置

openai_cfg_dict = {

    "config_name": "openai_cfg", # A unique name for the model config.

    "model_type": "openai",         # Choose from "openai", "openai_dall_e", or "openai_embedding".

    "model_name": "gpt-3.5-turbo",   # The model identifier used in the OpenAI API, such as "gpt-3.5-turbo", "gpt-4", or "text-embedding-ada-002".

    "api_key": openai_api_key,       # Your OpenAI API key. If unset, the environment variable OPENAI_API_KEY is used.

}

agentscope.init(model_configs=[openai_cfg_dict])

from agentscope.agents import DialogAgent, UserAgent

# 創(chuàng)建一個對話智能體和一個用戶智能體

dialogAgent = DialogAgent(name="assistant", model_config_name="openai_cfg", sys_prompt="You are a helpful ai assistant")

userAgent = UserAgent()

x = None

x = dialogAgent(x)

print("diaglogAgent: \n", x)

x = userAgent(x)

print("userAgent: \n", x)

運行結(jié)果：

2.2 代碼詳解

下面來解釋下上面的代碼。

2.2.1 配置

像其它框架一樣，我們也需要配置我們使用的大模型以及API Key等參數(shù)。AgentScope的配置方式是創(chuàng)建一個字典類型的變量，在變量里填入相應(yīng)值，然后通過初始化接口傳遞給AgentScope：

openai_cfg_dict = {

    "config_name": "openai_cfg", # A unique name for the model config.

    "model_type": "openai",         # Choose from "openai", "openai_dall_e", or "openai_embedding".

    "model_name": "gpt-3.5-turbo",   # The model identifier used in the OpenAI API, such as "gpt-3.5-turbo", "gpt-4", or "text-embedding-ada-002".

    "api_key": openai_api_key,       # Your OpenAI API key. If unset, the environment variable OPENAI_API_KEY is used.

}

agentscope.init(model_configs=[openai_cfg_dict])

注意看下配置的Key值：config_name, model_type, model_name 和 api_key。通過 agentscope.init 函數(shù)設(shè)置進去。

關(guān)于配置的疑問

沒搞懂的是，這里的配置是必須傳入？還是只要環(huán)境變量中存在了 OPENAI_API_KEY 值就可以不用傳 “api_key” ？

? 為什么有這個疑問：因為我并沒有找到在哪里設(shè)置 代理地址，而我的API Key不是原生的OpenAI Key，必須通過代理才能使用OpenAI的接口。但是以上代碼在沒有傳遞代理地址的情況下竟然運行成功了，那么，是不是只要環(huán)境變量中有了，不傳遞這個config也行？

? 我將api_key去掉，也運行成功了…

? 不傳模型名字倒是不行，會報錯：

2.2.2 創(chuàng)建智能體

接下來，代碼中創(chuàng)建了兩個智能體：一個對話智能體DialogAgent 和 一個用戶智能體 userAgent

# 創(chuàng)建一個對話智能體和一個用戶智能體

dialogAgent = DialogAgent(name="assistant", model_config_name="openai_cfg", sys_prompt="You are a helpful ai assistant")

userAgent = UserAgent()

2.2.3 運行智能體

然后是運行智能體：

x = None

x = dialogAgent(x)

print("diaglogAgent: \n", x)

x = userAgent(x)

print("userAgent: \n", x)

從運行效果來看，對話智能體就是與用戶進行對話。用戶智能體，其實就是接收用戶的輸入，讓人參與其中進行干預(yù)。

好了，本文就先寫到這里，主要是帶大家認識一下AgentScope，并搭建好運行環(huán)境。運行了一個簡單的示例，讓大家對AgentScope的使用有一個簡單的認識，沒有深入。后面我們隨著更多案例的實踐，會逐漸深入探索AgentScope的原理及應(yīng)用。

參考：https://developer.aliyun.com/article/1490439