|
ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;list-style: circle;">•任务解决: 该框架将多个智能体组装成一个自动的多智能体系统（AgentVerse-Tasksolving, Multi-agent as system），以协作完成相应的任务。应用:软件开发系统、咨询系统等。
ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;list-style: circle;">•仿真: 该框架允许用户设置自定义环境，以观察或与多个智能体互动。⚠️⚠️⚠️ 我们正在重构代码。如果您需要一个仅支持仿真框架的稳定版本，可以使用release-0.1分支。应用:游戏、基于LLM的智能体的社会行为研究等。 最新消息
ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;list-style: circle;">•[2024/3/17] AgentVerse 在NVIDIA的博客中被介绍 —— 构建您的第一个LLM智能体应用。•[2024/1/17] 我们非常兴奋地宣布，我们的论文已被接收在 ICLR 2024 上发表。更多更新即将来临！•[2023/10/17] 我们非常兴奋地分享我们的开源AI社区hugging face: AgentVerse。您可以使用openai API密钥和openai组织的代码试用两个仿真应用，NLP Classroom和Prisoner's Dilemma。玩得开心！•[2023/10/5] 重构我们的代码库以支持仿真和任务解决框架的部署！我们已将Minecraft示例的代码放在minecraft分支上。我们的工具使用示例将很快更新到主分支。敬请期待！•[2023/8/22] 我们兴奋地分享我们的论文AgentVerse: 详细介绍AgentVerse中任务解决框架的多智能体协作与探索智能体中的突现行为。•[2023/6/5] 我们兴奋地展示一系列示范，包括NLP Classroom、Prisoner Dilemma、软件设计、数据库管理员，以及一个简单的H5 Pokemon Game，可以与Pokemon中的角色互动！尝试这些示范并享受乐趣！•[2023/5/1] ? AgentVerse 正式启动！ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.2em;display: table;border-bottom: 1px solid rgb(248, 57, 41);">即将到来ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;list-style: circle;">•论文[1]的代码发布•添加对本地LLM（LLaMA, Vicunna等）的支持•添加文档•支持更复杂的对话历史记忆ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.2em;display: table;border-bottom: 1px solid rgb(248, 57, 41);">内容ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;list-style: circle;">•? 最新消息•? 即将到来•内容•? 开始使用•安装•环境变量•仿真•框架所需模块•CLI示例•GUI示例•任务解决•框架所需模块•CLI示例•本地模型支持•vLLM支持•FSChat支持1.安装额外的依赖项2.启动本地服务器3.修改配置文件•AgentVerse 展示•仿真展示•任务解决展示•? 加入我们！•如何贡献？ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.2em;display: table;border-bottom: 1px solid rgb(248, 57, 41);">开始使用ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.2em;display: table;border-bottom: 1px solid rgb(248, 57, 41);">安装ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.1em;border-left: 4px solid rgb(248, 57, 41);">手动安装（推荐！）确保您的Python版本 >= 3.9gitclonehttps://github.com/OpenBMB/AgentVerse.git--depth1cdAgentVersepipinstall-e. 如果您想在本地使用诸如LLaMA之类的模型，您还需要安装一些其他依赖： pipinstall-rrequirements_local.txt 通过pip安装您也可以通过pip进行安装 环境变量您需要按以下方式导出您的OpenAI API密钥： #导出您的OpenAIAPI密钥exportOPENAI_API_KEY="your_api_key_here" 如果您想使用Azure OpenAI服务，请按以下方式导出您的Azure OpenAI密钥和OpenAI API基础地址： exportAZURE_OPENAI_API_KEY="your_api_key_here"exportAZURE_OPENAI_API_BASE="your_api_base_here" 仿真框架所需模块agentverseagentssimulation_agentenvironmentssimulation_env CLI示例您可以创建我们提供的多智能体环境。