链载Ai

标题: 轻量级多模态代理框架 Agno 像搭乐高一样构建私有化AGI中台 [打印本页]

作者: 链载Ai 时间: 10 小时前
标题: 轻量级多模态代理框架 Agno 像搭乐高一样构建私有化AGI中台

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;margin: 1em 8px;letter-spacing: 0.1em;color: rgb(33, 37, 41);padding: 8px 12px;background: rgba(237, 242, 255, 0.8);border-radius: 8px;">Agno 是一个开源框架，旨在创建具有记忆、知识保留、工具集成和复杂推理等功能的高级 AI 代理。它使开发人员能够无缝集成任何大型语言模型 (LLM)，管理代理的状态和内存，甚至协调多个协同工作的代理。

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin: 1.5em 8px;color: rgb(63, 63, 63);">ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;border-radius: 8px;display: block;margin: 0.1em auto 0.5em;border-width: 0px;border-style: solid;border-color: initial;border-image-width: initial;border-image-outset: initial;border-image-repeat: initial;border-image-source: linear-gradient(to right, rgb(143, 65, 233), rgb(108, 89, 245), rgb(164, 102, 255), rgb(232, 111, 255), rgb(255, 132, 213), rgb(234, 160, 147), rgb(255, 173, 51));border-image-slice: 1;height: auto !important;" title="null" src="https://api.ibos.cn/v4/weapparticle/accesswximg?aid=105314&url=aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9hZzdaM2RDcTdMbFk5ZW5vUmN4cXpQc2hXYXk3clRHOXFTMThjWDUwR3p3UEFIUFg2U1FXeUh0QkNwUGRVMEJZcVNSR3ZmU0JEaWFNV1FRN3JpYnp2WDl3LzY0MD93eF9mbXQ9cG5nJmFtcA==;from=appmsg"/>

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;margin: 1em 8px;letter-spacing: 0.1em;color: rgb(33, 37, 41);padding: 8px 12px;background: rgba(237, 242, 255, 0.8);border-radius: 8px;">Agno 的真正力量在于它能够构建高性能、特定领域的 AI 代理，并提供在生产中监控和优化它们的工具。由于其足够简单，所以在你的业务场景中集成 Agno 几乎感受不到什么影响。

• OA 里面自动审批和报告
• 项目中自动完善和处理需求
• 物流中订单追踪
• 通用数据处理、BI等

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 20px;font-weight: bold;display: table;margin: 2em auto 1.5em;padding: 6px 0px 6px 16.75px;background: linear-gradient(135deg, rgb(113, 23, 234), rgba(113, 23, 234, 0.667), rgba(234, 96, 96, 0.533), rgba(217, 57, 205, 0.267), rgba(217, 57, 205, 0));color: rgb(255, 255, 255);border-radius: 8px;width: 318.25px;">人工智能工程就是软件工程

•解决方案的 80% 将是标准的 Python 代码，
•其余 20% 将使用 Agents 实现自动化。

• 说是 20%，我都觉得多了，我使用下来，知识在需要智能体的地方写一两行代码就可以了。

Agno 专为此类用例而设计。

当然，用 Agno 构建代理很简单，只需要使用熟悉的编程结构（if、else、while、for）编写 AI 逻辑，避免使用图形和链等复杂的抽象。

下面是一个可以搜索网络的简单代理（搜索工具框架里面已经提供了）：

fromagno.agentimportAgent
fromagno.models.openaiimportOpenAIChat
fromagno.tools.duckduckgoimportDuckDuckGoTools

agent = Agent(
  model=OpenAIChat(id="gpt-4o"),
  tools=[DuckDuckGoTools()],
  markdown=True
)
agent.print_response("北京最近有什么新闻?", stream=True)

更复杂的一个例子，你可以设置代理的description、instructions、expected_output：

agent = Agent(
  model=OpenAIChat(id="gpt-4o"),
  tools=[ExaTools(start_published_date=today,type="keyword")],
  description=dedent("""  """),
  instructions=dedent("""  """),
  expected_output=dedent("""  """),
  markdown=True,
  show_tool_calls=True,
  add_datetime_to_instructions=True,
)

• description 会加在系统提示词的前面；

结构化输出

另一个特别有用的功能是结构化输出，这比你手写 prompt 定义expected_output更方便。

classMovieScript(BaseModel):
  setting:str= Field(..., description="为一部大片提供一个精彩的场景设定。")
  ending:str= Field(..., description="电影的结局。如果没有特别要求，提供一个喜剧结局。")
  genre:str= Field(
    ..., description="电影的类型。如果没有特别要求，可以选择动作片、惊悚片或浪漫喜剧。"
  )
  name:str= Field(..., description="为这部电影取一个名字")
  charactersist[str] = Field(..., description="电影中的角色名称。")
  storyline:str= Field(..., description="用3句话描述电影的故事情节。让它令人兴奋！")

json_mode_agent = Agent(
  model=model,
  system_message="你是一个电影剧本创作者，所有回答必须使用中文。",
  description="你是一个电影剧本创作者。请用中文回答所有问题。",
  response_model=MovieScript,
  references_format='json',
  debug_mode=True,
)

多模态代理

Agno 代理支持文本、图像、音频和视频输入，并可生成文本、图像、音频和视频输出。

比如输出图片：

image_agent = Agent(
  model=OpenAIChat(id="gpt-4o"),
  tools=[DalleTools()],
  description="You are an AI agent that can generate images using DALL-E.",
  instructions="When the user asks you to create an image, use the `create_image` tool to create the image.",
  markdown=True,
  show_tool_calls=True,
)

image_agent.print_response("Generate an image of a white siamese cat")

images = image_agent.get_images()
ifimagesandisinstance(images,list):
 forimage_responseinimages:
    image_url = image_response.url
   print(image_url)

工具

工具是代理的灵魂，在 Agno 中自定义工具也很简单。定义一个函数，写下注释即可：

defget_top_hackernews_stories(num_stories:int=10) ->str:
 """使用此函数获取 Hacker News 的热门故事。

  参数:
    num_stories (int): 要返回的故事数量。默认为 10。

  返回:
    str: 热门故事的 JSON 字符串。
  """

 # Fetch top story IDs
  response = httpx.get('https://hacker-news.firebaseio.com/v0/topstories.json')
 return...

agent = Agent(
  model=llm,
  tools=[get_top_hackernews_stories],
  debug_mode=True,
  show_tool_calls=True,
  markdown=True,
  description="你是一个帮助用户获取和总结 Hacker News 热门故事的助手。",
  instructions=["请使用中文回答所有问题","提供简洁明了的总结"]
)

更多信息可以参考其

• 文档：https://docs.agno.com/introduction^[1]
• 例子：https://docs.agno.com/examples/introduction^[2]

Agno 还提供了PlayGround 应用^[3]，可以让你的应用集成监控。

欢迎光临链载Ai (https://www.lianzai.com/)