Open-Source AI Cookbook documentation
让多个智能体在多智能体层级中协作 🤖🤝🤖
让多个智能体在多智能体层级中协作 🤖🤝🤖
本教程属于进阶内容，建议先了解另一本指南中的概念！
在本笔记本中，我们将构建一个多智能体网页浏览器：一个多个智能体协作，通过互联网解决问题的智能体系统！
它将是一个简单的层级结构，使用 ManagedAgent 对象来封装受管理的网页搜索智能体：
+----------------+
| 管理员智能体 |
+----------------+
|
_______________|______________
| |
代码解释器 +--------------------------------+
工具 | 受管理的智能体 |
| +------------------+ |
| | 网页搜索智能体 | |
| +------------------+ |
| | | |
| 网页搜索工具 | |
| 访问网页工具 |
+--------------------------------+让我们开始搭建这个系统。
⚡️ 我们的智能体将由 meta-llama/Meta-Llama-3.1-70B-Instruct 提供支持，使用 HfApiEngine 类，它利用了 HF 的推理 API：推理 API 可以快速、轻松地运行任何操作系统模型。
运行以下命令来安装所需的依赖项：
!pip install markdownify duckduckgo-search "transformers[agents]" --upgrade -q我们将选择使用由 Qwen/Qwen2.5-72B-Instruct 提供支持的模型，因为它非常强大，并且在 HF API 中可以免费使用。
model = "Qwen/Qwen2.5-72B-Instruct"🔍 创建一个网页搜索工具
对于网页浏览，我们可以直接使用我们现有的 DuckDuckGoSearchTool 工具来提供一个类似于 Google 搜索的功能。
但是，我们还需要能够查看 DuckDuckGoSearchTool 找到的网页内容。
为此，我们可以导入库中内建的 VisitWebpageTool，但我们将重新构建这个工具，以便了解它是如何实现的。
因此，让我们从零开始，使用 markdownify 创建我们的 VisitWebpageTool 工具。
import re
import requests
from markdownify import markdownify as md
from requests.exceptions import RequestException
from transformers.agents import tool
@tool
def visit_webpage(url: str) -> str:
"""Visits a webpage at the given URL and returns its content as a markdown string.
Args:
url: The URL of the webpage to visit.
Returns:
The content of the webpage converted to Markdown, or an error message if the request fails.
"""
try:
# Send a GET request to the URL
response = requests.get(url)
response.raise_for_status() # Raise an exception for bad status codes
# Convert the HTML content to Markdown
markdown_content = md(response.text).strip()
# Remove multiple line breaks
markdown_content = re.sub(r"\n{3,}", "\n\n", markdown_content)
return markdown_content
except RequestException as e:
return f"Error fetching the webpage: {str(e)}"
except Exception as e:
return f"An unexpected error occurred: {str(e)}"好了，现在让我们初始化并测试我们的工具！
>>> print(visit_webpage("https://en.wikipedia.org/wiki/Hugging_Face")[:500])Hugging Face \- Wikipedia [Jump to content](#bodyContent) Main menu Main menu move to sidebar hide Navigation * [Main page](/wiki/Main_Page "Visit the main page [z]") * [Contents](/wiki/Wikipedia:Contents "Guides to browsing Wikipedia") * [Current events](/wiki/Portal:Current_events "Articles related to current events") * [Random article](/wiki/Special:Random "Visit a randomly selected article [x]") * [About Wikipedia](/wiki/Wikipedia:About "Learn about Wikipedia and how it works") * [Co
构建我们的多智能体系统 🤖🤝🤖
现在我们已经拥有了所有的工具 search 和 visit_webpage，可以使用它们来创建网页智能体。
该选择什么配置呢？
- 网页浏览是一个单线程任务，不需要并行调用工具，因此使用 JSON 调用工具非常合适。因此，我们选择
ReactJsonAgent。 - 此外，由于有时网页搜索需要浏览多个页面才能找到正确答案，我们更倾向于将
max_iterations增加到 10。
from transformers.agents import (
ReactCodeAgent,
ReactJsonAgent,
HfApiEngine,
ManagedAgent,
)
from transformers.agents.search import DuckDuckGoSearchTool
llm_engine = HfApiEngine(model)
web_agent = ReactJsonAgent(
tools=[DuckDuckGoSearchTool(), visit_webpage],
llm_engine=llm_engine,
max_iterations=10,
)然后，我们将这个智能体封装到一个 ManagedAgent 中，这样它就可以通过管理员智能体进行调用了。
managed_web_agent = ManagedAgent(
agent=web_agent,
name="search",
description="Runs web searches for you. Give it your query as an argument.",
)最后，我们创建一个管理员智能体，并在初始化时将我们的受管理智能体通过 managed_agents 参数传递给它。
由于这个智能体负责规划和思考，因此高级推理将非常有帮助，所以选择 ReactCodeAgent 是最合适的。
另外，我们想提一个涉及当前年份的问题：因此，我们需要添加 additional_authorized_imports=["time", "datetime"]。
manager_agent = ReactCodeAgent(
tools=[],
llm_engine=llm_engine,
managed_agents=[managed_web_agent],
additional_authorized_imports=["time", "datetime"],
)就这样！现在让我们运行我们的系统！我们选择一个需要进行一些计算的问题
manager_agent.run("How many years ago was Stripe founded?")我们的智能体成功地高效协作，解决了任务！ ✅
💡 你可以轻松地扩展到更多智能体：一个负责代码执行，一个负责网页搜索，一个负责文件加载……
🤔💭 甚至可以考虑构建更复杂的树状层级结构，一个 CEO 智能体负责管理多个中层经理，每个经理下有多个报告。
我们甚至可以添加更多的中间管理层，每层都有多个日常会议，进行大量敏捷工作和 Scrum 主管，每个新增的组件都会增加足够的摩擦力，确保任务永远无法完成……嗯，等等，不，我们还是坚持我们的简单结构吧。
< > Update on GitHub