KI-Agent-Tutorial Teil 2

In diesem zweiten Artikel werden wir mit einem weiteren praktischen Tutorial tiefer in die Materie eintauchen. Hier werden wir Agenten erstellen, die Aufgaben automatisieren und mit externen Instruments und APIs interagieren können.

Im ersten Artikel haben wir ein einfaches erstellt YouTube-Zusammenfassungsagentwo wir nur ein Instrument (YouTubeTools) verwendeten. In diesem zweiten Artikel gehen wir noch einen Schritt weiter, indem wir einen Studienplaner-Agenten entwickeln, der personalisierte Studienpläne basierend auf Benutzereingaben und Fristen erstellt. Dieser Agent erstellt automatisch Aufgaben in Jira und versendet Kalendereinladungen über Cal.com für eine einfache Nachverfolgung und Ausführung. Für den Zweck des Tutorials verwenden wir Google Colab-Notizbuch um den Code und die Phidata Agentic AI Platform zu schreiben und auszuführen, um den Agenten zu betreiben.

Am Ende werden Sie sehen, wie KI-Agenten von hilfreichen Assistenten zu vollautomatischen Systemen werden können, die in der Lage sind, komplexe, reale Arbeitsabläufe zu rationalisieren.

Notiz: Dies ist der zweite Artikel einer zweiteiligen Serie über den Aufbau von KI-Agenten von Grund auf. Im ersten Artikel haben wir den Wert von KI-Agenten untersucht, beliebte Agenten-KI-Plattformen vorgestellt und ein praktisches Tutorial zum Erstellen eines einfachen KI-Agenten mit Phidata durchgearbeitet. Den ersten Teil des Artikels können Sie hier lesen.

Studienplaner-Agent

Modell: Innerhalb von Phidata werden wir das nutzen Groq-Modell-Internet hosting-Plattform. Dies ist ein Inferenzdienst, der LLMs auf einer dedizierten GPU-Infrastruktur ausführt (beachten Sie, dass er sich von unterscheidet). Grokein LLM von xAI). Da LLMs ressourcenintensiv sind, hilft die Verwendung von Groq dabei, Berechnungen von der lokalen {Hardware} oder der von Colab bereitgestellten {Hardware} auszulagern. Dies sorgt für eine schnellere und effizientere Ausführung. Groq hat Zugriff auf mehrere Modelle verschiedener LLM-Anbieter. (sehen vollständige Liste hier)

Werkzeuge: Um einen Studienplaner-Agenten zu erstellen, muss der Agent die folgenden Schritte orchestrieren: (1) einen Studienplan mit LLM erstellen, (2) Aufgaben in Jira erstellen und (3) Kalendereinladungen senden.

Erstellen Sie einen Studienplan

Der ausgewählte LLM generiert einen personalisierten Studienplan basierend auf Benutzereingaben wie Zielen, Fristen und Verfügbarkeit. Es stützt sich auf das Wissen, auf dem es trainiert wurde, um einen Plan zu erstellen, der den Bedürfnissen des Benutzers entspricht.

Erstellen Sie ein Drawback in Jira

Nachdem der Studienplan erstellt wurde, löst der Agent automatisch die JIRA-API zum Erstellen von Vorgängen mit den entsprechenden Eingaben aus. Obwohl wir keine expliziten Anweisungen zur Verwendung der API bereitstellen, ist das LLM in der Lage, mit dem JiraTools-Modul zu interagieren, das in seiner Umgebung bereitgestellt wird.

Senden Sie Kalendereinladungen über Cal.com

Abhängig von der in der Eingabeaufforderung angegebenen Zeit erstellt der Agent mithilfe der Cal.com-API Kalendereinladungen. Auch hier ist es nicht erforderlich, den genauen API-Aufruf anzugeben. Die Instrument-Integration mit Hilfe von Phidata wickelt die Interaktion nahtlos ab.

Mit den folgenden Codezeilen wird ein KI-Agent erstellt, der Aufgaben und Kalendererinnerungen mit detaillierten Plänen zu einem ausgewählten Thema erstellen kann. Das alles ist in wenigen Sekunden erledigt.

