microagents
v0.1.0 (21.01.2024)
タスクに応じて自己改善エージェントを動的に作成するための実験的なフレームワーク。
デモの表示バグのレポート・リクエスト機能
マイクロゲントは、自己改善剤を作成するための新しいアプローチを表しています。小規模のマイクロサービスサイズ（したがって、マイクロ対応）エージェントは、ユーザーがアシスタントに割り当てたタスクに応じて動的に生成され、機能性を評価し、検証が成功し、将来の再利用のために保存されます。これにより、チャットセッション全体で学習できるようになり、システムがタスク実行の方法を独立して推定できるようになります。
このプロジェクトは、次のテクノロジーを活用しています。
地元のコピーを稼働させるには、これらの簡単な手順に従ってください。
gpt-4-turboおよびtext-embedding-ada-002にアクセスできるOpenAIアカウントがあることを確認してください。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) 注意
MicroagentsはPythonコードを直接実行し、現在サンドボックス内で動作していません。潜在的な損傷を制限するために、GitHub CodeSpacesやDocker（readme-docker.md）などの孤立した環境でそれらを実行することを強くお勧めします。 Openaiのサービスの使用に関連するコストに注意してください。
デモを実行するには、実行してください：
python main.pyインタラクティブなチャットエクスペリエンスのために：
python app.pyすべてのエージェントを削除するには、「agents.db」ファイルを削除するだけです。
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.
これはマイクロゲントの最初のリリースであり、最初のプロジェクトの出版以来多くのことが起こりました。重要な更新は次のとおりです。
プルリクエスト：プロジェクトは合計6つのプルリクエストを受け取り、コミュニティからの関心を強調しています。
2つのユーザーインターフェイス：エージェントと対話するための2つのユーザーインターフェイスを提供します。
textual-app.pyファイルを使用して開始できます。このインターフェイスは、Bearney74によるコミュニティの貢献です。並列化：マイクロージャンが平行性をサポートするようになりました！新しいエージェントが作成されると、3つのエージェントが実際に並行して生成されます。タスクを正常に完了した最初のエージェントは保持され、他のエージェントは処分されます。
前処理されたエージェント：テスト用に含まれる28の前提条件のエージェントを導入しました。これらのエージェントは、OpenStreetMapとの対話から現在の気象情報の提供まで、幅広いタスクを可能にします。これらのエージェントはすべて、マイクロゲントを使用して訓練されました。
検証フェーズ（「裁判官」） ：新しい「裁判官」フェーズが追加され、機能していると主張するエージェントが実際に予想どおりに実行されるようにしています。この追加の検証ステップにより、完全に機能するエージェントのみが作業エージェントのカタログに含まれることが保証されます。
永続的なエージェントストレージ：エージェントはラン全体に保存されており、SQLiteがこの目的に使用されています。
改善されたエージェントメモリ：エージェントは、以前に作成したエージェントのみを覚えておくことができるようになりました。このアプローチは、実行中の不必要な深さの変化を回避するため、エージェントの作成の堅牢性を高めます。
これらの更新は、マイクロゲントの大幅な強化を表しています。コミュニティからのさらなる改善と貢献を楽しみにしています。
貢献は、オープンソースコミュニティを学び、インスピレーションを与え、作成するのに驚くべき場所にするものです。あなたがする貢献はどんな貢献も大歓迎です。
MITライセンスの下で配布されます。詳細については、 LICENSE参照してください。
