备注
Go to the end to download the full example code.
Routing¶
在 AgentScope 中有两种实现 Routing 的方法，都简单易实现：
使用结构化输出的显式 routing
使用工具调用的隐式 routing
小技巧
考虑到智能体 routing 没有统一的标准/定义，我们遵循 Building effective agents 中的设置
显式 Routing¶
在显式 routing 中，我们可以直接使用智能体的结构化输出来确定将消息路由到哪个智能体。
初始化 routing 智能体
import asyncio
import json
import os
from typing import Literal
from pydantic import BaseModel, Field
from agentscope.agent import ReActAgent
from agentscope.formatter import DashScopeChatFormatter
from agentscope.memory import InMemoryMemory
from agentscope.message import Msg
from agentscope.model import DashScopeChatModel
from agentscope.tool import Toolkit, ToolResponse
router = ReActAgent(
name="Router",
sys_prompt="你是一个路由智能体。你的目标是将用户查询路由到正确的后续任务，注意你不需要回答用户的问题。",
model=DashScopeChatModel(
model_name="qwen-max",
api_key=os.environ["DASHSCOPE_API_KEY"],
stream=False,
),
formatter=DashScopeChatFormatter(),
)
# 使用结构化输出指定路由任务
class RoutingChoice(BaseModel):
your_choice: Literal[
"Content Generation",
"Programming",
"Information Retrieval",
None,
] = Field(
description="选择正确的后续任务，如果任务太简单或没有合适的任务，则选择 ``None``",
)
task_description: str | None = Field(
description="任务描述",
default=None,
)
async def example_router_explicit() -> None:
"""使用结构化输出进行显式路由的示例。"""
msg_user = Msg(
"user",
"帮我写一首诗",
"user",
)
# 路由查询
msg_res = await router(
msg_user,
structured_model=RoutingChoice,
)
# 结构化输出存储在 metadata 字段中
print("结构化输出：")
print(json.dumps(msg_res.metadata, indent=4, ensure_ascii=False))
asyncio.run(example_router_explicit())
/home/runner/work/agentscope/agentscope/src/agentscope/model/_dashscope_model.py:194: DeprecationWarning: 'required' is not supported by DashScope API. It will be converted to 'auto'.
warnings.warn(
Router: {
"type": "tool_use",
"name": "generate_response",
"input": {
"your_choice": "Content Generation",
"task_description": "用户请求帮助写一首诗"
},
"id": "call_b32fe49e11234de7bb14dd"
}
system: {
"type": "tool_result",
"id": "call_b32fe49e11234de7bb14dd",
"name": "generate_response",
"output": [
{
"type": "text",
"text": "Successfully generated response."
}
]
}
Router: 我将为您转接到我们的诗歌创作服务，很快就会有专门为您的请求定制的一首诗。请稍等片刻！
任务已成功创建，接下来将由专门的诗歌创作助手来帮助您完成这首诗。
结构化输出：
{
"your_choice": "Content Generation",
"task_description": "用户请求帮助写一首诗"
}
隐式 Routing¶
另一种方法是将下游智能体包装成工具函数，这样路由智能体就可以根据用户查询决定调用哪个工具。
我们首先定义几个工具函数：
async def generate_python(demand: str) -> ToolResponse:
"""根据需求生成 Python 代码。
Args:
demand (``str``):
对 Python 代码的需求。
"""
# 示例需求智能体
python_agent = ReActAgent(
name="PythonAgent",
sys_prompt="你是一个 Python 专家，你的目标是根据需求生成 Python 代码。",
model=DashScopeChatModel(
model_name="qwen-max",