以教室场景为例，在此场景中，有九个智能体，一个扮演教授的角色，其他八个作为学生。 agentverse-simulation--tasksimulation/nlp_classroom_9players GUI示例我们还为此环境提供了一个本地网站演示。您可以通过以下命令启动它： agentverse-simulation-gui--tasksimulation/nlp_classroom_9players 成功启动本地服务器后，您可以访问 http://127.0.0.1:7860/ 来查看教室环境。 如果您想运行带工具的仿真案例（例如，simulation/nlp_classroom_3players_withtool），您需要按以下方式安装BMTools： gitclonegit+https://github.com/OpenBMB/BMTools.gitcdBMToolspipinstall-rrequirements.txtpythonsetup.pydevelop 这是可选的。如果您不安装BMTools，不带工具的仿真案例仍可以正常运行。 任务解决框架所需模块-agentverse-agents-simulation_env-environments-tasksolving_env CLI示例要运行我们论文[2]中提出的任务解决环境的实验，您可以使用以下命令： 运行基于AgentVerse的基准数据集，您可以尝试 #使用gpt-3.5-turbo运行Humaneval基准（配置文件`agentverse/tasks/tasksolving/humaneval/gpt-3.5/config.yaml`）agentverse-benchmark--tasktasksolving/humaneval/gpt-3.5--dataset_pathdata/humaneval/test.jsonl--overwrite 运行AgentVerse在特定问题上的命令，您可以尝试 #运行单个查询（配置文件`agentverse/tasks/tasksolving/brainstorming/gpt-3.5/config.yaml`）。任务在配置文件中指定。agentverse-tasksolving--tasktasksolving/brainstorming 要运行我们论文中介绍的使用工具的案例，例如，多智能体使用工具如网络浏览器、Jupyter笔记本、bing搜索等，您首先可以构建由XAgent[3]提供的ToolsServer。您可以按照他们的指导[4]构建并运行ToolServer。 构建并启动ToolServer后，您可以使用以下命令运行带工具的任务解决案例： agentverse-tasksolving--tasktasksolving/tool_using/24point 我们在agentverse/tasks/tasksolving/tool_using/中提供了更多任务，展示了多智能体如何使用工具解决问题。 此外，您可以查看agentverse/tasks/tasksolving以了解我们论文中进行的更多实验。 本地模型支持vLLM支持如果您想使用vLLM，请按照此处[5]的指导安装并设置vLLM服务器，该服务器用于处理较大的推理工作负载。创建以下环境变量以连接到vLLM服务器： exportVLLM_API_KEY="your_api_key_here"exportVLLM_API_BASE="http://your_vllm_url_here" 然后修改任务配置文件中的模型，使其与vLLM服务器中的模型名称匹配。例如： model_type:vllmmodel:llama-2-7b-chat-hf FSChat支持此部分提供了将FSChat集成到AgentVerse的逐步指导。FSChat是一个支持在您本地机器上运行的本地模型如LLaMA、Vicunna等的框架。 1. 安装额外的依赖如果您想使用LLaMA等本地模型，您需要安装一些其他依赖： pipinstall-rrequirements_local.txt 2. 启动本地服务器然后根据您的需求修改MODEL_PATH和MODEL_NAME，使用以下命令启动本地服务器： bashscripts/run_local_model_server.sh 该脚本将为Llama 7B聊天模型启动服务。AgentVerse当前支持的MODEL_NAME包括llama-2-7b-chat-hf,llama-2-13b-chat-hf,llama-2-70b-chat-hf,vicuna-7b-v1.5, 和vicuna-13b-v1.5。如果您希望集成与FastChat兼容的其他模型[6]，您需要： 1.将新的MODEL_NAME添加到agentverse/llms/init.py中的LOCAL_LLMS。2.在agentverse/llms/init.py文件中的LOCAL_LLMS_MAPPING中添加新的MODEL_NAME到其对应的Huggingface标识符的映射。 3. 修改配置文件在您的配置文件中，设置llm_type为local，model为MODEL_NAME。例如： llm:llm_type:localmodel:llama-2-7b-chat-hf... 您可以参考agentverse/tasks/tasksolving/commongen/llama-2-7b-chat-hf/config.yaml以获得更详细的示例。 AgentVerse 展示仿真展示参见仿真展示[7] 任务解决展示参见任务解决展示[8]
| 
