Einführung
Artikel hier in TDS haben wir die Grundlagen der Agenten -KI untersucht. Ich habe einige Konzepte mit Ihnen geteilt, die Ihnen helfen, durch dieses Meer von Inhalten zu navigieren, das wir da draußen gesehen haben.
In den letzten beiden Artikeln haben wir Dinge untersucht wie:
- So erstellen Sie Ihren ersten Agenten
- Was sind Instruments und wie Sie sie in Ihrem Agenten implementieren?
- Erinnerung und Argumentation
- Leitplanken
- Bewertung und Überwachung der Agenten
Hübsch! Wenn Sie darüber lesen möchten, schlage ich vor, dass Sie sich die Artikel ansehen (1) Und (2) Aus dem Abschnitt „Referenzen“.
Die Agentic AI ist derzeit eines der heißesten Themen, und es gibt mehrere Frameworks, aus denen Sie auswählen können. Glücklicherweise habe ich aus meiner Erfahrung gesehen, dass diese grundlegenden Konzepte von einem zum anderen übertragen werden können.
Zum Beispiel die Klasse Agent Aus einem Framework wird chat in einem anderen oder sogar etwas anderem, aber normalerweise mit ähnlichen Argumenten und demselben Ziel, sich mit einem großen Sprachmodell (LLM) zu verbinden.
Machen wir additionally einen weiteren Schritt auf unserer Lernreise.
In diesem Beitrag lernen wir, wie man Multi-Agent-Groups erstellt und die Möglichkeiten für uns eröffnen, KI komplexere Aufgaben für uns auszuführen.
Aus Gründen der Konsistenz werde ich weiterhin verwenden Agno als unser Framework.
Lass uns das machen.
Multi-Agent-Groups
Ein Multi-Agent-Workforce ist nichts weiter als das, was das Wort bedeutet: ein Workforce mit mehr als einem Agenten.
Aber warum brauchen wir das?
Nun, ich habe diese einfache Faustregel für mich erstellt, dass es Zeit ist, ein Workforce zu erstellen, wenn ein Agent mehr als 2 oder 3 Instruments verwenden muss. Der Grund dafür ist das zwei Spezialisten zusammenarbeiten wird viel besser als a Generalist.
Wenn Sie versuchen, das „Schweizer Messermittel“ zu erstellen, ist die Wahrscheinlichkeit, dass die Dinge rückwärts gehen, hoch. Der Agent wird zu überfordert mit unterschiedlichen Anweisungen und der Menge an Instruments, mit denen er umgehen kann, sodass er einen Fehler aufwirft oder ein schlechtes Ergebnis zurückgibt.
Wenn Sie jedoch Agenten mit einem einzigen Zweck erstellen, benötigen sie nur ein Software, um dieses Drawback zu lösen, wodurch die Leistung erhöht und das Ergebnis verbessert wird.
Um dieses Workforce von Spezialisten zu koordinieren, werden wir die Klasse nutzen Workforce von Agno, der dem richtigen Agenten Aufgaben zuweisen kann.
Lassen Sie uns weitermachen und verstehen, was wir als nächstes aufbauen werden.
Projekt
Unser Projekt wird sich auf die Technology der Social -Media -Inhalte konzentrieren. Wir werden ein Workforce von Agenten erstellen, das einen Instagram -Beitrag generiert und ein Bild vorschlägt, das auf dem vom Benutzer bereitgestellten Thema basiert.
- Der Benutzer sendet eine Eingabeaufforderung für einen Beitrag.
- Der Koordinator sendet die Aufgabe an die Schriftsteller
- Es geht ins Web und sucht nach diesem Thema.
- Der Schriftsteller Gibt Textual content für den Social -Media -Beitrag zurück.
- Sobald der Koordinator das erste Ergebnis hat, wird dieser Textual content an die weitergeleitet Illustrator Agent, damit es eine Eingabeaufforderung für ein Bild für den Beitrag erstellen kann.
Beachten Sie, wie wir die Aufgaben sehr intestine trennen, damit sich jeder Agent ausschließlich auf seinen Job konzentrieren kann. Der Koordinator sorgt dafür, dass jeder Agent seine Arbeit erledigt, und er arbeitet für ein gutes Endergebnis zusammen.
Um unser Workforce noch leistungsfähiger zu machen, werde ich das Thema einschränken, damit die Beiträge erstellt werden müssen Wein & feine Lebensmittel. Auf diese Weise können wir noch mehr den Wissensumfang unseres Agenten eingrenzen, und wir können seine Rolle klarer und fokussierter machen.
