KoagentTilbyder et værktøjssæt, der kræves for at integrere Langraph-agenter i React-apps for at opbygge agent-indfødte applikationer. I dette indlæg vil vi tale om dette værktøj og se, hvordan du kanByg AI -koagenter eller apps drevet af Copilot.

Hvad er koagenter?

Som nævnt tidligere er Coagent et værktøjssæt, der giver dig mulighed for at integrere AI-agenter i apps for at oprette agent-indfødte applikationer. Lad os nu tale om dens funktioner.

• Koagenter har en funktion kaldetDelt tilstand, på grund af hvilken, selv en enkelt kodelinje tillader din applikation at hente et indblik i agenten, og agenten kan hente indsigtsapplikationen, da de synkroniseres og kan interagere i realtid.
• Det giver dig ogsåRealtime FrontendAgenter, der kan udføre både frontend og backend -handlinger i henhold til den kontekst, der er leveret af brugeren og status for applikationen, da det er generativt brugergrænseflade, spredes disse værktøjsopkald automatisk i henhold til kravet.
• Human-in-the-loopTillader problemfri integration af menneskelig tilsyn og intervention i AI -arbejdsgange, hvilket specificerer breakpoints for input eller godkendelse for at forbedre sikkerhed og ydeevne.
• Vi har ogsåStream Intermediate Agent State,Det visualiserer agent-tankeprocesser i realtid og giver gennemsigtighed og engagerende brugeroplevelser, afgørende for agentens ydeevne og UX, der opfylder brugerens forventninger.
• KoagentsAgentisk generativ UIOpretter dynamiske, AI-genererede grænseflader, der tilpasser sig brugerbehov og agentudgange, hvilket giver synligheden i agentens tilstand og bygger tillid.

Hvis du kan lide de tidligere nævnte funktioner, kan du overveje at bruge koagenter til din virksomhed, lad os se, hvordan vi gør det.

Byg AI -koagenter eller apps drevet af copilot

Følg nedenstående trin for at opbygge AI -koagenter eller apps drevet af Copilot.

1. Installer copilotkit
2. Konfigurer Remote Backend -endepunktet
3. Tilføj Langgraph Agent

Lad os tale om dem i detaljer.

1] Installer copilotkit

Inden vi begynder med koagenter, skal vi først installere CopilotKit på din enhed. Vi formoder, at du allerede harPå din computer og har oprettet en mappe til React -applikationer, er den sidste del valgfri til dette trin. CopilotKit bruger en open source LLM -model, i denne tutorial bruger viOpenai API -nøgle.Uden yderligere ado, lad os komme i gang.

• ÅbenWindows Terminalog gå til det sted, hvor du har oprettet React -appen ved hjælp afCD (Skift bibliotek)kommando.

cd C:\React\myapplication

• Kør nu følgende kommando.

 npm install @copilotkit/react-core @copilotkit/react-ui @copilotkit/runtime

• Udfør derefter den kommando, der er nævnt nedenfor for at installere Openai.

npm install openai

• I dit projekt skal du gå til.eveFil, den vil være placeret i roden og tilføje følgende linje.

OPENAI_API_KEY=your_api_key_here

Efter at have foretaget ændringer i filen, anbefaler vi, at du navigerer tildocs.copilot.ai/quickstartFor at vide, hvordan du konfigurerer slutpunktet og konfigurerer CopilotKit -udbyder i dit projekt.

2] Konfigurer Remote Backend -endepunktet

For at integrere Python-baserede tjenester (eller ethvert andet Node.js-alternativ), er vi nødt til at forbinde Copilot-app til et fjerntliggende backend-endepunkt. For at gøre det, lad os først installere copilotafhængigheder i Windows Terminal ved hjælp af følgende forespørgsel.

pip install copilotkit fastapi uvicorn --extra-index-url https://copilotkit.gateway.scarf.sh/simple/

Nu er vi nødt til at konfigurere Fastai Server, for at gøre det, køre de kommandoer, der er nævnt nedenfor.

mkdir my_copilotkit_remote_endpoint

cd my_copilotkit_remote_endpoint

echo. > server.py

HvisekkoVærkede ikke, du kan åbne mappen i Visual Studio Code og derefter opretteServer.pyfil.

ÅbnServer.pyFil i vscode og indsæt derefter følgende kodelinjer.

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
def read_root():
return {"Hello": "World"}

Gå nu tilbage tilWindows Terminalog installer Fastapi og Uvicorn.

pip install fastapi uvicorn

Når du er færdig med det, skal du gå tildocs.copilot.aiGuider for at lære mere.

Læse:

3] Tilføj Langgraph Agent

Dernæst skal vi integrere Langgraph Agent i filen Server.py.Find først copilotkitsdk -forekomsten inden for din Python -fjerntliggende endepunkt, som normalt findes i server.py. Derefter skal du justere copilotkitsdk -forekomsten (etableret i det foregående trin) for at rumme Langgraph -agenter. Du skal tilføje følgende kodelinjer.

agents=[ 
LangGraphAgent(
name="basic_agent",
description="Agent that answers questions about the weather",
graph=the_langraph_graph,
# copilotkit_config={ # if you use Google Gemini, uncomment this code (and import `copilotkit_messages_to_langchain`, see above)
# "convert_messages": copilotkit_messages_to_langchain(use_function_call=True) 
# }
)
],

Dette skal være vedlagt under CopilotKitsdk -tag.

For at vide mere, anbefaler vi, at du følger den nævnte guide idocs.copilotkit.ai/coagents.

Relateret læsning:

Hvordan bygger jeg min egen copilot?

For at oprette en ny copilot skal du gå til Copilot Studio -startsiden (at /copilotstudio.microsoft.com) og vælgSkabeI venstre navigation skal du derefter vælgeCo -piloterside. Alternativt kan du vælge+ Ny copilotPå siden Copilots. Brug chatten til at beskrive din copilot, styret af de medfølgende spørgsmål, eller vælgSpring for at konfigurereog udfyld formularen. Endelig skal du vælge "Opret" for at afslutte processen.

Læse:

Kan copilot generere kode?

Ja, copilot kan generere kode. Det kan dog ikke være perfekt; Der kan være flere fejl og bugs. Derfor bør man ikke integrere koden leveret af nogen AI -chatbot uden grundige manuelle inspektioner. Du kan bruge Microsofts copilot i kant, den indbyggede app eller

Læs også: