隨著人工智慧（AI）的不斷發展，代理式 AI 應運而生，旨在解決不同場景下的複雜工作流程問題。AutoGen 是一個具備決策制定和處理複雜工作流程能力的框架。欲了解更多關於 AutoGen 框架的資訊，請參閱《使用 AutoGen 框架構建您的第一個代理式 AI》。在本篇文章中，我們將學習如何在 AutoGen 的支持下，以不同的方式設計工作流程。我們將從一個簡單的工作流程開始，進行算術運算。
理解代理式 AI 工作流程
代理式 AI 工作流程指的是一種類型的工作流程或過程，結合使用 AI 系統來執行傳統由人類完成的任務，例如客戶服務。借助於代理式 AI，其具備理解複雜任務並自主達成目標的能力，幾乎不需要人類干預，這樣人類專家可以從重複性枯燥的任務中解放出來。同時，強大的計算能力也能提升工作效率。請訪問本博客的《代理式 AI 介紹》以進一步了解代理式 AI。
使用 AutoGen 代理進行算術運算
在本博客中，我們將首先以算術運算為例，開始一個較為簡單的工作流程。我們通常可以通過三種方式執行算術運算：使用順序流程、使用群聊類別或使用工具。請參閱本博客以了解使用 AutoGen 框架的基本設置，但這次我們使用的是 GPT-4 而非 3.5 turbo，以確保更好的輸出。
使用多代理的順序流程
此範例改編自 AutoGen 的對話模式：
我們首先設置 5 個代理。一個代理（number_agent）負責整個流程控制，其他四個代理分別執行四種算術運算。
number_agent = ConversableAgent(
name="Number_Agent",
system_message="請將我提供的數字按行返回給我，每行一個數字。",
llm_config=llm_config,
human_input_mode="NEVER",
)
adder_agent = ConversableAgent(
name="Adder_Agent",
system_message="請將我提供的每個數字加 2，並按行返回新數字。",
llm_config=llm_config,
human_input_mode="NEVER",
)
multiplier_agent = ConversableAgent(
name="Multiplier_Agent",
system_message="請將我提供的每個數字乘以 2，並按行返回新數字。",
llm_config=llm_config,
human_input_mode="NEVER",
)
subtracter_agent = ConversableAgent(
name="Subtracter_Agent",
system_message="請將我提供的每個數字減去 2，並按行返回新數字。",
llm_config=llm_config,
human_input_mode="NEVER",
)
divider_agent = ConversableAgent(
name="Divider_Agent",
system_message="請將我提供的每個數字除以 2，並按行返回新數字。",
llm_config=llm_config,
human_input_mode="NEVER",
)預設情況下， carryover 會累積並攜帶來自先前聊天結果的所有上下文，如 AutoGen 教程中的範例所示。因此，我們創建了自己的消息處理函數，以便僅將一個數字傳遞到下一個聊天。
def my_message(sender: ConversableAgent, recipient: ConversableAgent, context: dict):
carryover = context.get("carryover", "")
if isinstance(carryover, list):
carryover = carryover[-1]
final_msg = "這是我的數字\n上下文:\n" + carryover
return final_msg然後，我們會執行 initiate_chats 以預先設定的順序 (加法器、乘法器、減法器、除法器) 來啟動多次聊天。我們會從第二個聊天開始使用 my_message 函式，讓 number_agent 只將最終的數字提供給下一個代理，而不是所有經過聊天的結果。
chat_results = number_agent.initiate_chats(
[
{
"recipient": adder_agent,
"message": "14",
"max_turns": 1,
"summary_method": "last_msg",
"clear_history": True,
},
{
"recipient": multiplier_agent,
"message": my_message,
"max_turns": 1,
"summary_method": "last_msg",
"clear_history": True,
},
{
"recipient": subtracter_agent,
"message": my_message,
"max_turns": 1,
"summary_method": "last_msg",
"clear_history": True,
},
{
"recipient": divider_agent,
"message": my_message,
"max_turns": 1,
"summary_method": "last_msg",
"clear_history": True,
},
]
)輸出:
********************************************************************************
開始新的聊天....
********************************************************************************
Number_Agent (to Adder_Agent):
14
--------------------------------------------------------------------------------
Adder_Agent (to Number_Agent):
16
--------------------------------------------------------------------------------
********************************************************************************
開始新的聊天....
********************************************************************************
Number_Agent (to Multiplier_Agent):
這是我的數字
上下文:
16
--------------------------------------------------------------------------------
Multiplier_Agent (to Number_Agent):
32
--------------------------------------------------------------------------------
********************************************************************************
開始新的聊天....