api_key=os.environ["DASHSCOPE_API_KEY"],
stream=False,
),
memory=InMemoryMemory(),
formatter=DashScopeChatFormatter(),
toolkit=Toolkit(),
)
msg_res = await python_agent(Msg("user", demand, "user"))
return ToolResponse(
content=msg_res.get_content_blocks("text"),
)
# 为演示目的模拟一些其他工具函数
async def generate_poem(demand: str) -> ToolResponse:
"""根据需求生成诗歌。
Args:
demand (``str``):
对诗歌的需求。
"""
pass
async def web_search(query: str) -> ToolResponse:
"""在网络上搜索查询。
Args:
query (``str``):
要搜索的查询。
"""
pass
之后，我们定义一个路由智能体并为其配备上述工具函数。
toolkit = Toolkit()
toolkit.register_tool_function(generate_python)
toolkit.register_tool_function(generate_poem)
toolkit.register_tool_function(web_search)
# 使用工具模块初始化路由智能体
router_implicit = ReActAgent(
name="Router",
sys_prompt="你是一个路由智能体。你的目标是将用户查询路由到正确的后续任务。",
model=DashScopeChatModel(
model_name="qwen-max",
api_key=os.environ["DASHSCOPE_API_KEY"],
stream=False,
),
formatter=DashScopeChatFormatter(),
toolkit=toolkit,
memory=InMemoryMemory(),
)
async def example_router_implicit() -> None:
"""使用工具调用进行隐式路由的示例。"""
msg_user = Msg(
"user",
"帮我在 Python 中生成一个快速排序函数",
"user",
)
# 路由查询
await router_implicit(msg_user)
asyncio.run(example_router_implicit())
Router: {
"type": "tool_use",
"name": "generate_python",
"input": {
"demand": "生成一个快速排序函数"
},
"id": "call_18fb98cbdfa7402282501a"
}
PythonAgent: 当然！快速排序是一种非常高效的排序算法，使用分治法策略来递归地将数组分成更小的部分。以下是一个用 Python 实现的快速排序函数：
```python
def quicksort(arr):
if len(arr) <= 1:
return arr
else:
pivot = arr[len(arr) // 2]
left = [x for x in arr if x < pivot]
middle = [x for x in arr if x == pivot]
right = [x for x in arr if x > pivot]
return quicksort(left) + middle + quicksort(right)
# 测试
arr = [3, 6, 8, 10, 1, 2, 1]
print("原始数组:", arr)
sorted_arr = quicksort(arr)
print("排序后的数组:", sorted_arr)
```
这个实现使用了列表推导式来创建 `left`、`middle` 和 `right` 三个子数组，并递归地对 `left` 和 `right` 进行排序。`pivot` 选择为数组的中间元素。
如果你想要一个更传统的实现，可以使用原地排序的方法，这样可以减少空间复杂度。以下是一个原地排序的快速排序实现：
```python
def quicksort_inplace(arr, low, high):
if low < high:
pi = partition(arr, low, high)
quicksort_inplace(arr, low, pi - 1)
quicksort_inplace(arr, pi + 1, high)
def partition(arr, low, high):
pivot = arr[high]
i = low - 1
for j in range(low, high):
if arr[j] <= pivot:
i += 1
arr[i], arr[j] = arr[j], arr[i]
arr[i + 1], arr[high] = arr[high], arr[i + 1]
return i + 1
# 测试
arr = [3, 6, 8, 10, 1, 2, 1]
print("原始数组:", arr)
quicksort_inplace(arr, 0, len(arr) - 1)
print("排序后的数组:", arr)
```
在这个实现中，`quicksort_inplace` 函数是递归调用的主函数，`partition` 函数用于在数组中找到一个枢轴位置，并将小于枢轴的元素放在左边，大于枢轴的元素放在右边。这样可以减少额外的空间开销。
system: {
"type": "tool_result",
