microagents
v0.1.0 (21.01.2024)
Kerangka kerja eksperimental untuk menciptakan agen yang meningkatkan diri secara dinamis dalam menanggapi tugas.
Lihat Demo · Laporkan Bug · Fitur Permintaan
Mikroagen mewakili pendekatan baru untuk menciptakan agen yang meningkatkan diri. Agen kecil, ukuran mikro (karenanya, mikroagen ) secara dinamis dihasilkan sebagai respons terhadap tugas-tugas yang ditugaskan oleh pengguna kepada asisten, dinilai untuk fungsionalitasnya, dan, setelah validasi yang berhasil, disimpan untuk penggunaan kembali di masa depan. Hal ini memungkinkan pembelajaran di seluruh sesi obrolan, memungkinkan sistem untuk menyimpulkan metode eksekusi tugas secara mandiri.
Proyek ini memanfaatkan teknologi berikut:
Untuk mendapatkan salinan lokal dan berjalan ikuti langkah -langkah sederhana ini.
gpt-4-turbo dan 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) Peringatan
Mikroagen menjalankan kode python secara langsung dan saat ini tidak beroperasi dalam kotak pasir. Sangat disarankan untuk menjalankannya di lingkungan yang terisolasi seperti GitHub Codespaces atau Docker (ReadMe-Docker.md) untuk membatasi potensi kerusakan. Berhati -hatilah dengan biaya yang terkait dengan penggunaan layanan Openai.
Untuk menjalankan demo, jalankan:
python main.pyUntuk pengalaman obrolan interaktif:
python app.pyUntuk menghapus semua agen, cukup hapus file "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.
Ini adalah rilis pertama mikroagen, dan banyak yang telah terjadi sejak publikasi proyek awal. Berikut adalah pembaruan utama:
Permintaan Tarik : Proyek telah menerima total 6 permintaan tarik, menyoroti minat dari masyarakat.
Dua Antarmuka Pengguna : Kami sekarang menawarkan dua antarmuka pengguna untuk berinteraksi dengan agen:
textual-app.py . Antarmuka ini adalah kontribusi komunitas oleh Bearney74.Paralelisasi : Mikroagen sekarang mendukung paralelisme! Ketika agen baru dibuat, tiga agen benar -benar diteluskan secara paralel. Agen pertama yang berhasil menyelesaikan tugasnya dipertahankan, sementara yang lain dibuang.
Agen Pretrained : Kami telah memperkenalkan 28 agen pretrained yang termasuk untuk pengujian. Agen -agen ini memungkinkan berbagai tugas, mulai dari berinteraksi dengan OpenStreetMap hingga memberikan informasi cuaca saat ini. Semua agen ini dilatih menggunakan mikroagen.
Fase Validasi ("Hakim") : Fase 'Hakim' baru telah ditambahkan untuk memastikan bahwa agen yang mengklaim bekerja benar -benar berkinerja seperti yang diharapkan. Langkah validasi tambahan ini memastikan bahwa hanya agen yang berfungsi penuh yang termasuk dalam katalog agen kerja.
Penyimpanan Agen Persisten : Agen sekarang disimpan di seluruh berjalan, dengan SQLite digunakan untuk tujuan ini.
Memori agen yang ditingkatkan : Agen sekarang memiliki kemampuan untuk mengingat hanya agen yang telah mereka buat sebelumnya. Pendekatan ini meningkatkan ketahanan penciptaan agen, karena menghindari perubahan kedalaman yang tidak perlu selama eksekusi.
Pembaruan ini merupakan peningkatan yang signifikan terhadap mikroagen. Saya menantikan perbaikan dan kontribusi lebih lanjut dari masyarakat.
Kontribusi inilah yang membuat komunitas open-source menjadi tempat yang luar biasa untuk belajar, menginspirasi, dan menciptakan. Kontribusi apa pun yang Anda buat sangat dihargai .
Didistribusikan di bawah lisensi MIT. Lihat LICENSE untuk informasi lebih lanjut.