********************************************************************************
Number_Agent (to Subtracter_Agent):
這是我的數字
上下文:
32
--------------------------------------------------------------------------------
Subtracter_Agent (to Number_Agent):
30
--------------------------------------------------------------------------------
********************************************************************************
開始新的聊天....
********************************************************************************
Number_Agent (to Divider_Agent):
這是我的數字
上下文:
30
--------------------------------------------------------------------------------
Divider_Agent (to Number_Agent):
15
--------------------------------------------------------------------------------為了方便測試，您可以使用以下代碼對不同數字進行測試，並使用上述預定義的運算。設置和代理與上述相同。以下代碼新增了參數 “silent” 以隱藏聊天並僅打印運算結果。
def predefined_operation(input):
chat_results = number_agent.initiate_chats(
[
{
"recipient": adder_agent,
"message": input,
"max_turns": 1,
"summary_method": "last_msg",
"silent":True,
"clear_history": True,
},
{
"recipient": multiplier_agent,
"message": my_message,
"max_turns": 1,
"summary_method": "last_msg",
"clear_history": True,
"silent":True,
},
{
"recipient": subtracter_agent,
"message": my_message,
"max_turns": 1,
"summary_method": "last_msg",
"clear_history": True,
"silent":True,
},
{
"recipient": divider_agent,
"message": my_message,
"max_turns": 1,
"summary_method": "last_msg",
"clear_history": True,
"silent":True,
},
]
)
return chat_results
def arithmetic_sequential_chat():
print("歡迎使用算術聊天機器人！")
while True:
user_input = input("輸入一個數字以執行預定義的算術運算或輸入 'exit' 退出: ")
if user_input.lower() == 'exit': break
try:
num = eval(user_input)
if(isinstance(num,int) or isinstance(num,float)):
chat_results = predefined_operation(user_input)
print(f"結果: {chat_results[-1].summary}")
else: print("請輸入一個整數或浮點數，或輸入 exit.")
except Exception as e: print(f"錯誤: {e}")
print()
if __name__ == "__main__":
arithmetic_sequential_chat()
然而，使用順序聊天時，AI 只能按照定義的順序對輸入數字進行算術運算。它無法解決像 1+4/2 這樣的方程式。因此，我們必須使用另一種方法來實現方程式的求解。
使用群聊進行計算
群聊是一種創建更通用對話模式的類別，涉及兩個以上的代理。它允許所有代理共同參與單一對話線程，並由另一個名為群聊管理員的代理共享相同的上下文。使用群聊的整體流程將在下圖中說明。
我們將設置與上述部分類似的代理（Number_Agent、Adder_Agent、Multiplier_Agent、Subtracter_Agent、Divider_Agent），但會添加額外的描述。描述是為了讓其他代理如群聊管理員了解每個代理的職責，並可能用作選擇下一位說話者的參考。預設輸入是代理的 system_message。
number_agent = ConversableAgent(
name="Number_Agent",
system_message= "請以數字轉換開始對話，並在轉換完成後返回 '終止'。",
llm_config=llm_config,
human_input_mode="NEVER",
)
adder_agent = ConversableAgent(
name="Adder_Agent",
system_message="請將我提供的最後一個數字加 1，並返回新數字，每行一個數字。"
"僅執行一個運算。",
llm_config=llm_config,
human_input_mode="NEVER",
)
multiplier_agent = ConversableAgent(
name="Multiplier_Agent",
system_message="請將我提供的最後一個數字乘以 2，並返回新數字，每行一個數字。"
"僅執行一個運算。",
llm_config=llm_config,
human_input_mode="NEVER",
)
# Subtracter Agent 將從接收到的每個數字中減去 1。
subtracter_agent = ConversableAgent(
name="Subtracter_Agent",
system_message="請將我提供的最後一個數字減 1，並返回新數字，每行一個數字。"
"僅執行一個運算。",
llm_config=llm_config,
human_input_mode="NEVER",
)
divider_agent = ConversableAgent(
name="Divider_Agent",
system_message="請將我提供的最後一個數字除以 2，並返回新數字，每行一個數字。"
"若最後一個數字不是偶數，請勿執行除法。"
"僅執行一個運算。",
llm_config=llm_config,
human_input_mode="NEVER",
)adder_agent.description = "將最後一個輸入數字加 1。"
multiplier_agent.description = "將最後一個輸入數字乘以 2。"
subtracter_agent.description = "將最後一個輸入數字減 1。"
divider_agent.description = "將最後一個輸入數字除以 2。如果最後一個數字不是偶數，請勿執行除法。"
number_agent.description = "轉換完成後終止對話。"接著我們要設定群聊物件。此物件包含 3 個參數，包括 agents, messages, 和 speaker_selection_method。
from autogen import GroupChat
group_chat = GroupChat(
agents=[adder_agent, multiplier_agent, subtracter_agent, divider_agent,
number_agent],
messages=[],
speaker_selection_method=custom_speaker_selection_func
)如名稱 speaker_selection_method 所示，這指的是群聊如何選擇下一位發言者來生成回覆。預設為 “auto”，即由群聊管理員的語言模型（LLM）選擇發言者。在上述範例中，我們選擇使用自定義方法，允許在接收到來自 number_agent 的 “終止” 消息時結束對話。
def custom_speaker_selection_func(last_speaker, groupchat):
messages = groupchat.messages
if last_speaker == number_agent:
if "TERMINATE" in messages[-1]["content"]:
return None
return "auto"要使用群聊對象，我們需要一個特殊的代理，群聊管理員。此管理員代理不參與聊天，而是管理聊天流程。欲了解更多關於群聊和群聊管理員的信息，請參閱 AutoGen 網站的相關頁面。
from autogen import GroupChatManager
group_chat_manager = GroupChatManager(
groupchat=group_chat,
llm_config=llm_config,
)最後，我們可以通過與管理員啟動聊天來生成群聊結果。
chat_result = number_agent.initiate_chat(
group_chat_manager,
message="我的數字是 4，我想將它轉換為 9。",
summary_method="reflection_with_llm",
)輸出:
Number_Agent (to chat_manager):
我的數字是 4，我想將它轉換為 9。
--------------------------------------------------------------------------------
Next speaker: Multiplier_Agent
Multiplier_Agent (to chat_manager):
8
--------------------------------------------------------------------------------
Next speaker: Adder_Agent
Adder_Agent (to chat_manager):
9
--------------------------------------------------------------------------------
Next speaker: Number_Agent
Number_Agent (to chat_manager):
TERMINATE
--------------------------------------------------------------------------------您還可以使用以下代碼，使用與上述相同的代理對不同的輸入進行操作。
def groupChat(start:int,end:int):
chat_result = number_agent.initiate_chat(
group_chat_manager,
message=f"My number is {start}, I want to turn it into {end}.",
summary_method="reflection_with_llm",
clear_history=True,
)
return chat_result
def arithmetic_groupChat():
print("Welcome to the arithmetic chatbot!")
while True:
user_input1 = input("Enter two integers a,b to find a way to convert a to b by simple arithmetic operation or 'exit' to quit: ")
if user_input1.lower() == 'exit': break
user_input2 = input()
if user_input2.lower() == 'exit': break
try:
num1 = eval(user_input1)
num2 = eval(user_input2)
if(isinstance(num1,int) or isinstance(num2,int)):
chat_result = groupChat(user_input1, user_input2)
adder_agent.clear_history()
subtracter_agent.clear_history()
divider_agent.clear_history()
multiplier_agent.clear_history()
number_agent.clear_history()
group_chat_manager.clear_history()
else: print("Please input integers or exit.")
except Exception as e: print(f"Error: {e}")
print()
if __name__ == "__main__":
arithmetic_groupChat()
通過上述群聊，我們可以讓管理員代理選擇下一位發言者，而不是使用預定順序。這提供了變化，允許代理們執行運算以將一個數字轉換為另一個數字。然而，這仍然無法對帶有方程式的算術運算進行操作。因此，我們將介紹第三種方法，使用工具來實現此目標。
使用工具進行計算
除了群聊之外，我們還可以簡單地使用計算工具來執行算術運算。工具是代理在註冊後可以調用的預定義函數。這些工具可能包括網絡搜索、執行計算、讀取文件等。本次我們使用其來執行計算。代碼改編自 AutoGen 的工具使用教程。
首先，我們將定義一個計算器工具：
from typing import Annotated, Literal, Union
Operator = Literal["+", "-", "*", "/"]
def calculator(a: Union[int,float], b: Union[int,float], operator: Annotated[Operator, "operator"]) -> int:
if operator == "+":
return a + b
elif operator == "-":
return a - b
elif operator == "*":
return a * b
elif operator == "/":
return a / b
else:
raise ValueError("Invalid operator")然後，我們將設置兩個 Conversable Agent。一個作為助手決定運算順序，另一個作為用戶。
assistant = ConversableAgent(
name="Assistant",
system_message="你是一个有帮助的 AI 助手。"
"你可以协助进行简单的计算。"
"任务完成后返回 '終止'。",
llm_config=llm_config,
)
user_proxy = ConversableAgent(
name="User",
llm_config=False,
is_termination_msg=lambda msg: msg.get("content") is not None and "TERMINATE" in msg["content"],
human_input_mode="NEVER",
)接著，我們需要將計算器註冊給這兩個代理。在此範例中，助理將決定函數的輸入，而 user_proxy 將使用工具。因此，user_proxy 不需要 LLM，因為它只用作簡單計算器的執行者。
register_function(
calculator,
caller=assistant,
executor=user_proxy,
name="calculator",
description="一個簡單的計算器，包含四種運算符 '+'（加法）、'-'（減法）、'*'（乘法）和 '/'（除法），輸入兩個數字作為參數。",
)最後，您可以通過初始化兩個代理之間的聊天來執行運算。
chat_result = user_proxy.initiate_chat(assistant, message="What is (2 + 3 / (4 - 5)) * 6?")輸出:
User (to Assistant):
What is (2 + 3 / (4 - 5)) * 6?
