【AI Agent系列】【阿里AgentScope框架】0. 快速上手：AgentScope框架简介与你的第一个AgentScope程序

• 大家好，我是 同学小张，日常分享AI知识和实战案例
• 欢迎 点赞 + 关注 👏，持续学习，持续干货输出。
• +v: jasper_8017 一起交流💬，一起进步💪。
• 微信公众号也可搜【同学小张】 🙏

本站文章一览：

---

这是我们学习的第四款智能体框架了。

前面我们学习了 AutoGPT、MetaGPT、LangGraph 等智能体应用开发框架，各有优缺点。今天我们开始学习AgentScope这一款多智能体开发框架。在AI快速发展的现在，多上手体验一下各个框架，更能加深对AI大模型应用开发中各种知识的深入理解。AI界大佬吴恩达也督促大家今年关注 AI Agent 工作流的发展和应用。所以，卷起来吧，多看看，多用用，没坏处。

0. AgentScope简介

AgentScope是阿里开源的一款全新的多智能体协同的Multi-Agent应用框架，旨在帮助开发者更轻松地构建基于大语言模型的多智能体应用程序。它具有以下特点：

1. 易用性：AgentScope注重易用性，为开发者提供了简洁明了的编程模式，丰富的语法工具和内置资源，使得编程多智能体应用程序变得更加轻松愉快。

2. 鲁棒性：AgentScope集成了全面的服务级重试机制和规则性修正工具，以处理LLMs响应中的明显格式问题。此外，AgentScope还提供了可定制的容错配置，使开发者能够通过参数来自定义容错机制。

3. 支持多模态数据：AgentScope支持多模态数据在对话呈现、消息传输和数据存储中的应用，通过统一的基于URL的属性来解耦多模态数据的传输和存储，从而最大限度地减少了消息在每个智能体内的复杂性。

4. 分布式部署：针对分布式应用程序带来的额外编程难题和系统设计挑战，AgentScope也提供了支持。

1. 安装

因为我的目的是学习，不光要会用，有时候还会深入源码去看一下实现原理，所以我这里使用源码安装。其它安装方法请参考官方安装教程。

# 从GitHub上拉取AgentScope的源代码
git clone https://github.com/modelscope/agentscope.git
cd agentscope

# 针对本地化的multi-agent应用
pip install -e .

如果报错 Timeout：

使用以下命令重新安装：

pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 快速上手 - 快速跑通第一个Demo

2.1 完整代码

老规矩，先上完整代码，大家复制粘贴，先跑通再说。

import agentscope
import os

openai_api_key = os.getenv('OPENAI_API_KEY')

# 一次性初始化多个模型配置
openai_cfg_dict = {
    "config_name": "openai_cfg", # A unique name for the model config.
    "model_type": "openai",         # Choose from "openai", "openai_dall_e", or "openai_embedding".

    "model_name": "gpt-3.5-turbo",   # The model identifier used in the OpenAI API, such as "gpt-3.5-turbo", "gpt-4", or "text-embedding-ada-002".
    "api_key": openai_api_key,       # Your OpenAI API key. If unset, the environment variable OPENAI_API_KEY is used.
}

agentscope.init(model_configs=[openai_cfg_dict])

from agentscope.agents import DialogAgent, UserAgent

# 创建一个对话智能体和一个用户智能体
dialogAgent = DialogAgent(name="assistant", model_config_name="openai_cfg", sys_prompt="You are a helpful ai assistant")
userAgent = UserAgent()

x = None
x = dialogAgent(x)
print("diaglogAgent: \n", x)
x = userAgent(x)
print("userAgent: \n", x)

运行结果：

2.2 代码详解

下面来解释下上面的代码。

2.2.1 配置

像其它框架一样，我们也需要配置我们使用的大模型以及API Key等参数。AgentScope的配置方式是创建一个字典类型的变量，在变量里填入相应值，然后通过初始化接口传递给AgentScope：

openai_cfg_dict = {
    "config_name": "openai_cfg", # A unique name for the model config.
    "model_type": "openai",         # Choose from "openai", "openai_dall_e", or "openai_embedding".

    "model_name": "gpt-3.5-turbo",   # The model identifier used in the OpenAI API, such as "gpt-3.5-turbo", "gpt-4", or "text-embedding-ada-002".
    "api_key": openai_api_key,       # Your OpenAI API key. If unset, the environment variable OPENAI_API_KEY is used.
}

agentscope.init(model_configs=[openai_cfg_dict])

注意看下配置的Key值：config_name, model_type, model_name 和 api_key。通过 agentscope.init 函数设置进去。

关于配置的疑问

没搞懂的是，这里的配置是必须传入？还是只要环境变量中存在了 OPENAI_API_KEY 值就可以不用传 “api_key” ？

• 为什么有这个疑问：因为我并没有找到在哪里设置 代理地址，而我的API Key不是原生的OpenAI Key，必须通过代理才能使用OpenAI的接口。但是以上代码在没有传递代理地址的情况下竟然运行成功了，那么，是不是只要环境变量中有了，不传递这个config也行？
• 我将api_key去掉，也运行成功了…
• 不传模型名字倒是不行，会报错：

2.2.2 创建智能体

接下来，代码中创建了两个智能体：一个对话智能体DialogAgent 和 一个用户智能体 userAgent

# 创建一个对话智能体和一个用户智能体
dialogAgent = DialogAgent(name="assistant", model_config_name="openai_cfg", sys_prompt="You are a helpful ai assistant")
userAgent = UserAgent()

2.2.3 运行智能体

然后是运行智能体：

x = None
x = dialogAgent(x)
print("diaglogAgent: \n", x)
x = userAgent(x)
print("userAgent: \n", x)

从运行效果来看，对话智能体就是与用户进行对话。用户智能体，其实就是接收用户的输入，让人参与其中进行干预。

好了，本文就先写到这里，主要是带大家认识一下AgentScope，并搭建好运行环境。运行了一个简单的示例，让大家对AgentScope的使用有一个简单的认识，没有深入。后面我们随着更多案例的实践，会逐渐深入探索AgentScope的原理及应用。

如果觉得本文对你有帮助，麻烦点个赞和关注呗 ~~~

---

• 大家好，我是 同学小张，日常分享AI知识和实战案例
• 欢迎 点赞 + 关注 👏，持续学习，持续干货输出。
• +v: jasper_8017 一起交流💬，一起进步💪。
• 微信公众号也可搜【同学小张】 🙏

本站文章一览：