atomic agents ดาวน์โหลด - atomic agents ดาวน์โหลดซอร์สโค้ด

atomic agents

ซอร์สโค้ดอื่น ๆ

1.0.8

ดาวน์โหลด

ตัวแทนอะตอม

กรอบงาน Atomic Agents ได้รับการออกแบบให้เป็นโมดูลาร์ ขยายได้ และใช้งานง่าย เป้าหมายหลักคือการกำจัดความซับซ้อนที่ซ้ำซ้อน นามธรรมที่ไม่จำเป็น และสมมติฐานที่ซ่อนอยู่ ในขณะที่ยังคงมอบแพลตฟอร์มที่ยืดหยุ่นและทรงพลังสำหรับการสร้างแอปพลิเคชัน AI ผ่านอะตอมมิกซิตี เฟรมเวิร์กมีชุดเครื่องมือและเอเจนต์ที่สามารถนำมารวมกันเพื่อสร้างแอปพลิเคชันที่มีประสิทธิภาพ มันถูกสร้างขึ้นบน Instructor และใช้ประโยชน์จากพลังของ Pydantic สำหรับการตรวจสอบความถูกต้องของข้อมูลและสคีมาและการทำให้เป็นอนุกรม

ชมวิดีโอภาพรวม

ทำไมต้องมีตัวแทนอะตอม?

แม้ว่าเฟรมเวิร์กที่มีอยู่สำหรับ AI แบบเอเจนต์จะมุ่งเน้นไปที่การสร้างระบบหลายเอเจนต์อัตโนมัติ แต่ก็มักจะขาดการควบคุมและความสามารถในการคาดการณ์ที่จำเป็นสำหรับแอปพลิเคชันในโลกแห่งความเป็นจริง ธุรกิจต่างๆ ต้องการระบบ AI ที่สร้างผลลัพธ์ที่สม่ำเสมอและเชื่อถือได้ ซึ่งสอดคล้องกับแบรนด์และวัตถุประสงค์ของตน

Atomic Agents ตอบสนองความต้องการนี้ด้วยการจัดเตรียม:

ความเป็นโมดูล: สร้างแอปพลิเคชัน AI โดยรวมส่วนประกอบขนาดเล็กที่นำกลับมาใช้ใหม่ได้
ความสามารถในการคาดการณ์: กำหนดสคีมาอินพุตและเอาต์พุตที่ชัดเจนเพื่อให้แน่ใจว่ามีพฤติกรรมที่สอดคล้องกัน
ความสามารถในการขยาย: สลับส่วนประกอบหรือรวมส่วนประกอบใหม่ได้อย่างง่ายดายโดยไม่กระทบต่อทั้งระบบ
การควบคุม: ปรับแต่งแต่ละส่วนของระบบอย่างละเอียด ตั้งแต่ข้อความแจ้งของระบบไปจนถึงการรวมเครื่องมือ

กายวิภาคของตัวแทน

ใน Atomic Agents สารประกอบด้วยองค์ประกอบสำคัญหลายประการ:

พร้อมท์ของระบบ: กำหนดพฤติกรรมและวัตถุประสงค์ของตัวแทน
สคีมาอินพุต: ระบุโครงสร้างและกฎการตรวจสอบสำหรับการป้อนข้อมูลของตัวแทน
สคีมาเอาต์พุต: ระบุโครงสร้างและกฎการตรวจสอบสำหรับเอาต์พุตของเอเจนต์
หน่วยความจำ: เก็บประวัติการสนทนาหรือข้อมูลอื่นๆ ที่เกี่ยวข้อง
ผู้ให้บริการบริบท: แทรกบริบทแบบไดนามิกลงในพรอมต์ระบบของเอเจนต์ขณะรันไทม์

นี่คือไดอะแกรมสถาปัตยกรรมระดับสูง:

การติดตั้ง

ในการติดตั้ง Atomic Agents คุณสามารถใช้ pip:

 pip ติดตั้ง atomic-agents

ตรวจสอบให้แน่ใจว่าคุณติดตั้งผู้ให้บริการที่คุณต้องการใช้ด้วย ตัวอย่างเช่น หากต้องการใช้ OpenAI และ Groq คุณสามารถติดตั้งแพ็คเกจ openai และ groq ได้:

 pip ติดตั้ง openai groq

นอกจากนี้ยังติดตั้ง CLI Atomic Assembler ซึ่งสามารถใช้เพื่อดาวน์โหลดเครื่องมือ (และเร็ว ๆ นี้รวมถึง Agent และ Pipelines)

