agentkit

Agentkit: construir rápidamente aplicaciones de agentes de alta calidad

AgentKit es un kit de inicio basado en Langchain desarrollado por BCG X para construir aplicaciones de agente. Los desarrolladores pueden usar AgentKit para

• Experimente rápidamente en su arquitectura de agente restringido con una hermosa interfaz de usuario
• Cree una aplicación de agente basada en chat de pila completa que pueda escalar a MVP de grado de producción

Las ventajas clave del kit de herramientas de Agentkit incluyen:

• Construya rápidamente aplicaciones de agentes de alta calidad : cree una demostración sólida en unas pocas horas utilizando una pila tecnológica modular y fácil de configurar basada en FastAPI/NextJS y una biblioteca de herramientas útiles de Genai
• UI/UX flexible y reactivo diseñado para agentes : UI basada en chat React/NextJS que es fácil de configurar, con características como transmisión, representación de tablas/visualizaciones/código, estado de acciones de agente y más
• ? ️ Centrarse en la fiabilidad : la arquitectura de enrutamiento fácil de configurar proporciona el control de posibles rutas que el agente puede tomar, aumentando la confiabilidad y haciéndola adecuada para los casos de uso de la vida real
• ? Configurar a la escala : Configurar a la escala para MVP con gestión de colas listo, autenticación, almacenamiento en caché, monitoreo, etc.

Agentekit_video.mp4

Pila de tecnología

El Starter Pack se basa en las últimas tecnologías para un rendimiento óptimo, seguridad y experiencia en desarrolladores.

• ? Nextjs 14 con Tailwind y Daisyui
• Python 3.10 con Fastapi, SQLModel y Pydantic 2.x.
• ? Configuración de Langchain y Langsmith E2E
• ? Autenticación: NextAuth integrado con Fastapi
• ? Celery y Redis para tareas de larga duración, almacenamiento en caché, etc.
• ? Postgres local con extensión de PGVector
• ⬆️ Docker-Compose para implementaciones simples y DX
• ? Pelusas, pruebas y ganchos previos al compromiso preconfigurados

Nota: Este es un kit de inicio: para implementaciones de producción, recomendamos agregar funcionalidades de seguridad de grado empresarial. Especialmente cuando se usa LLM, tenga en cuenta los riesgos conocidos como la inyección rápida (lea más).

Inicio rápido

Para obtener una configuración rápida de AgentKit, use los pasos a continuación, donde se ejecutan tanto la aplicación de backend como la aplicación frontend dentro de un contenedor Docker. Se pueden encontrar instrucciones de configuración más elaboradas en la documentación.

Requisitos previos

• Docker: https://www.docker.com/get-started

Pasos de instalación

1. Clone el repositorio que contiene el código fuente para las aplicaciones de backend y frontend.

2. Copie el archivo frontend/.env.example en el directorio frontend y cambie el nombre a .env . Además, copie el archivo .env.example en el directorio raíz del repositorio y cambie el nombre a .env .

   • Cambie OpenAI_API_KEY y OpenAI_organization a la suya (NB OpenAI_organization debe ser su 'ID de organización' de OpenAI)

3. En el terminal, navegue al directorio raíz del repositorio clonado. Construya y comience los contenedores Docker con el siguiente comando:

    docker-compose -f docker-compose.yml up -d
   

   Espere a que los contenedores construyan y comiencen, lo que puede tomar unos minutos dependiendo de su sistema. Una vez que los contenedores están en funcionamiento, puede acceder a las aplicaciones en su navegador en http: // localhost.

Demostración de la base de datos de chinook

• Si los contenedores de Docker se están ejecutando, ejecute docker-compose down --volumes
• Siga las instrucciones de instalación anteriores y cambie docker-compose.yml con docker-compose-demo.yml para ejecutar la aplicación
• Pruebe el mensaje "¿Cuántos artistas y canciones hay en la base de datos?" ¡Para ver a Agentkit en acción!

Echa un vistazo a una compilación de demostración más avanzada después del tutorial.

Configura tu propia aplicación

• Configurar su enlace de agente y herramientas
• (Opcional) Ajuste la interfaz de usuario a su enlace de caso de uso
• (Opcional) Configurar evaluación con Langsmith Link

Documentación

Encuentre la documentación alojada aquí.

• Instrucciones de instalación para ejecutar frontend o una aplicación completa fuera de Docker
• Conceptos clave
• Configuración de agentes y herramientas
• Configuración de UI
• Características opcionales
• Biblioteca de herramientas

Cómo funciona

Fiabilidad

AgentKit intenta resolver el problema de confiabilidad de agentes como los agentes React al restringir las rutas potenciales que el agente puede llevar a un conjunto de rutas o planes de acción preconfigurados. Dado que para muchos casos de uso se conocen las rutas potenciales que puede tomar el agente, podemos usar nuestra experiencia en el dominio humano para dirigir al agente en la dirección correcta y reducirlo en direcciones inesperadas o agujeros de conejo. Esto se logra combinando un meta agente con planes de acción : un conjunto de herramientas que se ejecutan linealmente y en paralelo, similar a una cadena. El Meta Agent recibe la solicitud del usuario y genera el plan de acción más adecuado para generar una respuesta. Nota: La implementación de múltiples meta agentes es posible, generando un árbol de posibles rutas.

Experiencia de usuario

Para optimizar la experiencia del usuario, la salida intermedia de cada paso en el plan de acción se puede mostrar al usuario. Por ejemplo, considere un plan de acción que consta de 2 conjuntos de herramientas: [[sql_tool, pdf_tool], [generate_summary_tool, visualize_tool]] . En el primer paso de acción, la información de una base de datos SQL y una base de datos vectorial con PDF integrados se recuperan en paralelo. Los datos recuperados y el PDF más relevante se transmiten a la interfaz de usuario tan pronto como finalice el primer paso de acción. En el segundo paso de acción, la salida del paso 1 se pasa a una herramienta que genera un resumen de texto y una herramienta que crea una visualización JSX de los datos, que se transmite a la interfaz de usuario para crear la respuesta final.

Para obtener una descripción general de alto nivel del flujo de enrutamiento y la conexión de la interfaz de usuario, consulte el siguiente diagrama:

Características opcionales adicionales

• Integración de comentarios : recopile comentarios sobre las respuestas generadas de los usuarios

• Configuración del usuario : permita a los usuarios especificar la configuración predeterminada en la aplicación que se puede utilizar para personalizar las indicaciones para el usuario

• Autenticación del usuario : habilite NextAuth en su aplicación para autenticar a los usuarios con GitHub o con correo electrónico/contraseña

Consulte la documentación de la característica opcional para obtener información más detallada.

Historia de la estrella

Soporte y mantenimiento

El proyecto giró de una combinación de diferentes plantillas. Una gran inspiración es Fastapi-Alembic-SQLModel-Async, que proporcionó los cimientos para la configuración de Fastapi. ¡Por favor, échales un vistazo!

Muy gracias a todos los contribuyentes: @kaikun213 @drivian @ielmansouri @mastersplinter @tanmaygupta9 @sofglide @harticode @edenbd @ben-howt @carelschw @gustafvh @casper321 @modvinden1 @valerie-jzzr @ispoljari @martinthenext @rkdenext @rkdenext @rkdenext @rkdext @rkdext @RKDEEXT

Lea CONTRIBUTING.md para obtener más detalles sobre cómo contribuir. Los PR son bienvenidos ❤️

Licencia

• Este proyecto tiene licencia bajo los términos de la licencia MIT