Lassen Sie uns das jetzt codieren.
Code
Installieren Sie zunächst die erforderlichen Bibliotheken.
pip set up agno duckduckgo-search google-genaiErstellen Sie eine Datei für Umgebungsvariablen .env Fügen Sie bei Bedarf die benötigten API -Schlüssel für Gemini und jeden Suchmechanismus hinzu, den Sie verwenden. Duckduckgo benötigt keine.
GEMINI_API_KEY="your api key"
SEARCH_TOOL_API_KEY="api key"Importieren Sie die Bibliotheken.
# Imports
import os
from textwrap import dedent
from agno.agent import Agent
from agno.fashions.google import Gemini
from agno.workforce import Workforce
from agno.instruments.duckduckgo import DuckDuckGoTools
from agno.instruments.file import FileTools
from pathlib import PathErstellen der Agenten
Als nächstes werden wir den ersten Agenten erstellen. Es ist ein Sommelier und Spezialist für Gourmand -Essen.
- Es braucht a
titlefür einfachere Identifizierung durch das Workforce. - Der
functionSagen Sie ihm, was seine Spezialität ist. - A
descriptionum dem Agenten zu sagen, wie er sich verhalten soll. - Der
instrumentsdass es zur Ausführung der Aufgabe verwendet werden kann. add_name_to_instructionssoll zusammen mit der Antwort senden den Namen des Agenten, der an dieser Aufgabe gearbeitet hat.- Wir beschreiben die
expected_output. - Der
mannequinist das Gehirn des Agenten. exponential_backoffUnddelay_between_retriesvermeiden zu viele Anfragen an LLMs (Fehler 429).
# Create particular person specialised brokers
author = Agent(
title="Author",
function=dedent("""
You're an skilled digital marketer who makes a speciality of Instagram posts.
You understand how to jot down an interesting, Search engine optimization-friendly publish.
You understand all about wine, cheese, and gourmand meals present in grocery shops.
You're additionally a wine sommelier who is aware of the best way to make suggestions.
"""),
description=dedent("""
Write clear, partaking content material utilizing a impartial to enjoyable and conversational tone.
Write an Instagram caption in regards to the requested {matter}.
Write a brief name to motion on the finish of the message.
Add 5 hashtags to the caption.
For those who encounter a personality encoding error, take away the character earlier than sending your response to the Coordinator.
"""),
instruments=(DuckDuckGoTools()),
add_name_to_instructions=True,
expected_output=dedent("Caption for Instagram in regards to the {matter}."),
mannequin=Gemini(id="gemini-2.0-flash-lite", api_key=os.environ.get("GEMINI_API_KEY")),
exponential_backoff=True,
delay_between_retries=2
)Lassen Sie uns nun den Illustrator -Agenten erstellen. Die Argumente sind gleich.
# Illustrator Agent
illustrator = Agent(
title="Illustrator",
function="You're an illustrator who makes a speciality of photos of wines, cheeses, and advantageous meals present in grocery shops.",
description=dedent("""
Based mostly on the caption created by Marketer, create a immediate to generate an interesting picture in regards to the requested {matter}.
For those who encounter a personality encoding error, take away the character earlier than sending your response to the Coordinator.
"""),
expected_output= "Immediate to generate an image.",
add_name_to_instructions=True,
mannequin=Gemini(id="gemini-2.0-flash", api_key=os.environ.get("GEMINI_API_KEY")),
exponential_backoff=True,
delay_between_retries=2
)Das Workforce erstellen
Damit diese beiden spezialisierten Agenten zusammenarbeiten können, müssen wir die Klasse verwenden Agent. Wir geben ihm einen Namen und verwenden die argument Um die Artwork der Interaktion zu bestimmen, die das Workforce haben wird. Agno stellt die Modi zur Verfügung coordinateAnwesend route oder collaborate.
Vergessen Sie auch nicht zu verwenden share_member_interactions=True Um sicherzustellen, dass die Antworten reibungslos unter den Agenten fließen. Sie können auch verwenden enable_agentic_contextDies ermöglicht dem Teamkontext mit den Teammitgliedern.
Das Argument monitoring ist schön, wenn Sie das integrierte Monitor-Dashboard von AGNO verwenden möchten, erhältlich unter https://app.agno.com/
# Create a workforce with these brokers
writing_team = Workforce(
title="Instagram Workforce",
mode="coordinate",
members=(author, illustrator),
directions=dedent("""
You're a workforce of content material writers working collectively to create partaking Instagram posts.