from phi.agent import Agent
from phi.mannequin.openai import OpenAIChat
from phi.instruments.jira_tools import JiraTools
from phi.mannequin.groq import Groq
from phi.instruments.calcom import CalCom
from datetime import datetime


study_partner = Agent(
    title="Research Planner Agent",
   mannequin=OpenAIChat(id="gpt-4o"),
    # mannequin=Groq(id="llama-3.3-70b-versatile"),  ## Toggle with totally different LLM mannequin
    instruments=(JiraTools(), CalCom()),
    markdown=True,
    description="You're a research companion who assists customers find assets, answering questions, and offering explanations on varied matters.",
    directions=(
        "Seek for related info on the given matter and confirm info from a number of dependable sources.",
        "Break down advanced matters into digestible chunks and supply step-by-step explanations with sensible examples.",
        "Share curated studying assets together with documentation, tutorials, articles, analysis papers, and neighborhood discussions.",
        "Advocate high-quality YouTube movies and on-line programs that match the person's studying model and proficiency stage.",
        "Recommend hands-on tasks and workouts to strengthen studying, starting from newbie to superior issue.",
        "Create customized research plans with clear milestones, deadlines, and progress monitoring.",
        "Present suggestions for efficient studying methods, time administration, and sustaining motivation.",
        "Advocate related communities, boards, and research teams for peer studying and networking.",
        f"You may as well assist in scheduling conferences so it doesn't slip the calendars. Right this moment is {datetime.now()}."
    ),
)
project_id = "TES"  ## to be up to date if a unique mission id is chosen in part 2.2
email_id = userdata.get('EMAIL_ID') ## Sends assembly invite from cal.com to this electronic mail


study_partner.print_response(
    f"""I wish to study machine studying in depth. I do know the fundamentals, have 2 weeks to study, and may spend 2 hours each day.
    Please create as much as 1 activity per day in Jira in mission {project_id} with abstract and outline on the best way to step by step enhance my machine studying data.
    Please create bookings with {email_id} every day for the following two weeks at 9pm pst with abstract as the topic line and outline.
    Please create the duties and make the reserving immediately with out asking for any affirmation""",
    stream=True)

Es folgt die vom Research Planner-Agenten generierte Ausgabe (obiger Code). Wie in der Aufforderung oben erwähnt, bitten wir um die Erstellung eines Studienplans zur Verbesserung der Kenntnisse im Bereich maschinelles Lernen.

Der Agent erstellt Jira-Aufgaben und stellt sowohl Hyperlinks zu den Aufgaben als auch eine kurze Zusammenfassung der zu jeder Aufgabe hinzugefügten Inhalte bereit.
Der Agent sendet Kalendereinladungen und gibt außerdem die Buchungsregistrierungs-ID aus der Cal.com-Buchungs-API als Referenz aus.

Beachten Sie, dass die Reaktion aufgrund der probabilistischen Natur von LLMs für jeden Lauf unterschiedlich sein kann.

Ausführliches Tutorial

Hier finden Sie die vollständige Schritt-für-Schritt-Anleitung zum Erstellen Ihres eigenen Studienplaner-Agenten, der personalisierte Studienpläne erstellt.

1. Notizbuch klonen

Klonen Sie das Colab-Notizbuch Hier (es ist ein Google-Konto erforderlich)
Abhängigkeiten installieren (erste Zelle mit Code)

2. Holen Sie sich den API-Schlüssel für Groq

Da wir die Internet hosting-Plattform des Groq-Modells verwenden, benötigen wir zum Ausführen des Agenten ein Konto bei Groq. Führen Sie die folgenden Schritte aus, um sich bei Groq anzumelden/anzumelden und einen API-Schlüssel zu erhalten.

Schritt 1: Besuchen Sie das Groq-Entwicklerportal
Öffnen Sie Ihren Browser und gehen Sie zu: https://console.groq.com
Schritt 2: Registrieren oder anmelden
Wenn Sie bereits ein Konto haben, klicken Sie auf Anmelden.
Wenn Sie neu sind, klicken Sie auf „Registrieren“ und befolgen Sie die Anweisungen zum Erstellen eines Kontos (möglicherweise müssen Sie Ihre E-Mail-Adresse bestätigen).
Schritt 3: Greifen Sie auf den API-Bereich zu
Sobald Sie angemeldet sind, landen Sie auf der Groq-Konsole.
Navigieren Sie in der Seitenleiste oder im Dashboard zum Abschnitt „API-Schlüssel“.
Schritt 4: Generieren Sie einen neuen API-Schlüssel
Klicken Sie auf die Schaltfläche „API-Schlüssel erstellen“.
Geben Sie Ihrem Schlüssel einen Namen (z. B. „Werkstattschlüssel“).
Klicken Sie auf Erstellen oder Generieren.
Schritt 5: Kopieren Sie den Schlüssel und bewahren Sie ihn sicher auf
Ihr API-Schlüssel wird nur einmal angezeigt. Kopieren Sie es sofort und bewahren Sie es an einem sicheren Ort auf.
Legen Sie Ihren API-Schlüssel niemals im clientseitigen Code oder in öffentlichen Repositorys offen.

3. Fügen Sie den API-Schlüssel im Secret Supervisor hinzu

Schritt 1: Klicken Sie im linken Bereich von Colab auf Secrets and techniques (Schlüsselzeichen).
Schritt 2: Geben Sie den Namen als GROQ_API_KEY und den Wert als den in Schritt 5 von kopierten API-Schlüssel an
Schritt 3: Schalten Sie den Pocket book-Zugriff auf „EIN“.

