Qwen-Agent智能体框架：阿里又一开源王炸！附详细教程

最新推荐文章于 2025-01-15 10:36:38 发布

AI信息Gap

最新推荐文章于 2025-01-15 10:36:38 发布

阅读量2.7k

点赞数 14

文章标签：人工智能机器学习算法 chatgpt OpenAI

本文链接：https://blog.csdn.net/weixin_40774379/article/details/144941809

版权

大家好，我是木易，一个持续关注AI领域的互联网技术产品经理，国内Top2本科，美国Top10 CS研究生，MBA。我坚信AI是普通人变强的“外挂”，专注于分享AI全维度知识，包括但不限于AI科普，AI工具测评，AI效率提升，AI行业洞察。关注我，AI之路不迷路，2025我们继续出发。

AI Agent（智能体） 有多火？

火到OpenAI CEO Sam Altman，谷歌CEO Sundar Pichai，以及Anthropic官方纷纷为它站台，表示AI Agent是2025年的一项重要工作目标。

近日，阿里通义团队开源了一个AI Agent相关的王炸级产品——Qwen-Agent！这是一个专门用来开发AI Agent的应用框架，基于通义自家的Qwen模型，提供了一套完整的解决方案，旨在让Agent开发变得更加高效、便捷。

关于 Qwen-Agent

简单来说，Qwen-Agent是一个帮你快速搭建AI Agent的工具包。可以把它看作一个“脚手架”，将Agent需要的各种能力，比如：理解你说的话（指令遵循）、使用各种工具（工具调用）、自己做计划（规划）、记住你们聊了什么（记忆）等，都打包到了一起。基于Qwen-Agent框架，只需要像搭积木一样，把这些能力组合起来，就能创造出你想要的Agent。

如果Qwen模型是AI Agent的“大脑”，那Qwen-Agent就是它的“四肢和躯干”，赋予其行动能力，使其能够与现实世界进行互动。

Qwen-Agent 核心功能

1. Agent工作流： Qwen-Agent能够赋予Agent类似人类的思维模式，使其在执行任务时先进行思考、制定计划，再逐步执行。例如，当用户指令为“预订一张明天前往北京的机票”，Agent会首先分析任务步骤（例如：查询航班、选择合适的航班、填写乘客信息、支付票款），然后按步骤完成，而非盲目执行。
2. 工具调用能力： Qwen-Agent的一大亮点在于其强大的工具调用能力。这里的“工具”并不仅限于传统的API接口，它可以是任何可被调用的外部程序或服务，例如：
- 调用搜索引擎检索信息
- 利用代码解释器执行Python代码，进行数据分析
- 连接数据库进行数据查询
- 甚至控制智能家居设备
借助这些工具，Agent的能力边界将进一步拓展。
3. 内置代码解释器，执行代码： Qwen-Agent集成了代码解释器，支持直接运行Python代码。这使得Agent不仅限于文本交互，还能胜任代码编写、数值计算、数据分析等任务。（注意：通义官方特别指出，代码解释器目前未进行沙盒隔离，在实际应用中务必注意安全性，避免直接将其用于生产环境。）
4. RAG检索技术： Qwen-Agent支持检索增强生成（RAG）技术。通过接入外部知识库（如企业内部文档、产品手册等），Agent能够结合知识库内容生成更准确、更详实的答案，避免“一本正经地胡说八道”。值得一提的是，Qwen-Agent中的RAG方案是进行了特别优化的，在处理长文档问答时性能表现优秀，甚至好于一些原生支持长上下文的模型。

5. 上下文记忆能力： Qwen-Agent能够赋予AI Agent上下文记忆能力，使其能够记住对话历史，从而实现流畅的、符合语境的多轮对话，避免“金鱼式”对话。
6. Web交互界面： Qwen-Agent支持一键部署Gradio Web界面，为用户提供直观友好的交互环境，方便进行Agent的测试与调试。

Qwen-Agent 快速上手

先附上Qwen-Agent的官方项目地址。

Qwen-Agent官方项目地址：https://pypi.org/project/qwen-agent

Qwen-Agent GitHub 仓库：https://github.com/QwenLM/Qwen-Agent

Qwen-Agent作为一个应用框架，操作简单，很容易上手。

1. 安装：

通过pip命令即可安装Qwen-Agent：（根据需要选择依赖，例如gui、rag、code_interpreter等）

pip install -U "qwen-agent[gui,rag,code_interpreter,python_executor]"

或者从源码进行安装：

git clone https://github.com/QwenLM/Qwen-Agent.git
cd Qwen-Agent
pip install -e ./"[gui,rag,code_interpreter,python_executor]"

2. 配置：

你可以选择直接用阿里云的DashScope模型服务，也可以自己部署开源模型。

DashScope 用户： 只需要设置一下DASHSCOPE_API_KEY环境变量就行。
自己部署： 参考Qwen2的README文档，用vLLM或者Ollama部署一个OpenAI兼容的API服务即可。

3. 示例演示：

以下代码示例将创建一个AI绘图的Agent。（基于官方示例精简）

import pprint
import urllib.parse
import json5
from qwen_agent.agents import Assistant
from qwen_agent.tools.base import BaseTool, register_tool

# 定义一个画图工具
@register_tool('my_image_gen')
class MyImageGen(BaseTool):
    description = 'AI 画图工具，输入描述，返回图片 URL'
    parameters = [{
        'name': 'prompt',
        'type': 'string',
        'description': '详细的图片描述',
        'required': True
    }]

    def call(self, params: str, **kwargs) -> str:
        prompt = json5.loads(params)['prompt']
        prompt = urllib.parse.quote(prompt)
        return json5.dumps(
            {'image_url': f'https://image.pollinations.ai/prompt/{prompt}'},
            ensure_ascii=False)

# 配置 LLM (这里用 DashScope 举例)
llm_cfg = {
    'model': 'qwen-max',
    'model_server': 'dashscope',
    # 'api_key': '你的 DASHSCOPE_API_KEY',  # 或者设置 DASHSCOPE_API_KEY 环境变量
}

# 创建一个 Agent
bot = Assistant(llm=llm_cfg, function_list=['my_image_gen'])

# 运行 Agent
messages = []
while True:
    query = input('你：')
    messages.append({'role': 'user', 'content': query})
    response = []
    for response in bot.run(messages=messages):
        print('Agent：')
        pprint.pprint(response, indent=2)
    messages.extend(response)

运行上面的代码，就可以跟你的Agent聊天了，比如输入“画一幅宁静的夏日海滩风景画”，它就会调用my_image_gen工具，给你返回一个图片的URL。

4. 更多玩法：

Qwen-Agent官方还提供了几个实用的案例：