สำหรับการพัฒนาแบบโลคัล คุณสามารถติดตั้งได้จากพื้นที่เก็บข้อมูล:

 git clone https://github.com/BrainBlend-AI/atomic-agents.gitcd อะตอมมิกเอเจนต์
ติดตั้งบทกวี

โครงสร้างโครงการ

Atomic Agents ใช้โครงสร้าง monorepo โดยมีส่วนประกอบหลักดังต่อไปนี้:

atomic-agents/ : ไลบรารี Atomic Agents หลัก
atomic-assembler/ : เครื่องมือ CLI สำหรับจัดการส่วนประกอบ Atomic Agents
atomic-examples/ : ตัวอย่างโครงการที่แสดงการใช้งาน Atomic Agents
atomic-forge/ : ชุดเครื่องมือที่สามารถใช้กับ Atomic Agents

การเริ่มต้นอย่างรวดเร็วและตัวอย่าง

รายการตัวอย่างทั้งหมดสามารถพบได้ในไดเร็กทอรีตัวอย่าง

เรามุ่งมั่นที่จะจัดทำเอกสารแต่ละตัวอย่างอย่างละเอียด แต่หากมีสิ่งใดไม่ชัดเจน โปรดอย่าลังเลที่จะเปิดประเด็นหรือดึงคำขอเพื่อปรับปรุงเอกสาร

ต่อไปนี้เป็นตัวอย่างสั้นๆ ที่แสดงให้เห็นว่าการสร้างตัวแทนอันทรงพลังด้วย Atomic Agent นั้นง่ายดายเพียงใด:

 # กำหนดคลาสสกีมาเอาต์พุตแบบกำหนดเอง CustomOutputSchema(BaseIOSchema):""" docstring สำหรับสกีมาเอาต์พุตแบบกำหนดเอง """chat_message: str = Field(..., description="ข้อความแชทจากตัวแทน")suggested_questions: List[str ] = Field(..., description="คำถามติดตามผลที่แนะนำ")# ตั้งค่าระบบ promptsystem_prompt_generator = SystemPromptGenerator(พื้นหลัง=["ผู้ช่วยนี้มีความรู้ เป็นประโยชน์ และแนะนำคำถามติดตามผล"],steps=["วิเคราะห์ข้อมูลของผู้ใช้เพื่อทำความเข้าใจบริบทและเจตนา","กำหนดคำตอบที่เกี่ยวข้องและให้ข้อมูล", "สร้างคำถามติดตามผลที่แนะนำ 3 ข้อสำหรับผู้ใช้"],output_instructions=["ให้ข้อมูลที่ชัดเจนและกระชับเพื่อตอบคำถามของผู้ใช้""สรุปแต่ละคำตอบด้วยคำถามแนะนำที่เกี่ยวข้อง 3 ข้อสำหรับผู้ใช้"]
)# เริ่มต้น agentagent = BaseAgent(config=BaseAgentConfig(client=your_openai_client, # แทนที่ด้วย clientmodel จริงของคุณ = "gpt-4o-mini", system_prompt_generator=system_prompt_generator,memory=AgentMemory(),output_schema=CustomOutputSchema)
)# ใช้ agentresponse = agent.run(user_input)print(f"Agent: {response.chat_message}")print("คำถามที่แนะนำ:")สำหรับคำถามใน response.suggested_questions:print(f"- {question}")

ตัวอย่างนี้แสดงวิธีสร้างตัวแทนที่ปรับแต่งได้ซึ่งตอบสนองต่อคำถามของผู้ใช้และแนะนำคำถามติดตามผล สำหรับตัวอย่างที่สมบูรณ์และรันได้ โปรดดูไฟล์ต่อไปนี้ในไดเร็กทอรี atomic-examples/quickstart/quickstart/ :

Chatbot ขั้นพื้นฐาน ตัวอย่าง Chatbot ขั้นต่ำเพื่อให้คุณเริ่มต้นได้
Custom Chatbot ตัวอย่างขั้นสูงพร้อมพรอมต์ระบบที่กำหนดเอง
Chatbot แบบกำหนดเองพร้อมสคีมา ตัวอย่างขั้นสูงที่มีสคีมาเอาต์พุตแบบกำหนดเอง
Chatbot ที่มีผู้ให้บริการหลายราย สาธิตวิธีการใช้ผู้ให้บริการที่แตกต่างกัน เช่น Ollama หรือ Groq

นอกจากตัวอย่างการเริ่มต้นอย่างรวดเร็วแล้ว เรายังมีตัวอย่างที่ซับซ้อนมากขึ้นที่แสดงให้เห็นถึงพลังของตัวแทนอะตอม:

Web Search Agent: ตัวแทนอัจฉริยะที่ทำการค้นหาเว็บและตอบคำถามตามผลลัพธ์
YouTube Summarizer: ตัวแทนที่ดึงและสรุปความรู้จากวิดีโอ YouTube

สำหรับรายการตัวอย่างทั้งหมด โปรดดูไดเร็กทอรีตัวอย่าง

ตัวอย่างเหล่านี้เป็นจุดเริ่มต้นที่ดีในการทำความเข้าใจและใช้งาน Atomic Agent

ผู้ให้บริการบริบท

Atomic Agents ช่วยให้คุณสามารถปรับปรุงเอเจนต์ของคุณด้วยบริบทแบบไดนามิกโดยใช้ Context Providers ผู้ให้บริการบริบทช่วยให้คุณสามารถแทรกข้อมูลเพิ่มเติมลงในพร้อมต์ระบบของตัวแทนขณะรันไทม์ ทำให้ตัวแทนของคุณมีความยืดหยุ่นและรับรู้บริบทมากขึ้น

การใช้ผู้ให้บริการบริบท

หากต้องการใช้ Context Provider ให้สร้างคลาสที่สืบทอดมาจาก SystemPromptContextProviderBase และใช้เมธอด get_info() ซึ่งจะส่งคืนสตริงบริบทที่จะเพิ่มลงในพรอมต์ของระบบ

นี่เป็นตัวอย่างง่ายๆ:

 จาก atomic_agents.lib.components.system_prompt_generator นำเข้า SystemPromptContextProviderBaseclass SearchResultsProvider (SystemPromptContextProviderBase):def __init__(self, title: str, search_results: List[str]):super().__init__(title=title)self.search_results = search_resultsdef get_info(self ) -> str:return "n".join(self.search_results)

จากนั้น คุณสามารถลงทะเบียน Context Provider กับตัวแทนได้:

 # เริ่มต้นผู้ให้บริการบริบทของคุณด้วยไดนามิก datasearch_results_provider = SearchResultsProvider(title="Search Results",search_results=["Result 1", "Result 2", "Result 3"]
)# ลงทะเบียนผู้ให้บริการบริบทด้วย agentagent.register_context_provider("search_results", search_results_provider)

ซึ่งช่วยให้ตัวแทนของคุณสามารถรวมผลการค้นหา (หรือบริบทอื่นใด) ไว้ในพร้อมท์ของระบบ ช่วยเพิ่มการตอบสนองตามข้อมูลล่าสุด

Chaining Schemas และตัวแทน

Atomic Agents ทำให้ง่ายต่อการเชื่อมโยงตัวแทนและเครื่องมือเข้าด้วยกันโดยการจัดแนวแผนผังอินพุตและเอาท์พุต การออกแบบนี้ช่วยให้คุณสามารถสลับส่วนประกอบได้อย่างง่ายดาย ส่งเสริมความเป็นโมดูลาร์และการนำกลับมาใช้ใหม่ในแอปพลิเคชัน AI ของคุณ

ตัวอย่าง: การสร้างข้อความค้นหาสำหรับผู้ให้บริการค้นหาที่แตกต่างกัน

สมมติว่าคุณมีตัวแทนที่สร้างคำค้นหาและคุณต้องการใช้คำค้นหาเหล่านี้กับเครื่องมือค้นหาที่แตกต่างกัน ด้วยการจัดแนวสคีมาเอาท์พุทของเอเจนต์กับสคีมาอินพุตของเครื่องมือค้นหา คุณสามารถเชื่อมโยงเข้าด้วยกันหรือสลับระหว่างผู้ให้บริการการค้นหาต่างๆ ได้อย่างง่ายดาย

นี่คือวิธีที่คุณสามารถบรรลุเป้าหมายนี้:

 นำเข้าผู้สอนนำเข้า openaifrom pydantic นำเข้า Fieldfrom atomic_agents.agents.base_agent นำเข้า BaseIOSchema, BaseAgent, BaseAgentConfigfrom atomic_agents.lib.components.system_prompt_generator นำเข้า SystemPromptGenerator# นำเข้าเครื่องมือค้นหาที่คุณต้องการใช้จาก web_search_agent.tools.searxng_search นำเข้า SearxNGSearchTool# กำหนดสคีมาอินพุตสำหรับแบบสอบถาม agentclass QueryAgentInputSchema(BaseIOSchema):"""อินพุตสคีมาสำหรับ QueryAgent"""คำแนะนำ: str = Field(..., description="คำแนะนำในการสร้างคำค้นหาสำหรับ")num_queries: int = Field(..., description="จำนวนแบบสอบถามที่จะสร้าง")# เริ่มต้นแบบสอบถาม agentquery_agent = BaseAgent(BaseAgentConfig(client=instructor.from_openai(openai.OpenAI()),model="gpt-4o-mini",system_prompt_generator=SystemPromptGenerator(พื้นหลัง=["คุณเป็นผู้เชี่ยวชาญด้านการสร้างคิวรีที่ชาญฉลาด","งานของคุณคือ สร้างการสืบค้นที่หลากหลายและมีความเกี่ยวข้องสูงตามจำนวนที่ระบุตามคำสั่งที่กำหนด"],steps=["รับคำสั่งและจำนวนการสืบค้นที่จะสร้าง","สร้างการสืบค้นใน รูปแบบ JSON"],output_instructions=["ตรวจสอบให้แน่ใจว่าแต่ละข้อความค้นหาไม่ซ้ำกันและมีความเกี่ยวข้อง","ระบุข้อความค้นหาในสคีมาที่คาดหวัง"],
        ),input_schema=QueryAgentInputSchema,output_schema=SearxNGSearchTool.input_schema, # จัดแนวสคีมาเอาต์พุต)
-

ในตัวอย่างนี้:

Modularity : โดยการตั้งค่า output_schema ของ query_agent ให้ตรงกับ input_schema ของ SearxNGSearchTool คุณสามารถใช้เอาต์พุตของเอเจนต์เป็นอินพุตไปยังเครื่องมือได้โดยตรง
ความสามารถในการสลับได้ : หากคุณตัดสินใจเปลี่ยนไปใช้ผู้ให้บริการค้นหารายอื่น คุณสามารถนำเข้าเครื่องมือค้นหาอื่นและอัปเดต output_schema ตามลำดับได้

ตัวอย่างเช่น หากต้องการเปลี่ยนไปใช้บริการค้นหาอื่น:

 # นำเข้าเครื่องมือค้นหาอื่นจาก web_search_agent.tools.another_search นำเข้า AnotherSearchTool# อัปเดตเอาต์พุต schemaquery_agent.config.output_schema = AnotherSearchTool.input_schema

รูปแบบการออกแบบนี้ทำให้กระบวนการเชื่อมโยงตัวแทนและเครื่องมือง่ายขึ้น ทำให้แอปพลิเคชัน AI ของคุณสามารถปรับเปลี่ยนและบำรุงรักษาได้ง่ายขึ้น

เรียกใช้ CLI

หากต้องการรัน CLI เพียงรันคำสั่งต่อไปนี้:

 อะตอม

หรือหากคุณติดตั้ง Atomic Agents with Poetry ตัวอย่างเช่น:

 บทกวีวิ่งอะตอม

หรือถ้าคุณติดตั้ง Atomic Agents ด้วย uv:

 ยูวีรันอะตอม

หลังจากรันคำสั่งนี้แล้ว คุณจะพบเมนูที่ให้คุณดาวน์โหลดเครื่องมือได้

เครื่องมือแต่ละอย่างมีของตัวเอง:

สคีมาอินพุต
สคีมาเอาท์พุท
ตัวอย่างการใช้งาน
การพึ่งพาอาศัยกัน
คำแนะนำในการติดตั้ง

CLI atomic-assembler ช่วยให้คุณควบคุมเครื่องมือได้อย่างสมบูรณ์ โดยหลีกเลี่ยงการยุ่งวุ่นวายกับการขึ้นต่อกันที่ไม่จำเป็น มันทำให้การปรับเปลี่ยนเครื่องมือตรงไปตรงมา นอกจากนี้ แต่ละเครื่องมือยังมาพร้อมกับชุดการทดสอบความน่าเชื่อถือของตัวเอง

แต่คุณไม่ได้ถูกจำกัดอยู่แค่ CLI! หากต้องการ คุณสามารถเข้าถึงโฟลเดอร์เครื่องมือได้โดยตรงและจัดการด้วยตนเองโดยเพียงแค่คัดลอกและวางตามต้องการ

ความเข้ากันได้ของผู้ให้บริการและรุ่น

Atomic Agent ขึ้นอยู่กับแพ็คเกจผู้สอน ซึ่งหมายความว่าในทุกตัวอย่างที่ใช้ OpenAI API อื่นๆ ที่ผู้สอนสนับสนุนก็สามารถใช้ได้ เช่น Ollama, Groq, Mistral, Cohere, Anthropic, Gemini และอื่นๆ อีกมากมาย สำหรับรายการทั้งหมด โปรดดูเอกสารประกอบของผู้สอนในหน้า GitHub