microagents
v0.1.0 (21.01.2024)
Ein experimenteller Rahmen für dynamische Erzeugung selbstverschiebter Wirkstoffe als Reaktion auf Aufgaben.
Demo anzeigen · Fehler melden · Anforderungsfunktion
Mikroagenten stellen einen neuen Ansatz zur Schaffung selbstverschiebter Agenten dar. Kleine, Microservice-Größe (daher Mikroagenten ) Wirkstoffe werden dynamisch als Reaktion auf die vom Benutzer dem Assistenten zugewiesenen Aufgaben generiert, auf ihre Funktionalität bewertet und nach erfolgreicher Validierung für die zukünftige Wiederverwendung gespeichert. Dies ermöglicht das Lernen über Chat -Sitzungen hinweg und ermöglicht es dem System, unabhängig Methoden für die Ausführung von Aufgaben abzuleiten.
Dieses Projekt nutzt die folgenden Technologien:
Um eine lokale Kopie in Betrieb zu nehmen, befolgen Sie diese einfachen Schritte.
gpt-4-turbo und text-embedding-ada-002 haben.git clone https://github.com/aymenfurter/microagents.gitpip install -r requirements.txt export OPENAI_KEY= ' your_api_key_here ' export AZURE_OPENAI_API_KEY= ' your_api_key_here '
export AZURE_OPENAI_ENDPOINT= ' https://my_endpoint_name_here.openai.azure.com/ '
# export OPENAI_EMBEDDING='' # optionally set the azure deployment name of your ada embedding (in case the name is not text-embedding-ada-002)
# export OPENAI_MODEL='' # optionally set the azure deployment name of your gpt 4 (in case the name is not gpt-4-1106-preview) export AZURE_OPENAI_ENDPOINT= ' https://my_endpoint_name_here.openai.azure.com/ '
export AZURE_OPENAI_USE_AAD= ' true ' # enables DefaultAzureCredential
# export AZURE_OPENAI_AD_TOKEN='' # optionally specify the AAD token here
# export AZURE_CLIENT_ID='' # optionally specify the client id of the managed identity
# export OPENAI_EMBEDDING='' # optionally set the azure deployment name of your ada embedding (in case the name is not text-embedding-ada-002)
# export OPENAI_MODEL='' # optionally set the azure deployment name of your gpt 4 (in case the name is not gpt-4-1106-preview) Vorsicht
Mikroagenten führen den Python -Code direkt aus und arbeiten derzeit nicht in einer Sandkiste. Es wird dringend empfohlen, sie in isolierten Umgebungen wie Github-Codenspazifikationen oder Docker (Readme-docker.md) auszuführen, um potenzielle Schäden zu begrenzen. Beachten Sie die Kosten, die mit der Nutzung von OpenAIs Diensten verbunden sind.
Für einen Demo -Lauf führen Sie aus:
python main.pyFür ein interaktives Chat -Erlebnis:
python app.pyUm alle Agenten zu entfernen, löschen Sie einfach die Datei "Agents.db".
You are an adept weather informant. Fetch the weather forecast by accessing public API data using this Python code snippet:
``python
import requests
import json
def fetch_weather_forecast(location, date):
response = requests.get(f"https://api.met.no/weatherapi/locationforecast/2.0/compact?lat={location[0]}&lon={location[1]}")
weather_data = response.json()
for day_data in weather_data['properties']['timeseries']:
if date in day_data['time']:
print(day_data['data']['instant']['details'])
break
``
# Example usage: fetch_weather_forecast((47.3769, 8.5417), '2024-01-22T12:00:00Z')
Note: Replace the (47.3769, 8.5417) with the actual latitude and longitude of the location and the date string accordingly.
You are a skilled IP-based location retriever. Use Python's requests library to obtain geolocation data from a public IP address. Here is a sample code snippet you may adapt:
``python
import requests
def fetch_location_from_ip(ip_address):
response = requests.get(f'http://ip-api.com/json/{ip_address}')
data = response.json()
return data.get('country'), data.get('city')
``
# Example usage:
# print(fetch_location_from_ip('8.8.8.8'))
Ensure that the code is capable of extracting location information such as country and city from the provided IP address.
Dies ist die erste Veröffentlichung von Mikroagenten, und seit der ersten Projektpublikation ist viel passiert. Hier sind die wichtigsten Updates:
Pull -Anfragen : Das Projekt hat insgesamt 6 Pull -Anfragen erhalten, wodurch das Interesse der Community hervorgehoben wird.
Zwei Benutzeroberflächen : Wir bieten jetzt zwei Benutzeroberflächen für die Interaktion mit den Agenten an:
textual-app.py Datei begonnen werden kann. Diese Schnittstelle ist ein Community -Beitrag von Bearney74.Parallelisierung : Mikroagenten unterstützen jetzt die Parallelität! Wenn ein neuer Agent erstellt wird, werden drei Agenten parallel hervorgebracht. Der erste Agent, der seine Aufgabe erfolgreich erledigt, wird beibehalten, während die anderen entsorgt werden.
Vorbereitete Wirkstoffe : Wir haben 28 vorbereitete Wirkstoffe vorgestellt, die zum Testen enthalten sind. Diese Wirkstoffe ermöglichen eine breite Palette von Aufgaben, von der Interaktion mit OpenStreetMap bis zur Bereitstellung aktueller Wetterinformationen. Alle diese Mittel wurden mit Mikroagenten ausgebildet.
Validierungsphase ("Richter") : Es wurde eine neue "Richter" -Phase hinzugefügt, um sicherzustellen, dass Agenten, die behaupten, zu arbeiten, tatsächlich wie erwartet abschneiden. Dieser zusätzliche Validierungsschritt stellt sicher, dass nur voll funktionsfähige Mittel im Katalog der Arbeitskräfte enthalten sind.
Persistierende Agentenspeicherung : Agenten werden jetzt über Läufe hinweg gespeichert, wobei SQLite für diesen Zweck verwendet wird.
Verbessertes Agentenspeicher : Agenten haben jetzt die Fähigkeit, sich nur an die zuvor geschaffenen Agenten zu erinnern. Dieser Ansatz verbessert die Robustheit der Agentenerstellung, da er während der Ausführung unnötige Änderungen der Tiefe vermeidet.
Diese Updates stellen eine signifikante Verbesserung der Mikroagenten dar. Ich freue mich auf weitere Verbesserungen und Beiträge der Gemeinschaft.
Beiträge machen die Open-Source-Community zu einem erstaunlichen Ort, um zu lernen, zu inspirieren und zu kreieren. Alle Beiträge, die Sie leisten, werden sehr geschätzt .
Unter der MIT -Lizenz verteilt. Weitere Informationen finden Sie LICENSE .