First, you ask the 'Author' to create a caption for the requested {matter}.
Subsequent, you ask the 'Illustrator' to create a immediate to generate an interesting illustration for the requested {matter}.
Don't use emojis within the caption.
For those who encounter a personality encoding error, take away the character earlier than saving the file.
Use the next template to generate the output:
- Publish
- Immediate to generate an illustration
"""),
mannequin=Gemini(id="gemini-2.0-flash", api_key=os.environ.get("GEMINI_API_KEY")),
instruments=(FileTools(base_dir=Path("./output"))),
expected_output="A textual content named 'publish.txt' with the content material of the Instagram publish and the immediate to generate an image.",
share_member_interactions=True,
markdown=True,
monitoring=True
)Lass es uns laufen.
# Immediate
immediate = "Write a publish about: Glowing Water and sugestion of meals to accompany."
# Run the workforce with a process
writing_team.print_response(immediate)Dies ist die Antwort.
So sieht die Textdatei aus.
- Publish
Elevate your refreshment sport with the effervescence of glowing water!
Overlook the sugary sodas, and embrace the crisp, clear style of bubbles.
Glowing water is the last word palate cleanser and a flexible companion for
your culinary adventures.
Pair your favourite glowing water with gourmand delights out of your native
grocery retailer.
Strive these pleasant duos:
* **For the Traditional:** Glowing water with a squeeze of lime, served with
creamy brie and crusty bread.
* **For the Adventurous:** Glowing water with a splash of cranberry,
alongside a pointy cheddar and artisan crackers.
* **For the Wine Lover:** Glowing water with a touch of elderflower,
paired with prosciutto and melon.
Glowing water is not only a drink; it is an expertise.
It is the proper option to take pleasure in these particular moments.
What are your favourite glowing water pairings?
#SparklingWater #FoodPairing #GourmetGrocery #CheeseAndWine #HealthyDrinks
- Immediate to generate a picture
A vibrant, eye-level shot inside a gourmand grocery retailer, showcasing a variety
of glowing water bottles with numerous flavors. Prepare pairings round
the bottles, together with a wedge of creamy brie with crusty bread, sharp cheddar
with artisan crackers, and prosciutto with melon. The lighting ought to be brilliant
and alluring, highlighting the textures and colours of the meals and drinks.Nachdem wir diese Textdatei haben, können wir zu jedem LLM gehen, den wir besser erstellen möchten, um Bilder zu erstellen, und einfach die kopieren und einfügen Immediate to generate a picture.
Und hier ist ein Modell darüber, wie der Beitrag sein würde.
Ziemlich intestine, würde ich sagen. Was denken Sie?
Bevor du gehst
In diesem Beitrag haben wir einen weiteren Schritt unternommen, um über Agenten -KI zu lernen. Dieses Thema ist heiß und es gibt viele Frameworks auf dem Markt. Ich habe gerade aufgehört zu versuchen, sie alle zu lernen und mich für einen zu entscheiden, um tatsächlich etwas zu bauen.
Hier konnten wir die Schaffung von Social-Media-Posts semi-automatisieren. Jetzt müssen wir nur ein Thema auswählen, die Eingabeaufforderung anpassen und das Workforce ausführen. Danach geht es darum, in soziale Medien zu gehen und den Beitrag zu erstellen.
Sicherlich gibt es mehr Automatisierung, die in diesem Fluss durchgeführt werden kann, aber es ist hier aus dem Rahmen.
In Bezug auf Gebäudeagenten empfehle ich Ihnen, die einfacheren Frameworks für den Begin zu nehmen. Wenn Sie mehr Anpassung benötigen, können Sie beispielsweise zu Langgraph übergehen, was Ihnen dies ermöglicht.
Kontakt- und On-line -Präsenz
Wenn Ihnen dieser Inhalt gefallen hat, finden Sie mehr von meiner Arbeit und meinen sozialen Medien auf meiner Web site:
Github -Repository
https://github.com/gurezende/agno-ai-labs
Referenzen
(1. Agentic AI 101: Beginnen Sie mit dem Aufbau von AI -Agenten) https://towardsdatascience.com/agentic-ai-101-starting-your-journey-building-ai-agents/
(2. Agentic AI 102: Leitplanken und Agentenbewertung) https://towardsdatascience.com/agentic-ai-102-guardrail-and-agent-evaluation/
(3. Agno) https://docs.agno.com/Inroduction
(4. AGNO -Teamklasse) https://docs.agno.com/reference/groups/workforce