摄影网站开发的背景,蛋糕店网站设计模板,唐山中小企业网站制作,wordpress可视化编辑器AgentScope
AgentScope介绍
AgentScope是一款全新的Multi-Agent框架#xff0c;专为应用开发者打造#xff0c;旨在提供高易用、高可靠的编程体验#xff01;
高易用#xff1a;AgentScope支持纯Python编程#xff0c;提供多种语法工具实现灵活的应用流程编排#xff…AgentScope
AgentScope介绍
AgentScope是一款全新的Multi-Agent框架专为应用开发者打造旨在提供高易用、高可靠的编程体验
高易用AgentScope支持纯Python编程提供多种语法工具实现灵活的应用流程编排内置丰富的API服务Service以及应用样例供开发者直接使用。同时AgentScope提供了详尽的教程API文档和应用样例。高鲁棒确保开发便捷性和编程效率的同时针对不同能力的大模型AgentScope提供了全面的重试机制、定制化的容错控制和面向Agent的异常处理以确保应用的稳定、高效运行基于Actor的分布式机制AgentScope设计了一种新的基于Actor的分布式机制实现了复杂分布式工作流的集中式编程和自动并行优化即用户可以使用中心化编程的方式完成分布式应用的流程编排同时能够零代价将本地应用迁移到分布式的运行环境中。
AgentScope安装
从github拉取源代码
git clone https://github.com/modelscope/agentscope.git
以编辑模式安装包
cd AgentScope
pip install -e .
AgentScope基础使用
准备Model Configs
AgentScope支持以下模型API服务
OpenAI Python APIs包括 OpenAI Chat, DALL-E和Embedding API兼容OpenAI的Inference库例如FastChat和vllm Post Request APIs包括 HuggingFace和ModelScope Inference API自定义模型API OpenAI API Configs
对于OpenAI API您需要准备一个包含以下字段的模型配置字典
{config_name: {配置名称}, # 用于识别配置的名称model_type: openai | openai_dall_e | openai_embedding,model_name: {模型名称例如gpt-4}, # openai API中的模型# 可选api_key: xxx, # OpenAI API的API密钥。如果未设置将使用环境变量OPENAI_API_KEY。organization: xxx, # OpenAI API的组织。如果未设置将使用环境变量OPENAI_ORGANIZATION。
}
DashScope API Config
对于 DashScope API你需要准备一个包含如下字段的配置字典
{config_name: {配置名称}, # 用于识别配置的名称model_type: dashscope_chat | dashscope_text_embedding | dashscope_image_synthesis,model_name: {模型名称例如 qwen-max}, # dashscope 中的模型api_key: xxx, # The API key for DashScope API.
}
Post Request API Config
对于post请求API配置包含以下字段。
{config_name: {配置名称}, # 用于识别配置的名称model_type: post_api,api_url: https://xxx, # 目标urlheaders: { # 需要的头信息...},
}
为了方便开发和调试AgentScope在scripts目录下提供了丰富的脚本以快速部署模型服务。 有关模型服务的详细使用请参阅我们的教程和API文档。
这里我们这次实验用的model_config.json内容如下
[{model_type: dashscope_chat,config_name: qwen,model_name: qwen-max,api_key: sk-,generate_args: {temperature: 0.5}}
]
灵积DashScope网址模型服务灵积 DashScope - 阿里云 (aliyun.com)
创建Agent
脚本如下
from agentscope.agents import DialogAgent
import agentscope# 初始化了多个大模型
agentscope.init(model_configs./model_configs.json
)# 使用qwen大模型初始化一个对话agent
dialog_agent_qwen DialogAgent(nameAssistant_qwen,sys_promptYoure a helpful assistant., # sys_prompt可以自行定义不能为空model_config_nameqwen, # 这里的qwen和前面的model_config.json文件中的config_name要一一对应否则Agent找不到大模型会报错
)# 简单实用 可以当作一个api
from agentscope.message import Msgmsg Msg(name小助手,content你好啊给我介绍一下阿里AgentScope)dialog_agent_qwen (msg)
运行结果
Assistant_qwen: 您好阿里云AgentScope是一款针对分布式应用性能监控的工具它能够深入到代码层面提供细粒度的链路追踪和性能诊断能力。通过在应用中植入探针AgentScope可以自动收集并上报应用的各项性能指标、数据库调用、RPC调用等信息实现从用户请求入口到服务端内部调用的全链路监控。具体来说阿里云AgentScope可以帮助开发者1. 实现端到端的请求跟踪了解每个请求在系统中的完整流转过程。
2. 快速定位性能瓶颈发现并解决潜在问题提高系统稳定性与响应速度。
3. 提供详细的SQL执行分析帮助优化数据库查询性能。
4. 对服务间的依赖关系进行可视化展示便于理解系统的整体架构和服务之间的交互情况。总之阿里云AgentScope是提升应用性能管理APM效率保障业务稳定运行的重要工具之一。 对话示例
model_config.json依旧使用前面创建的
代码脚本参考agentscope代码仓目录下的examples/conversation/conversation.py文件
# -*- coding: utf-8 -*-
A simple example for conversation between user and assistant agent.
import agentscope
from agentscope.agents import DialogAgent
from agentscope.agents.user_agent import UserAgent
from agentscope.pipelines.functional import sequentialpipelinedef main() - None:A conversation demoagentscope.init(model_configs./model_configs.json)# Init two agentsdialog_agent DialogAgent(nameAssistant,sys_promptYoure a helpful assistant.,model_config_nameqwen, # replace by your model config name)user_agent UserAgent()# start the conversation between user and assistantx Nonewhile x is None or x.content ! exit:x sequentialpipeline([dialog_agent, user_agent], x)if __name__ __main__:main()这个示例可以实现和大模型进行交互式对话
