Skip to content

Latest commit

 

History

History
177 lines (133 loc) · 22.4 KB

README_JP.md

File metadata and controls

177 lines (133 loc) · 22.4 KB

🇨🇳中文 | 🌐English | 🇯🇵日本語

Agentica: AIエージェントの構築

PyPI version Downloads Contributions welcome License Apache 2.0 python_version GitHub issues Wechat Group

agentica: 大規模言語モデルエージェントワークフローのための人間中心のフレームワーク、エージェントワークフローを迅速に構築

agentica: あなた自身のエージェントを迅速に構築

概要

LLMエージェント

llm_agnet

  • 計画（Planning）：タスクの分解、計画の生成、反省
  • 記憶（Memory）：短期記憶（プロンプト実装）、長期記憶（RAG実装）
  • ツール使用（Tool use）：function call能力、外部APIの呼び出し、外部情報の取得、現在の日付、カレンダー、コード実行能力、専用情報源へのアクセスなど

agenticaアーキテクチャ

agentica_arch

  • Planner：LLMが複雑なタスクを完了するための多段階計画を生成し、相互依存する「チェーン計画」を生成し、各ステップが前のステップの出力に依存することを定義
  • Worker：チェーン計画を受け取り、計画内の各サブタスクをループで処理し、ツールを呼び出してタスクを完了し、自動的に反省して修正しタスクを完了
  • Solver：すべての出力を統合して最終的な答えを提供

特徴

agenticaはエージェントワークフロー構築ツールであり、以下の機能を提供：

  • 簡単なコードで複雑なワークフローを迅速に編成
  • ワークフローの編成はプロンプトコマンドだけでなく、ツール呼び出し（tool_calls）もサポート
  • OpenAI APIおよびMoonshot API(kimi)の呼び出しをサポート

インストール

pip install -U agentica

または

git clone https://github.com/shibing624/agentica.git
cd agentica
pip install .

はじめに

  1. example.envファイルをコピーして~/.agentica/.envにし、OpenAI APIキーまたはOPENAI APIキーを貼り付けます。

    export OPENAI_API_KEY=your_openai_api_key
export SERPER_API_KEY=your_serper_api_key

  2. agenticaを使用してエージェントを構築し、タスクを分解して実行：

自動的にGoogle検索ツールを呼び出す例：examples/11_web_search_moonshot_openai.py

from agentica import Agent, OpenAIChat, SearchSerperTool

m = Agent(model=OpenAIChat(id='gpt-4o'), tools=[SearchSerperTool()], add_datetime_to_instructions=True)
r = m.run("Where will the next Olympics be held?")
print(r)

