agent builder api下載 - agent builder api源代碼下載

agent builder api

其他源碼

1.0.0

下載

代理構建器API

快速開始

您可以使用Docker容器或手動克隆和構建此存儲庫來啟動API服務器。

手動設置：在本地計算機中克隆此存儲庫，然後啟動Python快速API服務器。可選，安裝並設置Mongo DB。

DEV容器設置：DEV容器允許您自動化環境設置。使用此設置在隔離環境中安裝和運行容器服務，並預裝了擴展名。您還可以使用秘密通過模型API鍵在遠程環境/瀏覽器中打開GitHub代碼。

手動設置

設置Python Virtualenv並安裝依賴項

python -m venv --prompt agent-builder-api venv
source venv/bin/activate
# venv/Scripts/activate (Windows)
pip install -r requirements.txt

在.env文件中設置模型名稱和API鍵

 OPENAI_API_KEY = " sk---- "
MODEL_NAME = " openai "

在新終端啟動服務器
```
python -m agentbuilder.main
```

[可選]開始使用詩歌

為了獲得細粒度的依賴管理，請使用詩歌根據您的LLM模型提供商和工具功能選擇依賴項。

遵循“官方教學指南”的安裝詩歌。

選擇要安裝的依賴項。

poetry install --extras " openai gemini cohere anthropic mongodb vectordb langgraph "

在.env文件中設置模型名稱和API鍵

 OPENAI_API_KEY = " sk---- "
MODEL_NAME = " openai "

在新終端啟動服務器
```
poetry run start-server
```

筆記

詩歌將為我們創造虛擬環境。

[可選]啟用mongodb

默認情況下，數據存儲為JSON文件。使用環境變量設置URL，啟用Mongo DB中的存儲。

 MONGODB_URL = " mongodb://localhost:27017/llmdb "

開發容器設置

通過遵循官方文檔中的步驟，在VScode中啟用DEV容器。
單擊下面的徽章以在本地機器中的隔離容器環境中運行服務。
這將克隆回購併啟動API和Mongo DB容器服務。

提示

使用mongodb：// mongodb：27017/llmdb中的mongo db vscode擴展程序中查看存儲數據。

執行F1> DEV容器：連接到運行容器..並選擇Agent-Builder-container 。

在.env文件中設置模型名稱和API鍵

 OPENAI_API_KEY = " sk---- "
MODEL_NAME = " openai "

定制

依賴包和環境配置

依賴項包允許根據您的要求進行細粒度的軟件包安裝。使用docker-compose文件中的環境變量extra_deps進行更新。

如果docker-compose不可用，則可以在DEV容器模式下使用install-extra-deps.sh腳本。

例如，以下環境配置將安裝雙子座模型，mongo db，langchain圖和vectordb的依賴項

 EXTRA_DEPS : " gemini,mongodb,langgraph,vectordb "

提示

從基本的依賴項包開始，以支持您的模型並逐步添加其他功能

以下模型由其依賴項包支持

模型	依賴包	env關鍵名稱
打開AI	Openai	OpenAI_API_KEY
雙子座	雙子座	Google_api_key
共同	共同	cohere_api_key
人類	人類	Anthropic_api_key

一些預先配置的工具需要額外的依賴項或API鍵才能啟用。

工具	依賴包	env關鍵名稱
Internet_search	-	tavily_api_key
vectorstore_search	vectordb	embed_model_name

添加工具

使用工具工廠模塊（ AgentBuilder/Factory/ Tool_factory ）添加自定義工具或工具包。

創建您的工具

AgentBuilder/tools/my_custom_tool.py

 from pathlib import Path
from langchain_core . tools import tool
from pydantic import BaseModel , Field

@ tool
def my_custom_tool ( a : int , b : int ):
"""Custom Tool Description"""
return a + b

my_custom_tool . name = "custom_tool_name"
my_custom_tool . description = "Custom Tool Description"

class field_inputs ( BaseModel ):
a : int = Field ( description = "First input" )
b : int = Field ( description = "Second input" )

my_custom_tool . args_schema = sum_inputs
my_custom_tool . metadata = { "file_path" : str ( Path ( __file__ ). absolute ())}

在tool_factory模塊中將工具添加到get_all_tools方法中。

AgentBuilder/factory/tool_factory.py

def get_all_tools()->Sequence[BaseTool]:

    return get_vectordb_tools()+ get_websearch_tools() + json_tools + [
            directly_answer_tool,
            weather_clothing_tool,
            temperature_tool,
            temperature_sensor_tool,
            sum_tool,greeting_tool,
            git_diff_tool,
            repl_tool,
+           my_custom_tool
            ]

添加代理

可以使用擴展UI創建代理或在代碼中聲明。使用代理工廠模塊（ AgentBuilder/Factory/Agent_Factory ）添加代理。

創建您的代理

 def my_agent ():
  return AgentParams (
        name = "my_agent" ,
        preamble = "You are a powerful agent that uses tools to answer Human questions" ,
        tools =  [ "my_custom_tool" ],
        agent_type = 'tool_calling'
  )

在get_all_agents方法中添加您的代理。

def get_all_agents():
return [
        default_agent(),
        weather_agent(),
        python_agent(),
        git_agent(),
+       my_agent()
]

自定義代理構建器和圖形

使用自定義提示和圖形自定義代理工作流程。使用代理名稱過濾代理以應用自定義。

例如，以下代碼應用了名為“ graph_agent”的代理的圖形構建器工作流程

 def get_agent_builder ( params : AgentBuilderParams ):
    agent_name = params . name
    match agent_name :
        case "graph_agent" :
            from agentbuilder . agents . BaseGraphAgentBuilder import BaseGraphAgentBuilder
            return BaseGraphAgentBuilder ( params )
        case _ :
            return BaseAgentBuilder ( params )

重要的

需要安裝依賴項包“ langgraph”，以用於basegraphagentbuilder。

配置模型

使用環境變量更新模型配置。

支持{提供商}/{modelName}格式

雙子座

創建API鍵https://aistudio.google.com/app/apikey

 MODEL_NAME = " gemini/gemini-pro "
 EMBED_MODEL_NAME = " gemini/embedding-001 "
 GOOGLE_API_KEY = <GOOGLE_API_KEY>

共同

創建API鍵https://dashboard.cohere.com/api-keys

 MODEL_NAME = " cohere/command "
 EMBED_MODEL_NAME = " cohere/embed-english-v3.0 "
 COHERE_API_KEY = <COHERE_API_KEY>

打開AI

創建API鍵https://platform.openai.com/docs/quickstart/account-setup

 MODEL_NAME = " openai/gpt-4o "
 EMBED_MODEL_NAME = " openai/text-embedding-3-large "
 OPENAI_API_KEY = <OPENAI_API_KEY>

人類

創建API鍵https://www.anththropic.com/和https://www.voyageai.com/

 MODEL_NAME = " anthropic/claude-3-opus-20240229 "
 EMBED_MODEL_NAME = " voyageai/voyage-2 "
 ANTHROPIC_API_KEY = <ANTHROPIC_API_KEY>
 VOYAGE_API_KEY = <VOYAGE_API_KEY>