microagents
v0.1.0 (21.01.2024)
Uma estrutura experimental para criar dinamicamente agentes auto-improvantes em resposta a tarefas.
Visualizar demonstração · Relatório Bug · Solicitar recurso
Os microagentes representam uma nova abordagem para criar agentes auto-improvantes. Os agentes pequenos, do tamanho de microsserviços (portanto, microagentes ) são gerados dinamicamente em resposta a tarefas atribuídas pelo usuário ao assistente, avaliadas por sua funcionalidade e, após validação bem-sucedida, armazenadas para reutilização futura. Isso permite o aprendizado nas sessões de bate -papo, permitindo que o sistema deduza os métodos de execução de tarefas de forma independente.
Este projeto aproveita as seguintes tecnologias:
Para colocar uma cópia local em funcionamento, siga estas etapas simples.
gpt-4-turbo e 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) Cuidado
Os microagentes executam o código Python diretamente e atualmente não operam dentro de uma caixa de areia. É altamente recomendável executá-los em ambientes isolados, como o GitHub Codespaces ou o Docker (readme-docker.md) para limitar os danos potenciais. Esteja atento aos custos associados ao uso dos serviços do OpenAI.
Para uma demonstração, execute:
python main.pyPara uma experiência de bate -papo interativa:
python app.pyPara remover todos os agentes, basta excluir o arquivo "agentes.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.
Este é o primeiro lançamento de microagentes, e muito aconteceu desde a publicação inicial do projeto. Aqui estão as principais atualizações:
Solicitações de tração : O projeto recebeu um total de 6 solicitações de tração, destacando os interesses da comunidade.
Duas interfaces de usuário : agora oferecemos duas interfaces de usuário para interagir com os agentes:
textual-app.py . Esta interface é uma contribuição da comunidade de Bearney74.Paralelização : os microagentes agora suportam o paralelismo! Quando um novo agente é criado, três agentes são realmente gerados em paralelo. O primeiro agente a concluir com êxito sua tarefa é retido, enquanto os outros são descartados.
Agentes pré -treinados : introduzimos 28 agentes pré -gravados incluídos para testes. Esses agentes permitem uma ampla gama de tarefas, desde interagir com o OpenStreetMap até o fornecimento de informações climáticas atuais. Todos esses agentes foram treinados usando microagentes.
Fase de Validação ("Juiz") : Uma nova fase de 'juiz' foi adicionada para garantir que os agentes que afirmem estar funcionando realmente tenham o esperado. Esta etapa de validação adicional garante que apenas agentes totalmente funcionais sejam incluídos no catálogo de agentes de trabalho.
Armazenamento persistente do agente : os agentes agora são armazenados em corridas, com o SQLite sendo usado para esse fim.
Memória aprimorada do agente : os agentes agora têm a capacidade de lembrar apenas os agentes que eles criaram anteriormente. Essa abordagem aumenta a robustez da criação do agente, pois evita mudanças desnecessárias de profundidade durante a execução.
Essas atualizações representam um aprimoramento significativo para os microagentes. Estou ansioso para mais melhorias e contribuições da comunidade.
As contribuições são o que tornam a comunidade de código aberto um lugar tão incrível para aprender, inspirar e criar. Quaisquer contribuições que você faz são muito apreciadas .
Distribuído sob a licença do MIT. Consulte LICENSE para obter mais informações.
