Agently-- AI 应用开发框架

Linux运维老纪

于 2025-05-08 00:15:00 发布

阅读量400

点赞数 7

分类专栏：志存高远，追求人工智能技术文章标签：人工智能大数据运维开发云计算 linux mysql

本文链接：https://blog.csdn.net/J56793/article/details/142904053

版权

志存高远，追求人工智能技术专栏收录该内容

13 篇文章

订阅专栏

Agently-- AI 应用开发框架

基本介绍

Agently 是一款应用开发框架，开发者可以通过在代码中直接使用和构建 AI 代理的方式，快速构建 AI 代理原生应用程序。对于开发者来说，创建一个 AI 代理实例并与之交互的过程，就好像在极少量代码中调用函数一样简单。

Agently 的主要特性如下：

易用、灵活、高效
符合工程开发直觉的开发语法，让开发者专注在业务表达，屏蔽无关思考
用 GPT-3.5+ 级别的低价模型平替原本只能用 GPT-4 完成的工作，成本立减 99%
支持各类主流模型随意切换，不冲击业务逻辑，帮助开发者提升模型输出控制能力
代码级编排复杂工作流，构建复杂 AI 应用场景

Agently 的目标是成为友好的开发框架，主要有以下几个方面的内涵：

让开发者专注在业务开发上，单次请求由 Agent 对象代理，多轮请求编排由 Workflow 完成，并提供了简单顺畅的语法，业务开发的时候，思路极其顺滑
模型调用新增模型适配、Agent 对象新增指令、存储方法新增数据存储类型，都通过插件完成
通过框架内部的架构设计，将模型适配、插件增强和业务表达三个层次完全解耦，任何一层的变动都不会严重冲击其他层，确保业务逻辑层表达的稳定性
文档丰富，社区热情，开发团队 On Call 及时，并乐于分享方法论
为 AI 应用开发者降低开发门槛，提供高效、顺滑的开发体验

Agently 构建的代理结构如下图所示：

开源地址：https://github.com/Maplemx/Agently

官网地址：https://agently.cn/index.html

模型支持：https://agently.cn/guides/model_settings/index.html

工作流：https://agently.cn/guides/workflow/index.html

创始人：莫欣（先生）

安装方法

Agently 的安装极其简单，只需要在终端命令行中执行以下命令，等待 Python 包安装完成即可。

pip install -U Agently 🔔 pip 版本需要满足一定要求，若遇到安装问题请先升级 pip 版本🔔 升级命令：python3 -m pip install --upgrade pip   输出信息：Successfully installed pip-24.2

使用方法（示例）

1、生成内容

import Agently '''创建 Agent 实例'''agent = (    Agently.create_agent()        .set_settings("current_model", "ZhipuAI")        .set_settings("model.ZhipuAI.auth", { "api_key": "your_api_key" })) '''基础请求示例'''result = (    agent        .input("为我输出5个单词和3个句子")        .instruct("输出语言", "中文")        .output({            "单词": [("str", )],            "句子": ("list", ),        })        .start()) print(result) # 输出如下：{'单词': ['书籍', '音乐', '快乐', '创新', '和平'], '句子': ['我喜欢阅读各种各样的书籍。', '音乐是我生活中不可或缺的部分。', '快乐是一种心态，也是一种选择。']}

可以看到，在创建 Agent 实例时笔者指定语言模型为 ZhipuAI（智谱清言），并提供可用的 API KEY，然后通过 Agent 实例发出基础请求以调用智谱清言 API 的能力，最终自动生成所需内容（即以中文输出 5 个单词、3 个句子）。

智谱清言 API KEY 获取地址：

https://open.bigmodel.cn/usercenter/apikeys

2、聊天互动

import Agentlyagent_factory = Agently.AgentFactory() agent_factory\ .set_settings("current_model", "ZhipuAI")\ .set_settings("model.ZhipuAI.auth", { "api_key": "your_api_key" }) agent = agent_factory.create_agent()agent.active_session()while True: user_input = input("[用户]: ") if user_input == "#exit": print("Bye") break print("[AGENT]: ", end="") agent\ .input(user_input)\ .on_delta(lambda data: print(data, end=""))\ .start() print("")

3、分析日志

import Agently, osagent_factory = Agently.AgentFactory() agent_factory\    .set_settings("current_model", "ZhipuAI")\    .set_settings("model.ZhipuAI.auth", { "api_key": "xxx" }) agent = agent_factory.create_agent()agent.active_session() os.system("kubectl describe no > /data/gitlab/node.log") with open('/data/gitlab/node.log', 'r') as f:    user_input = f.read() + '\n分析以上信息中是否存在异常，若存在异常请给出解决方案' print("[AGENT]: ", end="") agent\    .input(user_input)\     .on_delta(lambda data: print(data, end=""))\    .start()print("\n")