microagents
v0.1.0 (21.01.2024)
Un marco experimental para crear dinámicamente agentes de administración automática en respuesta a las tareas.
Ver demostración · Informe de error · Función de solicitud
Los microagentes representan un nuevo enfoque para crear agentes de administración automática. Los agentes pequeños, del tamaño de un microservicio (por lo tanto, microagentes ) se generan dinámicamente en respuesta a las tareas asignadas por el usuario al asistente, evaluados para su funcionalidad y, tras validación exitosa, se almacenan para una reutilización futura. Esto permite el aprendizaje en las sesiones de chat, permitiendo que el sistema deduzca independientemente métodos para la ejecución de tareas.
Este proyecto aprovecha las siguientes tecnologías:
Para obtener una copia local en funcionamiento, siga estos simples pasos.
gpt-4-turbo y text-embedding-ada-002 .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) Precaución
Los microagents ejecutan el código Python directamente y actualmente no funcionan dentro de un sandbox. Se recomienda ejecutarlos en entornos aislados como Github Codespaces o Docker (ReadMe-Docker.MD) para limitar el daño potencial. Tenga en cuenta los costos asociados con el uso de servicios de OpenAI.
Para una ejecución de demostración, ejecute:
python main.pyPara una experiencia de chat interactiva:
python app.pyPara eliminar a todos los agentes, simplemente elimine el archivo "agentes.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.
Este es el primer lanzamiento de microagentes, y ha sucedido muchas cosas desde la publicación inicial del proyecto. Aquí están las actualizaciones clave:
Solicitudes de extracción : el proyecto ha recibido un total de 6 solicitudes de extracción, destacando el interés de la comunidad.
Dos interfaces de usuario : ahora ofrecemos dos interfaces de usuario para interactuar con los agentes:
textual-app.py . Esta interfaz es una contribución comunitaria de Bearney74.Paralelización : ¡los microagentes ahora apoyan el paralelismo! Cuando se crea un nuevo agente, tres agentes son generados en paralelo. Se conserva el primer agente en completar con éxito su tarea, mientras que los otros se eliminan.
Agentes previos a la aparición : hemos introducido 28 agentes previos a la aparición que están incluidos para las pruebas. Estos agentes permiten una amplia gama de tareas, desde interactuar con OpenStreetMap hasta proporcionar información meteorológica actual. Todos estos agentes fueron entrenados con microagentes.
Fase de validación ("Juez") : se ha agregado una nueva fase de 'juez' para garantizar que los agentes que afirman que trabajan realmente funcionan como se esperaba. Este paso de validación adicional asegura que solo los agentes completamente funcionales se incluyan en el catálogo de agentes de trabajo.
Almacenamiento de agentes persistentes : los agentes ahora se almacenan en ejecuciones, y se utilizan SQLite para este propósito.
Memoria de agente mejorada : los agentes ahora tienen la capacidad de recordar solo los agentes que han creado previamente. Este enfoque mejora la robustez de la creación de agentes, ya que evita cambios de profundidad innecesarios durante la ejecución.
Estas actualizaciones representan una mejora significativa para los microagentes. Espero con ansias más mejoras y contribuciones de la comunidad.
Las contribuciones son las que hacen que la comunidad de código abierto sea un lugar tan increíble para aprender, inspirar y crear. Cualquier contribución que haga es muy apreciada .
Distribuido bajo la licencia MIT. Vea LICENSE para más información.
