Lagent：从零搭建你的 Multi-Agent

任务一：Lagent搭建过程记录

使用 Lagent 复现文档中 “制作一个属于自己的Agent” 和 “Multi-Agents博客写作系统的搭建”两部分内容，记录复现过程并截图。

1、环境配置

配置开发机：开发机选择 30% A100，镜像选择为 Cuda12.2-conda。

• 首先来为 Lagent 配置一个可用的环境。

# 创建环境
conda create -n lagent python=3.10 -y
# 激活环境
conda activate lagent
# 安装 torch
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y
# 安装其他依赖包
pip install termcolor==2.4.0
pip install streamlit==1.39.0
pip install class_registry==2.1.2
pip install datasets==3.1.0

• 接下来，我们通过源码安装的方式安装 lagent。

# 创建目录以存放代码
mkdir -p /root/agent_camp4
cd /root/agent_camp4
git clone https://github.com/InternLM/lagent.git
cd lagent && git checkout e304e5d && pip install -e . && cd ..
pip install griffe==0.48.0

 2、Lagent框架中Agent的使用

创建一个代码example，创建agent_api_web_demo.py，在里面实现我们的Web Demo：

conda activate lagent
cd /root/agent_camp4/lagent/examples
touch agent_api_web_demo.py

在终端中记得先将获取的API密钥写入环境变量，然后再输入启动命令：

export token='your_token_here'
streamlit run agent_api_web_demo.py

接下来，在本地浏览器中打开 http://localhost:8501/：

尝试进行几轮简单的对话，并让其搜索文献，会发现大模型现在尽管有比较好的对话能力，但是并不能帮我们准确的找到文献，例如输入指令“帮我搜索一下最新版本的MindSearch论文”，会提示没有这方面的能力，以下是尝试对话并搜索文献的截图：

3、“Multi-Agents博客写作系统的搭建”

首先，创建一个新的 Python 文件 multi_agents_api_web_demo.py，并进入 lagent 环境：

conda activate lagent
cd /root/agent_camp4/lagent/examples
touch multi_agents_api_web_demo.py

运行streamlit run multi_agents_api_web_demo.py，启动Web服务 输入话题，比如Semi-Supervised Learning，可以看到，Multi-Agents博客写作系统正在按照下面的3步骤，生成、批评和完善内容。