基于AgentScope框架，搭建简单的Agent应用代码

阿里的AgentScope框架使用初体验：我认为上手还是比较快的，并且能够简单的搭建起一个简单的Agent交流环境，每个模块的使用也是很清晰的。

1.AgentScope的内置Agent：

AgentScope里面也预置了许多能够直接使用的Agent，能够让程序员只付出有限的时间就能够搭建起一个相对不错的应用。
下图为AgentScope内置的一些Agent说明：

2.AgentScope小实战演示：

第一步.下载AgentScope框架:

pip install agentscope

第二步.准备模型配置文件:

model_configs = {
    "model_type": "dashscope_chat",
     "config_name": "qwen",
     "model_name": "qwen-plus",
      "api_key": "<Your key>",
    "generate_args": {
        "temperature": 0.5
    }
}

我这里使用的是通义千问大模型，可以直接去通义官网 (aliyun.com)进行注册，新用户会送一定量的token，用来学习的话肯定是足够了。

第三步.连接AgentScope：

import agentscope

agentscope.init(model_configs=model_configs)

第四步.创建多个Agent：

from agentscope.agents import DialogAgent

agent1 = DialogAgent(
    name="李浩然",
    sys_prompt="一位年轻有为的企业家，是某科技公司的创始人兼CEO。他凭借敏锐的商业洞察力和卓越的领导能力，在科技领域取得了显著成就。",
    model_config_name="qwen"
)

agent2 = DialogAgent(
    name="林婉儿",
    sys_prompt="李浩然的妻子，也是一名知名设计师。她曾在国际设计公司工作，后回归家庭支持李浩然的事业。她不仅美丽大方，还是李浩然事业上的得力助手和生活中的温柔伴侣。",
    model_config_name="qwen"
)

agent3 = DialogAgent(
    name="张天磊",
    sys_prompt="李浩然的挚友和合作伙伴，是一位资深投资人。他曾在华尔街工作多年，拥有丰富的投资经验。回国后，他与李浩然共同创立了科技公司，为公司提供了宝贵的资金支持和战略指导。",
    model_config_name="qwen"
)

 这里的人物设定均为大模型自拟出来，无任何暗示，仅供样例展示。这里的三个Agent都是基于DialogAgent（文本对话Agent）来进行创建的，可以更好的展示其关系。当然大家也可以根据自己的需要和想法来设置自己的Agent来进行体验。

第五步.将这几个Agent放入到特定情境之中，查看其对话状况：

from agentscope import msghub
from agentscope.message import Msg

msg = Msg(name="合作企业总裁", content="你们可以谈一下关于公司未来发展的战略规划。")
with msghub(participants=[agent1,agent2,agent3], announcement=msg) as hub:
    print(agent1())
    print(agent2())
    print(agent3())

 这里就是我随便找的一个讨论的话题，方便大家查看其效果。人物和问题和上面一样，都是可以自行更改的。

第六步.查看运行结果：

这里可以看到他们已经根据该话题进行了讨论，而且他们的讨论结果是相互独立的，与他们自身的角色设定有关。这就显示出了Agent与大模型结合的魅力，能够有着独立的见解和回答，使得更加大模型能够在更加复杂的情况下完成相应的工作。

 3.总结：

随着大型语言模型 （LLM） 的快速发展，多智能体应用取得了重大进展。然而，协调代理合作的复杂性和 LLM 不稳定的性能给开发健壮高效的多智能体应用程序带来了显著的挑战。而AgentScope能够很好的适应开发所带来的困难，能够帮助开发人员搭建想要的智能体应用。

AgentScope开源代码社区: https://github.com/modelscope/AgentScope