快速开始

AgentScope内置了灵活的通信机制。在本教程中，我们将通过一个简单的独立对话示例介绍AgentScope的基本用法。

第一步：准备模型

为了更好的构建多智能体应用，AgentScope将模型的部署与调用解耦开，以API服务调用的方式支持各种不同的模型。

在模型部署方面，用户可以使用第三方模型服务，例如OpenAI API，Google Gemini API, HuggingFace/ModelScope Inference API等，或者也可以通过AgentScope仓库中的脚本快速部署本地开源模型服务，

模型调用方面，用户需要通过设定模型配置来指定模型服务。以OpenAI Chat API为例，需要准备如下的模型配置：

model_config = {
    "config_name": "{config_name}", # A unique name for the model config.
    "model_type": "openai_chat",    # Choose from "openai_chat", "openai_dall_e", or "openai_embedding".

    "model_name": "{model_name}",   # The model identifier used in the OpenAI API, such as "gpt-3.5-turbo", "gpt-4", or "text-embedding-ada-002".
    "api_key": "xxx",               # Your OpenAI API key. If unset, the environment variable OPENAI_API_KEY is used.
    "organization": "xxx",          # Your OpenAI organization ID. If unset, the environment variable OPENAI_ORGANIZATION is used.
}

更多关于模型调用，部署和开源模型的信息请见模型章节。

准备好模型配置后，用户可以通过调用AgentScope的初始化方法init函数来注册您的配置。此外，您还可以一次性加载多个模型配置。

import agentscope

# 一次性初始化多个模型配置
openai_cfg_dict = {
    # ...
}
modelscope_cfg_dict = {
    # ...
}
agentscope.init(model_configs=[openai_cfg_dict, modelscope_cfg_dict])

第二步: 创建智能体

创建智能体在AgentScope中非常简单。在初始化AgentScope时，您可以使用模型配置初始化AgentScope，然后定义每个智能体及其对应的角色和特定模型。

import agentscope
from agentscope.agents import DialogAgent, UserAgent

# 读取模型配置
agentscope.init(model_configs="./model_configs.json")

# 创建一个对话智能体和一个用户智能体
dialogAgent = DialogAgent(name="assistant", model_config_name="gpt-4", sys_prompt="You are a helpful ai assistant")
userAgent = UserAgent()

注意：请参考定制你自己的Agent以获取所有可用的智能体以及创建自定义的智能体。

第三步：智能体对话

消息（Message）是AgentScope中智能体之间的主要通信手段。它是一个Python字典，包括了一些基本字段，如消息的content和消息发送者的name。可选地，消息可以包括一个url，指向本地文件（图像、视频或音频）或网站。

from agentscope.message import Msg

# 来自Alice的简单文本消息示例
message_from_alice = Msg("Alice", "Hi!")

# 来自Bob的带有附加图像的消息示例
message_from_bob = Msg("Bob", "What about this picture I took?", url="/path/to/picture.jpg")

为了在两个智能体之间开始对话，例如dialog_agent和user_agent，您可以使用以下循环。对话将持续进行，直到用户输入"exit"，这将终止交互。

x = None
while True:
    x = dialogAgent(x)
    x = userAgent(x)

    # 如果用户输入"exit"，则终止对话
    if x.content == "exit":
        print("Exiting the conversation.")
        break

进阶的使用中，AgentScope提供了Pipeline来管理智能体之间消息流的选项。其中sequentialpipeline代表顺序对话，每个智能体从上一个智能体接收消息并生成其响应。

from agentscope.pipelines.functional import sequentialpipeline

# 在Pipeline结构中执行对话循环
x = None
while x is None or x.content != "exit":
  x = sequentialpipeline([dialog_agent, user_agent])

有关如何使用Pipeline进行复杂的智能体交互的更多细节，请参考Pipeline和MsgHub。

[返回顶部]