4. Holen Sie sich den API-Schlüssel für Jira

Schritt 1: Registrieren/Anmelden beim Jira-Konto
Melden Sie sich auf der Web site an – https://www.atlassian.com/software program/jira mit Ihrer E-Mail-Adresse, Ihrem Google- oder Microsoft-Konto.
Schritt 2: So erhalten Sie den Jira-API-Schlüssel
Gehe zu https://id.atlassian.com/manage-profile/safety/api-tokens Seite
Klicken Sie auf „Klassisches API-Token erstellen“.
Geben Sie einen Namen wie „Take a look at API“ ein.
Kopieren Sie den Schlüssel und bewahren Sie ihn sicher auf.
Schritt 3: Jira-Server-URL
Die Jira-Server-URL ist die URL Ihrer Atlassian-Web site und endet normalerweise auf .atlassian.internet.
Schritt 4: Jira-Benutzername
Wir müssen die Umgebungsvariable JIRA_USERNAME mit der E-Mail-Adresse festlegen, die zur Anmeldung für das Jira-Konto verwendet wird.
Schritt 5: Fügen Sie dem Secret Supervisor Folgendes hinzu
Geben Sie JIRA_API_KEY als Namen und den als Wert ein
Geben Sie JIRA_SERVER_URL als Namen ein und fügen Sie (z. B. https://xxx.atlassian.internet) als Wert hinzu
Geben Sie JIRA_USERNAME als Namen ein und fügen Sie , das für die Anmeldung verwendet wurde, als Wert hinzu.

5. Erstellen Sie ein Projekt in Jira

Wählen Sie im Bereich „Projektvorlagen“ die Choice „Softwareentwicklung“ und dann im Hauptfenster „Kanban“ aus
Wählen Sie ein vom Crew verwaltetes Projekt aus
Legen Sie auf der Seite „Projektdetails hinzufügen“ den Namen „Testprojekt“ fest, stellen Sie den Schlüssel auf „TES“ ein (dies ist wichtig) und legen Sie den Zugriff auf „Öffnen“ fest.

6. Holen Sie sich den API-Schlüssel für Cal.com

Schritt 1: Erstellen Sie ein Konto auf Cal.com
Richten Sie ein Konto auf Cal.com ein, falls noch kein Konto vorhanden ist
Lassen Sie in der Verfügbarkeit im linken Bereich alle Slots offen (beachten Sie, dass wir keine Besprechungseinladung erstellen können, wenn der Slot nicht geöffnet ist).
Schritt 2: Holen Sie sich den API-Schlüssel
Sobald Sie angemeldet sind, gehen Sie zu https://app.cal.com/settings/developer/api-keys
Klicken Sie auf „+ Hinzufügen“
Geben Sie ihm einen Namen – „Take a look at AI Agent“
Kopieren Sie den Schlüssel und bewahren Sie ihn sicher auf.
Schritt 3: Ereignistyp-ID abrufen
Führen Sie auf „curl.exe -H „Authorization: Bearer “ https://api.cal.com/v2/event-types“ auf PowerShell (Home windows) aus. Wenn Sie einen Mac verwenden, verwenden Sie „curl“ anstelle von „curl.exe“.
Die Ereignistyp-ID ist der Wert der ID im eventTypes-Factor

Abschluss

In diesem zweiten Artikel haben wir uns von einem einfachen YouTube-Zusammenfassungs-Agenten (Teil 1) zu einem fortgeschritteneren Studienplaner-Agenten entwickelt. Das Neue KI-Agent generiert nicht nur Pläne, sondern automatisiert auch reale Arbeitsabläufe. Wir haben gezeigt, wie KI-Agenten mehrere Schritte nahtlos orchestrieren können, von der Überlegung über Benutzerziele bis hin zur Ausführung von Aufgaben auf mehreren Plattformen.

Mit diesen Grundlagen sind Sie nun gerüstet, um mit Ihren eigenen KI-Agenten zu experimentieren. Unabhängig davon, ob Sie Agenten zum Planen, Analysieren oder Ausführen erstellen, ermöglichen Frameworks wie Phidata die Umwandlung von Ideen in funktionierende Systeme mit nur wenigen Codezeilen.

Co-Autor des Artikels: Abhishek Agrawal

Praveen ist ein erfahrener Datenwissenschaftler mit über einem Jahrzehnt Erfahrung in der Analytik. Er hat komplexe geschäftliche Herausforderungen gemeistert und Innovationen durch datengesteuerte Entscheidungsfindung vorangetrieben. Sein Fachwissen erstreckt sich über Bereiche wie maschinelles Lernen, Statistik und skalierbare Analysen und half bei der Einführung mehrerer revolutionärer Produkte.