--------------------------------------------------------------------------------
>>>>>>>> USING AUTO REPLY...
Assistant (to User):
***** Suggested tool call (call_sOqa4IrsVF6m4Y8mYS1h2FDO): calculator *****
Arguments:
{
"a": 4,
"b": 5,
"operator": "-"
}
***************************************************************************
--------------------------------------------------------------------------------
>>>>>>>> EXECUTING FUNCTION calculator...
User (to Assistant):
User (to Assistant):
***** Response from calling tool (call_sOqa4IrsVF6m4Y8mYS1h2FDO) *****
-1
**********************************************************************
--------------------------------------------------------------------------------
>>>>>>>> USING AUTO REPLY...
Assistant (to User):
***** Suggested tool call (call_oVboqCgA0NyNXPjCaC776AKC): calculator *****
Arguments:
{
"a": 3,
"b": -1,
"operator": "/"
}
***************************************************************************
--------------------------------------------------------------------------------
>>>>>>>> EXECUTING FUNCTION calculator...
User (to Assistant):
User (to Assistant):
***** Response from calling tool (call_oVboqCgA0NyNXPjCaC776AKC) *****
-3.0
**********************************************************************
--------------------------------------------------------------------------------
>>>>>>>> USING AUTO REPLY...
Assistant (to User):
***** Suggested tool call (call_Gj98oGkSAwPLd1ggkVVyqG55): calculator *****
Arguments:
{
"a": 2,
"b": -3,
"operator": "+"
}
***************************************************************************
--------------------------------------------------------------------------------
>>>>>>>> EXECUTING FUNCTION calculator...
User (to Assistant):
User (to Assistant):
***** Response from calling tool (call_Gj98oGkSAwPLd1ggkVVyqG55) *****
-1
**********************************************************************
--------------------------------------------------------------------------------
>>>>>>>> USING AUTO REPLY...
Assistant (to User):
***** Suggested tool call (call_bNTkqZd6kZFpBfvYy7TPrQdf): calculator *****
Arguments:
{
"a": -1,
"b": 6,
"operator": "*"
}
***************************************************************************
--------------------------------------------------------------------------------
>>>>>>>> EXECUTING FUNCTION calculator...
User (to Assistant):
User (to Assistant):
***** Response from calling tool (call_bNTkqZd6kZFpBfvYy7TPrQdf) *****
-6
**********************************************************************
--------------------------------------------------------------------------------
>>>>>>>> USING AUTO REPLY...
Assistant (to User):
The result of the calculation (2 + 3 / (4 - 5)) * 6 is -6.
TERMINATE
--------------------------------------------------------------------------------您還可以使用以下代碼對不同輸入進行測試：
def arithmetic_tool():
print("歡迎使用算術聊天機器人！")
while True:
user_input1 = input("輸入一個算術運算，例如 (2 + 3 / (4 - 5)) * 6，或輸入 'exit' 退出: ")
if user_input1.lower() == 'exit':
break
try:
expression = eval(user_input1)
if isinstance(expression, int) or isinstance(expression, float):
chat_result = user_proxy.initiate_chat(assistant, message=f"What is {user_input1}?")
except Exception as e:
print(f"錯誤: {e}")
print()
if __name__ == "__main__":
arithmetic_tool()
結論
在本篇文章中，我們學會了如何利用 AutoGen 提供的不同代理或功能來執行算術運算，作為使用 AutoGen 代理之旅的起點。希望您能理解如何從教程中設置一個簡單的工作流程，並能進一步探索 AutoGen 以創建更複雜的工作流程，例如編寫和執行代碼。
附加資源
以下是來自 AutoGen 網站的一些附加資源，供您參考或感興趣時使用，如果您想了解更多 AutoGen 的功能。
- 教程： Code Executors
- 用戶指南： Customize Speaker Selection
- 類定義： Conversable_agent