clientai 다운로드 - clientai 소스 코드 다운로드

clientai

AI 소스 코드

0.4.4

다운로드

클라이언트

ClientAI는 OpenAI, Replicate, Groq 및 Ollama에 대한 완벽한 지원을 통해 직접 공급자 상호 작용에서 투명한 LLM 구동 에이전트에 이르기까지 AI 애플리케이션을 구축하기위한 통합 프레임 워크를 제공하는 Python 패키지입니다.

문서 : igorbenav.github.io/clientai/

특징

통합 인터페이스 : 여러 AI 제공 업체 (OpenAI, Replice, Groq, Ollama)의 일관된 방법.
스트리밍 지원 : 실시간 응답 스트리밍 및 채팅 기능.
지능형 에이전트 : 도구 통합을 통한 투명한 다중 단계 LLM 워크 플로우 구축 프레임 워크.
출력 유효성 검사 : 각 단계에서 구조적이고 안정적인 출력을 보장하기위한 내장 유효성 검사 시스템.
모듈 식 설계 : 간단한 공급자 래퍼부터 완전한 에이전트 시스템에 이르기까지 구성 요소를 독립적으로 사용하십시오.
유형 안전 : 더 나은 개발 경험을위한 포괄적 인 유형 힌트.

설치

모든 공급자와 함께 ClientAI를 설치하려면 실행하십시오.

pip install " clientai[all] "

또는 특정 제공 업체 만 설치하는 것을 선호하는 경우 :

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

빠른 시작 예제

기본 제공자 사용

 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 )

빠른 시작 에이전트

 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. 유효성 검사가있는 사용자 정의 에이전트

보장 된 출력 구조 및 유형 안전을 위해 :

 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 } " )

더 많은 예제는 다음을 포함하여 문서를 참조하십시오.

여러 단계가있는 맞춤형 워크 플로 에이전트
복잡한 도구 통합 및 선택
고급 사용 패턴 및 모범 사례

디자인 철학

ClientAI 에이전트 모듈은 네 가지 핵심 원칙을 기반으로합니다.

프롬프트 중심 설계 : 프롬프트는 명시적이고 디지털화 가능하며 투명합니다. 당신이 보는 것은 모델로 전송되는 것입니다.
사용자 정의 먼저 : 모든 구성 요소는 확장되거나 재정의되도록 설계되었습니다. 사용자 정의 단계, 도구 선택기 또는 완전히 새로운 워크 플로 패턴을 만듭니다.
제로 잠금 장치 : 고급 구성 요소로 시작하여 필요에 따라 더 낮은 레벨로 떨어집니다. 당신은 할 수 있습니다 :
- 사용자 정의 동작을 위해 Agent 확장하십시오
- 개별 구성 요소를 직접 사용하십시오
- 부품을 자신의 구현으로 점차적으로 교체하십시오
- 또는 완전히 마이그레이션 - 잠금 장치가 없습니다