1. 首页 > 百货 > 玩具模型

一款由知识图谱引擎驱动的创新Agent框架

嘿,大家好!这里是一个专注于AI智能体的频道!

今天给大家安利一个开源框架- muAgent v2.0:KG引擎驱动的创新Agent框架。

由LLM和EKG(Eventic Knowledge Graph,行业知识载体)驱动的全新Agent框架,协同利用MultiAgent、FunctionCall、CodeInterpreter等。通过基于画布的拖放和简单的文本编写,大语言模型可以辅助您在人工指导下执行各种复杂的 SOP。

它兼容市场上现有的框架,可以实现四大核心差异化技术功能:复杂推理、在线协作、人机交互、知识点播。该框架已在蚂蚁集团内多个复杂的 DevOps 场景中得到验证。

经过对市面上的框架的深入分析,发现大多数的 Agent 框架整体耦合度较高,其易用性和可扩展性较差。在预设场景中实现特定场景,但想要进行场景扩展却困难重重。

因此,我们构建了一个可扩展、易于使用的 Multi-Agent 框架,以支持 ChatBot 在获取知识库信息的同时,能够辅助完成日常办公、数据分析、开发运维等各种通用任务。

本项目的 Mutli-Agent 框架汲取兼容了多个框架的优秀设计,比如 metaGPT 中的消息池(message pool)、autogen 中的代理选择器(agent selector)等。

项目地址:

Multi-Agent 框架,包括以下内容:

在 Agent 层面,提供四种基本的 Agent 类型,对这些 Agent 进行 Role 的基础设定,可满足多种通用场景的交互和使用。所有的 Action 都由 Agent 执行。

BaseAgent:提供基础问答、工具使用、代码执行的功能,根据 Prompt 格式实现 输入 => 输出

ReactAgent:提供标准 React 的功能,根据问题实现当前任务

ExecutorAgent:对任务清单进行顺序执行,根据 User 或 上一个 Agent 编排的计划,完成相关任务 Agent 接受到任务清单(List[task]),对这个任务清单 Task 进行循环执行(中间也可添加 Feedback Agent 来进行任务重新优化),直到任务完成

SelectorAgent:提供选择 Agent 的功能,根据 User 或 上一个 Agent 的问题选择合适的 Agent 来进行回答.

本文转载自​​,作者:​​

本网站的文章部分内容可能来源于网络和网友发布,仅供大家学习与参考,如有侵权,请联系站长进行删除处理,不代表本网站立场,转载者并注明出处:https://www.jmbhsh.com/wanjumoxing/33431.html

联系我们

QQ号:***

微信号:***

工作日:9:30-18:30,节假日休息