A mesterséges intelligencia felépítése már nem csak a modell egy feladat elvégzésére való betanítását jelenti. A mai időkben növekedést tapasztalunktöbbügynököt tartalmazó AI programok. Egy olyan rendszer, amelyben a különböző AI-k működnek együtt és működnek együtt, hogy megkönnyítsék a dolgokat. Ahhoz azonban, hogy ez működjön, meg kell győződnie arról, hogy a megfelelő eszközt választotta. Ebben a cikkben a többügynököt tartalmazó mesterségesintelligencia-programok felépítésének piacán jelenlévő legjobb keretrendszereket fogjuk végigjárni.
Ha a legjobb keretrendszert szeretné egy Multi-Agent AI program felépítéséhez, tekintse meg az alábbi listát.
- Langchain
- CrewAI
- Microsoft Autogen
- tudom
- Botia
Kezdjük a keretrendszerekkel, és ismerkedjünk meg velük alaposan.
1] Langchain
A Langchain egy nyílt forráskódú keretrendszer, amely javítja és leegyszerűsíti a nagy nyelvi modellekkel (LLM) működő alkalmazások fejlesztését, mint például a GPT-4. Moduláris komponenseket, például láncokat, ügynököket és memóriamodulokat biztosít a fejlesztők számára, amelyek együttesen összetett AI-munkafolyamatokat hozhatnak létre. Támogatja a különféle LLM-szolgáltatókkal való integrációt, mint például az OpenAI, Hugging Face és Cohere.
EzenkívülPython.Langchain.comolyan eszközöket kínál a prompt kezeléshez, amelyek lehetővé teszik promptok létrehozását és optimalizálását a különböző felhasználói esetekhez. Olyan funkciókkal is büszkélkedhet, mint a környezettudatos memóriakezelés, a visszakeresés-bővített generálás (RAG) és a dinamikus prompt tervezés.
A LangChain használatához telepítse a pi-n keresztül, állítson be egy LLM-et, például az OpenAI-t, hozzon létre promptokat, és építsen láncokat a bemenetek és kimenetek kezelésére. Ha elkészült, a felhasználók hozzáadhatnak eszközöket, memóriát vagy ügynököket az összetett munkafolyamatokhoz. Ha a lánc működik, integrálja azt az alkalmazásokba Python háttérrendszerek, FastAPI, Streamlit vagy más keretrendszerek használatával.
2] CrewAI
A CrewAI egy nyílt forráskódú Python-keretrendszer, amelyet arra terveztek, hogy több AI-ügynökrendszert építsen, amely meglehetősen jó az együttműködésben és az autonómiában. Lehetővé teszi a fejlesztők számára, hogy mesterséges intelligencia-ügynökökből álló csapatokat hozzanak létre, amelyeket „crew”-nak neveznek, és mindegyikükhöz meghatározott szerepköröket, feladatokat és eszközöket rendelnek. Ez a keretrendszer támogatja a hierarchikus munkafolyamatot, amely lehetővé teszi az autonóm feladat-delegálást és az interagent kommunikációt.
CrewAI.comzökkenőmentesen integrálható különféle nagy nyelvi modellekkel (LLM), beleértve az OpenAI-t és a nyílt forráskódú alternatívákat, és több mint 700 alkalmazással kompatibilis, mint például a Notion, a Zoom és a Stripe. A vállalatok számára a CrewAI+ olyan fejlett szolgáltatásokat kínál, mint a kód nélküli felület, előre elkészített sablonok és továbbfejlesztett ügynökkezelési képességek.
Kezdje a CrewAI telepítésével a pip használatával a parancs futtatásávalpip install crewai, állítsa be az LLM-szolgáltatót, majd határozza meg az egyes ügynökök szerepét, céljait és eszközeit. Ha elkészült, állítsa be őket egy legénységbe, majd indítsa el az ügynököket, és hagyja őket elvégezni a feladatokat. A felhasználók olyan eszközöket határozhatnak meg, mint a keresés, számológépek vagy API-k, és csatlakoztathatják őket ügynökökhöz.
3] Microsoft AutoGen
A következő a Microsoft Autogen, egy másik, Python nyelven írt nyílt forráskódú keretrendszer, amely lehetővé teszi a felhasználók számára, hogy intelligens mesterséges intelligencia-ügynököket építsenek, akik együtt dolgoznak összetett feladatok megoldásában, például csapattársak projektekben. Ezzel a felhasználók olyan ügynököket hozhatnak létre, amelyek kölcsönhatásba léphetnek eszközökkel, emberekkel és más ügynökökkel, és döntéseket hozhatnak egymás között. Figyelemre méltó jellemzői közé tartozik a kommunikáció feldolgozása, ahol az ügynökök valós időben küldenek üzeneteket oda-vissza.
Ezenkívül olyan megfigyelőeszközöket tartalmaz, mint a metrikus nyomon követési és hibakeresési funkciók a robusztus teljesítmény érdekében, és különböző programozási nyelveken, például Python és .NET között működik. A keretrendszer ideális olyan alkalmazásokhoz, amelyek méretezhetőséget és intelligens automatizálást igényelnek.