"id": "call_18fb98cbdfa7402282501a",
"name": "generate_python",
"output": [
{
"type": "text",
"text": "当然！快速排序是一种非常高效的排序算法，使用分治法策略来递归地将数组分成更小的部分。以下是一个用 Python 实现的快速排序函数：\n\n```python\ndef quicksort(arr):\n if len(arr) <= 1:\n return arr\n else:\n pivot = arr[len(arr) // 2]\n left = [x for x in arr if x < pivot]\n middle = [x for x in arr if x == pivot]\n right = [x for x in arr if x > pivot]\n return quicksort(left) + middle + quicksort(right)\n\n# 测试\narr = [3, 6, 8, 10, 1, 2, 1]\nprint(\"原始数组:\", arr)\nsorted_arr = quicksort(arr)\nprint(\"排序后的数组:\", sorted_arr)\n```\n\n这个实现使用了列表推导式来创建 `left`、`middle` 和 `right` 三个子数组，并递归地对 `left` 和 `right` 进行排序。`pivot` 选择为数组的中间元素。\n\n如果你想要一个更传统的实现，可以使用原地排序的方法，这样可以减少空间复杂度。以下是一个原地排序的快速排序实现：\n\n```python\ndef quicksort_inplace(arr, low, high):\n if low < high:\n pi = partition(arr, low, high)\n quicksort_inplace(arr, low, pi - 1)\n quicksort_inplace(arr, pi + 1, high)\n\ndef partition(arr, low, high):\n pivot = arr[high]\n i = low - 1\n for j in range(low, high):\n if arr[j] <= pivot:\n i += 1\n arr[i], arr[j] = arr[j], arr[i]\n arr[i + 1], arr[high] = arr[high], arr[i + 1]\n return i + 1\n\n# 测试\narr = [3, 6, 8, 10, 1, 2, 1]\nprint(\"原始数组:\", arr)\nquicksort_inplace(arr, 0, len(arr) - 1)\nprint(\"排序后的数组:\", arr)\n```\n\n在这个实现中，`quicksort_inplace` 函数是递归调用的主函数，`partition` 函数用于在数组中找到一个枢轴位置，并将小于枢轴的元素放在左边，大于枢轴的元素放在右边。这样可以减少额外的空间开销。"
}
]
}
Router: 为您生成的快速排序函数如下：
```python
def quicksort(arr):
if len(arr) <= 1:
return arr
else:
pivot = arr[len(arr) // 2]
left = [x for x in arr if x < pivot]
middle = [x for x in arr if x == pivot]
right = [x for x in arr if x > pivot]
return quicksort(left) + middle + quicksort(right)
# 测试
arr = [3, 6, 8, 10, 1, 2, 1]
print("原始数组:", arr)
sorted_arr = quicksort(arr)
print("排序后的数组:", sorted_arr)
```
这个实现使用了列表推导式来创建 `left`、`middle` 和 `right` 三个子数组，并递归地对 `left` 和 `right` 进行排序。`pivot` 选择为数组的中间元素。
另外，还有一个更传统的原地排序版本，可以减少空间复杂度：
```python
def quicksort_inplace(arr, low, high):
if low < high:
pi = partition(arr, low, high)
quicksort_inplace(arr, low, pi - 1)
quicksort_inplace(arr, pi + 1, high)
def partition(arr, low, high):
pivot = arr[high]
i = low - 1
for j in range(low, high):
if arr[j] <= pivot:
i += 1
arr[i], arr[j] = arr[j], arr[i]
arr[i + 1], arr[high] = arr[high], arr[i + 1]
return i + 1
# 测试
arr = [3, 6, 8, 10, 1, 2, 1]
print("原始数组:", arr)
quicksort_inplace(arr, 0, len(arr) - 1)
print("排序后的数组:", arr)
```
在这个实现中，`quicksort_inplace` 函数是递归调用的主函数，而 `partition` 函数用于在数组中找到一个枢轴位置，并将小于枢轴的元素放在左边，大于枢轴的元素放在右边。这样可以避免额外的空间开销。您可以根据需要选择适合您的实现方式。
Total running time of the script: (0 minutes 42.024 seconds)