agent builder api Unduh - Unduh Kode Sumber agent builder api

agent builder api

Kode sumber lainnya

1.0.0

Unduh

Agen Builder API

Awal yang cepat

Anda dapat memulai server API menggunakan wadah Docker atau mengkloning secara manual dan membangun repositori ini.

Pengaturan Manual: Kloning repositori ini di mesin lokal Anda dan mulai server API Python Fast. Secara opsional, instal dan atur Mongo DB.

Pengaturan Kontainer Dev: Kontainer dev memungkinkan Anda untuk mengotomatisasi pengaturan lingkungan. Gunakan pengaturan ini untuk menginstal dan menjalankan layanan kontainer di lingkungan yang terisolasi dengan ekstensi yang diinstal. Anda juga dapat membuka Codespace GitHub di lingkungan/browser jarak jauh menggunakan Secrets to Pass Model API Keys.

Pengaturan manual

Siapkan Python VirtualEnv dan instal dependensi

python -m venv --prompt agent-builder-api venv
source venv/bin/activate
# venv/Scripts/activate (Windows)
pip install -r requirements.txt

Atur nama model dan kunci API di file .env

 OPENAI_API_KEY = " sk---- "
MODEL_NAME = " openai "

Mulai server di terminal baru
```
python -m agentbuilder.main
```

[Opsional] Mulailah menggunakan puisi

Untuk manajemen ketergantungan berbutir halus, gunakan puisi untuk memilih dan memilih paket ketergantungan berdasarkan fitur penyedia dan alat LLM Model Anda.

Ikuti panduan instruksi resmi untuk menginstal puisi.

Pilih dan pilih paket ketergantungan untuk dipasang.

poetry install --extras " openai gemini cohere anthropic mongodb vectordb langgraph "

Atur nama model dan kunci API di file .env

 OPENAI_API_KEY = " sk---- "
MODEL_NAME = " openai "

Mulai server di terminal baru
```
poetry run start-server
```

Catatan

Puisi akan menciptakan lingkungan virtual bagi kita.

[Opsional] Aktifkan MongoDB

Secara default, data disimpan sebagai file JSON. Aktifkan penyimpanan di Mongo DB dengan mengatur URL menggunakan variabel lingkungan.

 MONGODB_URL = " mongodb://localhost:27017/llmdb "

Pengaturan wadah dev

Aktifkan wadah dev di vScode dengan mengikuti langkah -langkah dalam dokumentasi resmi.
Klik lencana di bawah ini untuk menjalankan layanan di lingkungan kontainer yang terisolasi di mesin lokal.
Ini akan mengkloning repo dan memulai Layanan Kontainer API dan DB Mongo.

Tip

Gunakan URL MongoDB: // MongoDB: 27017/LLMDB dalam Mongo DB Ekstensi VScode untuk melihat data penyimpanan.

Jalankan F1> Dev Containers: Lampirkan ke Container yang Berlari .. dan pilih Agen-Builder-Container .

Atur nama model dan kunci API di file .env

 OPENAI_API_KEY = " sk---- "
MODEL_NAME = " openai "

Kustomisasi

Paket ketergantungan dan konfigurasi lingkungan

Paket ketergantungan memungkinkan instalasi paket berbutir halus berdasarkan kebutuhan Anda. Gunakan variabel lingkungan extra_deps dalam file compose Docker untuk diperbarui.

Install-Extra-Deps.sh Script dapat digunakan dalam mode wadah dev jika komposisi Docker tidak tersedia.

Misalnya, konfigurasi lingkungan di bawah ini akan menginstal dependensi untuk model Gemini, Mongo DB, Langchain Graph, dan VectordB

 EXTRA_DEPS : " gemini,mongodb,langgraph,vectordb "

Tip

Mulailah dengan paket ketergantungan dasar untuk mendukung model Anda dan menambahkan fitur lainnya secara bertahap

Model berikut didukung oleh paket ketergantungannya

Model	Paket ketergantungan	Nama kunci Env
Buka AI	Openai	Openai_api_key
GEMINI	Gemini	Google_api_key
BERPADU	berpadu	Cohere_api_key
Antropik	Antropik	Antropic_api_key

Beberapa alat yang dikonfigurasi sebelumnya memerlukan ketergantungan tambahan atau kunci API untuk diaktifkan.