A kezdéshez telepítse az AutoGen-t pip segítségével, állítsa be a környezeti változókat a nyelvi modell használatához, és adjon meg egyUserProxyAgentés egyAssistantAgent. Most indítsa el a csevegést köztük, és konfigurálja őket eszközökkel vagy promptokkal. Összetett feladatokhoz hozzon létre többügynökből álló csoportcsevegéseket, és telepítse őket Python, Docker vagy webes keretrendszerek segítségével. Javasoljuk, hogy menjen elmicrosoft.comhogy többet tudjon róla.
4] Bevallom
Az Agno egy fejlesztőbarát Python keretrendszer, amely segít a fejlesztőknek AI-ügynökök létrehozásában a memória, az érvelés és a multimodális képességek alapján. Támogatja a szöveges, képi, hang- és videobemeneteket és -kimeneteket. Ahhoz, hogy memóriát és adatokat biztosítson az ügynököknek, a keretrendszer csatlakozik olyan adatbázisokhoz és vektortárolókhoz, mint a Postgres, Pinecone és LanceDB.
A felhasználók kis projektekkel kezdhetnek, például egy egyszerű asszisztenssel, vagy kipróbálhatják magukat olyan összetett projektekben is, mint például a többügynökből álló rendszerek, amelyek megosztják a feladatokat és közösen hoznak döntéseket. Tartalmaz olyan érvelési eszközöket, mint például a gondolatlánc megközelítése és a hibrid keresések. Ezenkívül hosszú távú memóriát, munkamenet-tárolást és strukturált kimeneteket biztosít a jobb kontextus-tudatos interakciók érdekében. A csevegőbot, adatelemző eszköz vagy valami összetettebb készítéstől kezdve az Agnoról ismert, hogy egyszerűbbé teszi a felhasználók számára.
Az Agno használatához lépjen a következőre:agno.com, nézze meg az útmutatójukat, nézze meg a GitHub-repót innengithub.com,telepítse, és állítsa be az API-kulcsokat. Most határozzon meg ügynököket meghatározott szerepekkel és célokkal, és hozzon létre feladatokat és munkafolyamatokat. A felhasználók testreszabhatják az ügynököket eszközökkel, sablonokkal és memóriával. Miután végzett, telepítse az ügynököket a felhőszolgáltatásokra, például az AWS-re vagy a GitHubra, és figyeljen a felhasználói felületen keresztül.
5] Motia
Ha olyan kód-első keretrendszert keres, amely méretezhető, eseményvezérelt munkafolyamatot épít fel, válassza a Motiát. Több programozási nyelvet támogat, beleértve a JavaScriptet, a Pythont és a Rubyt, hogy megkönnyítse a csapatok közötti együttműködést. A keretrendszer szükségtelenné teszi a mögöttes infrastruktúrát, például üzenetsorokat vagy eseményközvetítőket, hogy a fejlesztők az üzleti logikára összpontosíthassanak.
A Motia munkaasztala vizuális felületet biztosít a munkafolyamatok aláírásához, teszteléséhez és hibakereséséhez valós idejű naplókon és interaktív folyamatábrákon keresztül. Ezen túlmenően az architektúrája újrafelhasználható „lépések” és „folyamatok” körül forog, amelyek képesek figyelni az eseményeket, kezelni az adatfeldolgozást és elindítani a következő lépéseket.
Most, hogy továbblépjen a használati folyamat elindításához, telepítse, és hozzon létre egy új projektet a CLI használatával. Írjon moduláris függvényeket, amelyek meghatározott feladatokat hajtanak végre, egyesítik a munkafolyamat lépéseit, és végrehajtják a munkafolyamatot. A felhasználók a Motia Workbench segítségével valós időben vizualizálhatják a végrehajtást, megtekinthetik a naplókat és hibakeresést végezhetnek. Menj idemotia.devhogy többet tudjon róla.
Ennyi!
Olvas:
Milyen keretrendszert használnak a többügynökös AI-rendszerek megvalósításához?
Az olyan keretrendszereket, mint a LangChain, a CrewAI, az Agno és még sok más, gyakran használnak többügynököt tartalmazó AI-rendszerek felépítésére. Ezek a platformok támogatják a moduláris munkafolyamatokat, az LLM-eket és a felhőalapú telepítést az intelligens és együttműködő munkafolyamat érdekében.
Olvas:Hogyan készítsünk hatékony AI-ügynököket kódolás nélkül?
Milyen típusú architektúra a legalkalmasabb többügynökes rendszerekhez?
A többügynökös rendszerek számára a legalkalmasabb architektúra egy hibrid modell, amely kombinálja a centralizált és a decentralizált megközelítéseket. A központosított koordináció biztosítja a hatékonyságot és a globális képet, míg a decentralizált ügynökök autonómiát és méretezhetőséget tesznek lehetővé. Ez biztosítja a hatékony kommunikációt, a hibatűrést és az alkalmazkodóképességet.
Is Olvas:
