基于 CrewAI 多智能体框架,手把手构建一个自动化写作应用实战

cnblogs 2024-09-15 08:13:00 阅读 65

基于 CrewAI 多智能体框架,手把手构建一个自动化写作应用实战

利用 CrewAI 多智能体框架,我们可以更细粒度的控制智能体和任务,通过不同的流程组织协同多智能体共同完成工作……

明月皓皓,星河灿烂,中秋佳节,团圆美满。祝大家中秋节快乐!听说台风要来了,也不知道还能不能吃着月饼赏个月?

老牛同学在上文(Agent(智能体)和 MetaGPT,一句话实现整个需求应用代码)和大家一起初步理解了什么是 Agent(智能体)、它具备哪些特性等基础知识,然后想着使用 MetaGPT 这个国内开源的多智能体系统,用一句话让它帮忙写一个贪吃蛇小游戏程序,体验一把当“老板”的乐趣。我们的需求确实是用一句话给了 MetaGPT,只可惜“老板”的乐趣是没有体验到,MetaGPT 倒是给我们留了一个有 Bug 的程序,老牛同学又得做回程序员,修 Bug 去!

MetaGPT 这种端到端的多智能体系统设计本身很有吸引力,但是对它所依赖的基础大语言模型(大模型)有很强的诉求,否则根据一句话的需求产出的结果很难尽人意。老牛同学感觉大模型参数量得 100B 起步才会较好的效果,且需求越复杂,对大模型的要求就会越高。

今天,老牛同学和大家一起看看另外一个多智能体框架 CrewAI,我们使用它,可以像搭乐高积木一样,搭建自己工作流。与 MetaGPT 相比,CrewAI 更加轻量化,定制的灵活性更高,因此老牛同学称它为框架。

大语言模型最擅长的是自然语言生成,那么我们本次就来使用 CrewAI 搭建一个自动化写作系统,本文主要包括以下内容:

  1. CrewAI 框架基本介绍
  2. 本地安装 CrewAI 框架依赖
  3. 使用 CrewAI 逐步地搭建我们的自动化写作系统

本文所有涉及到的源代码,不出意外的话,源代码地址老牛同学会放在评论区~

CrewAI 框架基本介绍

CrewAI 官方开源地址:https://github.com/crewAIInc/crewAI

CrewAI 是一个多智能体框架,主要为角色扮演中的智能体提供自动化配置,以促进智能体之间的合作,共同解决复杂问题。

CrewAI 主要由Agent(智能体)、Task(任务)、Tool(工具)和Crew(团队)模块组成。智能体是具有角色和背景故事、目标和记忆的团队成员;任务是智能体需要完成的任务;工具是智能体使用的设备,用于辅助完成任务;团队则是智能体和任务相结合的容器,是智能体协调合作执行任务的实际场所,智能体由它共同完成实际任务。

CrewAI 框架比较灵活,它不仅支持OpenAI标准 API,还支持Ollama标准 API,它具备如下核心特征:

  1. 角色定制代理:可以根据不同的角色、目标和工具来量身定制代理。
  2. 自动任务委派:代理之间能够自主地分配任务和进行交流,有效提升解题效率。
  3. 任务管理灵活性:可以根据需要自定义任务和工具,并灵活地指派给不同代理。
  4. 流程导向:目前系统仅支持按顺序执行任务,但更加复杂的如基于共识和层级的流程正在研发中。

本地安装 CrewAI 框架依赖

工欲善其事,必先利其器,我们通过Miniconda管理 Python 虚拟环境,Miniconda的安装和使用可以参考老牛同学之前的文章:大模型应用研发基础环境配置(Miniconda、Python、Jupyter Lab、Ollama 等)

# Python虚拟环境名:CrewAI,版本号:3.10

conda create -n CrewAI python=3.10 -y

# 激活虚拟环境

conda activate CrewAI

接下来,我们就可以安装 CrewAI 框架依赖了:

pip install crewai

至此,CrewAI 框架依赖就安装好了,我们接下来使用它来构建一个自动化协作应用。

使用 CrewAI 搭建自动化写作系统

前面提到,智能体依赖的大模型既支持 OpenAI 标准接口,也支持 Ollama 标准接口。老牛同学为了方便演示,使用 Ollama 本地部署Qwen2-7B大模型,有关 Ollama 详细介绍和使用,参见老牛同学之前的文章,本文不在赘述:Ollama 完整教程:本地 LLM 管理、WebUI 对话、Python/Java 客户端 API 应用

第一步: 明确我们的需求】

我们在来想当一次“老板”,还是以儿童绘本故事为例,我们只提供一个主题:由第 1 个智能体根据主题产出绘本故事的构思内容,然后由第 2 个智能体根据第 1 个智能体的构思内容,产出故事内容。

因此,我们需要有 2 个智能体(即:需要定义 2 个角色),分别是:故事内容构思者,和故事内容协作者;他们各自都有一个任务,分别是:产出故事内容构思,和根据构思编写故事

接下来,我们就开始实现我们的智能体了,在此之前,我们先引入CrewAI核心模块类,同时配置大模型:

第二步: 定义构思者角色的智能体】

对于构思者智能体,它的定义如下:

  • 我们要给它设定一个与任务相符的角色(role):为了简单,我们就设定为构思者
  • 我们为这个智能体设定了一个目标(goal):要根据给定的主题({topic}),产出儿童绘本故事内容创意
  • 我们再为规划者智能体设定一个背景故事(backstory):我们尽可能多地设定相关的上下文,比如它的职责、对它产出物的要求等。
  • 我们还要设置一些其它属性:allow_delegation 代表这个智能体不允许把工作委托给其他的智能体;verbose 代表把它的工作详细记录下来,这样我们可以看到它在执行内部任务时是如何运行的

第三步: 定义写作者角色的智能体】

对于写作者智能体来说,它的目标就是:根据构思者所提供的儿童绘本故事创意来编写故事内容。

第四步: 定义每个智能体的任务】

上面我们定义了 2 个智能体角色,现在给他们分别定义 1 个任务:

构思者写作者的任务,均包含了描述、期望输出和分配的智能体等 3 个属性:

  • 描述(description):期望智能体能做什么
  • 预期的输出(expected_output):类似一种强制机制,明确任务的产出结果
  • 智能体(agent):即为这个任务分配智能体

第五步: 让智能体和任务协同工作】

智能体是按照顺序执行任务的,上一个任务的输出,会被作为下一个任务的输入。特别注意:我们提供了topic上下文参数,它在智能体和任务中可以通过{topic}使用。

运行程序,我们可以逐步看到构思者智能体的运行过程内容:

接下来,可以看到写作者智能体的运行过程内容:

最终,所有的智能体执行完成,产出的目标故事内容:

最后:CrewAI 总结说明

通过以上示例,我们了解了 CrewAI 的三个核心模块:Agent智能体,Task任务,Crew团体或者称容器,容器把他们组合在一起。

  • Agent: 一般情况下,一个Agent只做一件事,明确智能体的目标和期望;当然,一个Agent可以执行多项任务。
  • Task: 无论是创建 Agent 还是 Task 都需要明确自己的职责,以及对自己的期望。
  • Crew: 最终把任务,按照串行或并行的方式组织起来。

vLLM CPU 和 GPU 模式署和推理 Qwen2 等大语言模型详细教程

基于 Qwen2/Lllama3 等大模型,部署团队私有化 RAG 知识库系统的详细教程(Docker+AnythingLLM)

使用 Llama3/Qwen2 等开源大模型,部署团队私有化 Code Copilot 和使用教程

基于 Qwen2 大模型微调技术详细教程(LoRA 参数高效微调和 SwanLab 可视化监控)

MiniCPM-V 2.6 面壁“小钢炮”,多图、视频理解多模态模型,部署和推理实战教程

微信公众号:老牛同学



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。