例

例 説明
examples/01_llm_demo.py LLM Q&A デモ
examples/02_user_prompt_demo.py カスタムユーザープロンプトデモ
examples/03_user_messages_demo.py カスタム入力ユーザーメッセージデモ
examples/04_memory_demo.py エージェントのメモリーデモ
examples/05_response_model_demo.py 指定された形式（pydanticのBaseModel）で応答するデモ
examples/06_calc_with_csv_file_demo.py LLMがCSVファイルを読み込み、計算を実行して質問に答えるデモ
examples/07_create_image_tool_demo.py 画像ツールを作成するデモ
examples/08_ocr_tool_demo.py OCRツー��を実装するデモ
examples/09_remove_image_background_tool_demo.py 画像の背景を自動的に削除する機能を実装するデモ。ライブラリを自動的にインストールし、画像の背景を削除するためにライブラリを呼び出す機能を含む
examples/10_vision_demo.py ビジョン理解デモ
examples/11_web_search_openai_demo.py OpenAIのfunction callに基づくウェブ検索デモ
examples/12_web_search_moonshot_demo.py Moonshotのfunction callに基づくウェブ検索デモ
examples/13_storage_demo.py エージェントのストレージデモ
examples/14_custom_tool_demo.py カスタムツールを実装し、大規模モデルが自律的に選択して呼び出すデモ
examples/15_crawl_webpage_demo.py ウェブページ分析ワークフローを実装するデモ：URLから資金調達ニュースをクロールし、ウェブページの内容と形式を分析し、主要情報を抽出し、mdファイルとして保存する
examples/16_get_top_papers_demo.py 毎日の論文を解析し、JSON形式で保存するデモ
examples/17_find_paper_from_arxiv_demo.py 論文推薦のデモ：arxivから複数の論文を自動検索し、類似論文を重複排除し、主要論文情報を抽出し、CSVファイルとして保存する
examples/18_agent_input_is_list.py エージェントのメッセージがリストであることを示すデモ
examples/19_naive_rag_demo.py 基本的なRAGを実装し、テキストドキュメントに基づいて質問に答えるデモ
examples/20_advanced_rag_demo.py 高度なRAGを実装し、PDFドキュメントに基づいて質問に答えるデモ。新機能：PDFファイル解析、クエリの改訂、文字+意味の多重リコール、リコールの再ランク付け（rerank）
examples/21_memorydb_rag_demo.py プロンプトに参考資料を含める従来のRAGのデモ
examples/22_chat_pdf_app_demo.py PDFドキュメントとの深い対話のデモ
examples/23_python_agent_memory_demo.py メモリを持つコードインタープリタ機能を実装し、Pythonコードを自動生成して実行し、次回の実行時にメモリから結果を取得するデモ
examples/24_context_demo.py コンテキストを持つ対話のデモ
examples/25_tools_with_context_demo.py コンテキストパラメータを持つツールのデモ
examples/26_complex_translate_demo.py 複雑な翻訳のデモ
examples/27_research_agent_demo.py Research機能を実装し、検索ツールを自動的に呼��出し、情報をまとめて科学レポートを作成するデモ
examples/28_rag_integrated_langchain_demo.py LangChainと統合されたRAGデモ
examples/29_rag_integrated_llamaindex_demo.py LlamaIndexと統合されたRAGデモ
examples/30_text_classification_demo.py 分類モデルを自動的にトレーニングするエージェントのデモ：トレーニングセットファイルを読み取り形式を理解し、Googleでpytextclassifierライブラリを検索し、GitHubページをクロールしてpytextclassifierの呼び出し方法を理解し、コードを書いてfasttextモデルをトレーニングし、トレーニング済みモデルの予測結果をチェックす��
examples/31_team_news_article_demo.py Team実装：ニュース記事を書くた���のチーム協力、マルチロール実装、各自のタスクを完了するために異なる役割を委任：研究��が記事を検索して分析し、ライターがレイアウトに従って記事を書き、複数の役割の成果をまとめる
examples/32_team_debate_demo.py Team実装：委任に基づく二人の討論デモ、トランプとバイデンの討論
examples/33_self_evolving_agent_demo.py 自己進化エージェントのデモ
examples/34_llm_os_demo.py LLM OSの初期設計、LLM設計のオペレーティングシステムに基づき、LLMを通じてRAG、コードエグゼキュータ、シェルなどを呼び出し、コードインタープリタ、研究アシスタント、投資アシスタントなどと協力して問題を解決する。
examples/35_workflow_investment_demo.py 投資研究のワークフローを実装：株式情報収集、株式分析、分析レポート作成、レポートの再確認など複数のタスク
examples/36_workflow_news_article_demo.py ニュース記事を書くためのワークフローを実装、マルチエージェント実装、検索ツールを複数回呼び出し、高度なレイアウトのニュース記事を生成
examples/37_workflow_write_novel_demo.py 小説を書くためのワークフローを実装：小説のアウトラインを設定し、Googleでアウトラインを反映し、小説の内容を書き、mdファイルとして保存する
examples/38_workflow_write_tutorial_demo.py 技術チュートリアルを書くためのワークフローを実装：チュートリアルディレクトリを設定し、ディレクトリ内容を反映し、チュートリアル内容を書き、mdファイルとして保存する
examples/39_audio_multi_turn_demo.py OpenAIの音声APIに基づくマルチターン音声対話のデモ
examples/40_web_search_zhipuai_demo.py ZhipuAIのAPIに基づくウェブ検索のデモ、無料のglm-4-flashモデルと無料のweb-search-pro検索ツールを使用

連絡先

  • Issue(提案) ：GitHub issues
  • メール：xuming: xuming624@qq.com
  • WeChat：WeChat ID：xuming624, メモ：名前-会社-NLP でNLPグループに参加。

引用

研究でagenticaを使用した場合は、以下の形式で引用してください：

APA:

Xu, M. agentica: A Human-Centric Framework for Large Language Model Agent Workflows (Version 0.0.2) [Computer software]. https://github.com/shibing624/agentica

BibTeX:

@misc{Xu_agentica,
  title={agentica: A Human-Centric Framework for Large Language Model Agent Workflows},
  author={Xu Ming},
  year={2024},
  howpublished={\url{https://github.com/shibing624/agentica}},
}

ライセンス

ライセンスは The Apache License 2.0 であり、商用利用が無料です。製品説明にagenticaのリンクとライセンスを追加してください。

貢献

プロジェクトのコードはまだ粗削りです。コードの改善がある場合は、このプロジェクトに戻して提出してください。提出前に以下の2点に注意してください：

  • testsに対応する単体テストを追加
  • python -m pytestを使用してすべての単体テストを実行し、すべてのテストが通過することを確認

その後、PRを提出できます。

謝辞

彼らの素晴らしい仕事に感謝します！