clientaiダウンロード - clientaiソースコードのダウンロード

clientai

AI ソースコード

0.4.4

ダウンロード

clientai

ClientAIは、直接プロバイダーの相互作用から透明なLLM駆動エージェントまで、OpenAI、Replicate、Groq、Ollamaのシームレスなサポートを提供するAIアプリケーションを構築するための統一されたフレームワークを提供するPythonパッケージです。

ドキュメント：igorbenav.github.io/clientai/

特徴

統一されたインターフェイス：複数のAIプロバイダー（Openai、Replicate、Groq、Ollama）にわたる一貫した方法。
ストリーミングサポート：リアルタイムの応答ストリーミングおよびチャット機能。
インテリジェントエージェント：ツール統合を備えた透明なマルチステップLLMワークフローを構築するためのフレームワーク。
出力検証：各ステップから構造化された信頼できる出力を確保するための組み込み検証システム。
モジュラー設計：シンプルなプロバイダーラッパーからエージェントシステムの完成まで、コンポーネントを独立して使用します。
タイプの安全性：開発体験を改善するための包括的なタイプのヒント。

インストール

すべてのプロバイダーにclientaiをインストールするには、実行してください。

pip install " clientai[all] "

または、特定のプロバイダーのみをインストールする場合は、

pip install " clientai[openai] "  # For OpenAI support
pip install " clientai[replicate] "  # For Replicate support
pip install " clientai[ollama] "  # For Ollama support
pip install " clientai[groq] "  # For Groq support

クイックスタートの例

基本的なプロバイダーの使用

 from clientai import ClientAI

# Initialize with OpenAI
client = ClientAI ( 'openai' , api_key = "your-openai-key" )

# Generate text
response = client . generate_text (
    "Tell me a joke" ,
    model = "gpt-3.5-turbo" ,
)
print ( response )

# Chat functionality
messages = [
    { "role" : "user" , "content" : "What is the capital of France?" },
    { "role" : "assistant" , "content" : "Paris." },
    { "role" : "user" , "content" : "What is its population?" }
]

response = client . chat (
    messages ,
    model = "gpt-3.5-turbo" ,
)
print ( response )

クイックスタートエージェント

 from clientai import client
from clientai . agent import create_agent , tool

@ tool ( name = "calculator" )
def calculate_average ( numbers : list [ float ]) -> float :
    """Calculate the arithmetic mean of a list of numbers."""
    return sum ( numbers ) / len ( numbers )

analyzer = create_agent (
    client = client ( "groq" , api_key = "your-groq-key" ),
    role = "analyzer" , 
    system_prompt = "You are a helpful data analysis assistant." ,
    model = "llama-3.2-3b-preview" ,
    tools = [ calculate_average ]
)

result = analyzer . run ( "Calculate the average of these numbers: [1000, 1200, 950, 1100]" )
print ( result )

3。検証付きカスタムエージェント

保証された出力構造とタイプの安全性については：

 from clientai . agent import Agent , think
from pydantic import BaseModel , Field
from typing import List

class Analysis ( BaseModel ):
    summary : str = Field ( min_length = 10 )
    key_points : List [ str ] = Field ( min_items = 1 )
    sentiment : str = Field ( pattern = "^(positive|negative|neutral)$" )

class DataAnalyzer ( Agent ):
    @ think (
        name = "analyze" ,
        json_output = True ,  # Enable JSON formatting
    )

    def analyze_data ( self , data : str ) -> Analysis : # Enable validation
        """Analyze data with validated output structure."""
        return """
        Analyze this data and return a JSON with:
        - summary: at least 10 characters
        - key_points: non-empty list
        - sentiment: positive, negative, or neutral

        Data: {data}
        """

# Initialize and use

analyzer = DataAnalyzer ( client = client , default_model = "gpt-4" )
result = analyzer . run ( "Sales increased by 25% this quarter" )
print ( f"Sentiment: { result . sentiment } " )
print ( f"Key Points: { result . key_points } " )

以下を含むその他の例については、私たちのドキュメントを参照してください。

複数のステップを持つカスタムワークフローエージェント
複雑なツールの統合と選択
高度な使用パターンとベストプラクティス

デザイン哲学

ClientAiエージェントモジュールは、4つのコア原則に基づいて構築されています。

プロンプト中心の設計：プロンプトは明示的で、デバッグ可能で、透明です。あなたが見るのは、モデルに送られるものです。
最初のカスタマイズ：すべてのコンポーネントは、拡張またはオーバーライドするように設計されています。カスタムステップ、ツールセレクター、またはまったく新しいワークフローパターンを作成します。
ゼロロックイン：高レベルのコンポーネントから始めて、必要に応じて低レベルにドロップダウンします。あなたはできる：
- カスタム動作のAgentを拡張します
- 個々のコンポーネントを直接使用します
- 部品を徐々に独自の実装に置き換えます
- または完全に移動する - ロックインなし