Alat	Paket ketergantungan	Nama kunci Env
internet_search	-	Tavily_api_key
vectorstore_search	Vectorbb	Embed_model_name

Menambahkan alat

Tambahkan Alat Kustom atau Toolkit Menggunakan Modul Pabrik Alat ( AgenBuilder/Factory/Tool_Factory ).

Buat alat Anda

AgentBuilder/Tools/my_custom_tool.py

 from pathlib import Path
from langchain_core . tools import tool
from pydantic import BaseModel , Field

@ tool
def my_custom_tool ( a : int , b : int ):
"""Custom Tool Description"""
return a + b

my_custom_tool . name = "custom_tool_name"
my_custom_tool . description = "Custom Tool Description"

class field_inputs ( BaseModel ):
a : int = Field ( description = "First input" )
b : int = Field ( description = "Second input" )

my_custom_tool . args_schema = sum_inputs
my_custom_tool . metadata = { "file_path" : str ( Path ( __file__ ). absolute ())}

Tambahkan alat Anda di metode get_all_tools dalam modul Tool_Factory.

AgentBuilder/factory/tool_factory.py

def get_all_tools()->Sequence[BaseTool]:

    return get_vectordb_tools()+ get_websearch_tools() + json_tools + [
            directly_answer_tool,
            weather_clothing_tool,
            temperature_tool,
            temperature_sensor_tool,
            sum_tool,greeting_tool,
            git_diff_tool,
            repl_tool,
+           my_custom_tool
            ]

Menambahkan agen

Agen dapat dibuat menggunakan Extension UI atau dinyatakan dalam kode. Tambahkan agen Anda menggunakan modul agen pabrik ( AgentBuilder/Factory/Agent_Factory ).

Buat agen Anda

 def my_agent ():
  return AgentParams (
        name = "my_agent" ,
        preamble = "You are a powerful agent that uses tools to answer Human questions" ,
        tools =  [ "my_custom_tool" ],
        agent_type = 'tool_calling'
  )

Tambahkan agen Anda dalam metode get_all_agents .

def get_all_agents():
return [
        default_agent(),
        weather_agent(),
        python_agent(),
        git_agent(),
+       my_agent()
]

Pembangun dan grafik agen khusus

Kustomisasi alur kerja agen Anda menggunakan prompt dan grafik khusus. Saring agen menggunakan nama agen untuk menerapkan kustomisasi.

Misalnya, kode berikut menerapkan alur kerja grafik pembangun untuk agen bernama "graph_agent"

 def get_agent_builder ( params : AgentBuilderParams ):
    agent_name = params . name
    match agent_name :
        case "graph_agent" :
            from agentbuilder . agents . BaseGraphAgentBuilder import BaseGraphAgentBuilder
            return BaseGraphAgentBuilder ( params )
        case _ :
            return BaseAgentBuilder ( params )

Penting

Paket Ketergantungan "Langgraph" perlu dipasang untuk BasegraphagentBuilder.

Mengkonfigurasi model

Perbarui konfigurasi model menggunakan variabel lingkungan.

Mendukung format {penyedia}/{ModelName}

Gemini

Buat tombol API https://aistudio.google.com/app/apikey

 MODEL_NAME = " gemini/gemini-pro "
 EMBED_MODEL_NAME = " gemini/embedding-001 "
 GOOGLE_API_KEY = <GOOGLE_API_KEY>

Berpadu

Buat tombol API https://dashboard.cohere.com/api-keys

 MODEL_NAME = " cohere/command "
 EMBED_MODEL_NAME = " cohere/embed-english-v3.0 "
 COHERE_API_KEY = <COHERE_API_KEY>

Buka AI

Buat tombol API https://platform.openai.com/docs/quickstart/account-setup

 MODEL_NAME = " openai/gpt-4o "
 EMBED_MODEL_NAME = " openai/text-embedding-3-large "
 OPENAI_API_KEY = <OPENAI_API_KEY>

Antropik

Buat tombol API https://www.anthropic.com/ dan https://www.voyageai.com/

 MODEL_NAME = " anthropic/claude-3-opus-20240229 "
 EMBED_MODEL_NAME = " voyageai/voyage-2 "
 ANTHROPIC_API_KEY = <ANTHROPIC_API_KEY>
 VOYAGE_API_KEY = <VOYAGE_API_KEY>