Lagent 自定义你的 Agent 智能体

embedded/2024/9/25 5:25:49/

一、Lagent 介绍

Lagent (https://github.com/InternLM/lagent)是一个轻量级开源智能体框架,旨在让用户可以高效地构建基于大语言模型的智能体。同时它也提供了一些典型工具以增强大语言模型的能力。

Lagent 目前已经支持了包括 AutoGPT、ReAct 等在内的多个经典智能体范式,也支持了如下工具:

  • Arxiv 搜索
  • Bing 地图
  • Google 学术搜索
  • Google 搜索
  • 交互式 IPython 解释器
  • IPython 解释器
  • PPT
  • Python 解释器

其基本结构如下所示:

二、环境配置

git clone https://github.com/InternLM/lagent.git cd lagent &&  pip install -e . 

其他依赖项参考readme进行配置。请注意lmdeploy的版本,其他版本可能会报错:

pip install lmdeploy==0.5.2

三、Lagent Web Demo 使用

首先,我们先使用 LMDeploy 部署 InternLM2.5-7B-Chat,并启动一个 API Server。

lmdeploy serve api_server /share/new_models/Shanghai_AI_Laboratory/internlm2_5-7b-chat --model-name internlm2_5-7b-chat

然后,我们在另一个窗口中启动 Lagent 的 Web Demo

streamlit run examples/internlm2_agent_web_demo.py

在等待两个 server 都完全启动(如下图所示)后,我们在 本地 的 PowerShell 中输入如下指令来进行端口映射:

ssh -CNg -L 8501:127.0.0.1:8501 -L 23333:127.0.0.1:23333 root@ssh.intern-ai.org.cn -p <你的 SSH 端口号>

接下来,在本地浏览器中打开 localhost:8501,并修改模型名称一栏为 internlm2_5-7b-chat,修改模型 ip一栏为127.0.0.1:23333输入后需要按下回车以确认!

然后,我们在插件选择一栏选择 ArxivSearch,并输入指令“帮我搜索一下 MindSearch 论文”。

四、基于 Lagent 自定义智能体

1.使用 Lagent 自定义工具主要分为以下几步:

继承 BaseAction 类
实现简单工具的 run 方法;或者实现工具包内每个子工具的功能
简单工具的 run 方法可选被 tool_api 装饰;工具包内每个子工具的功能都需要被 tool_api 装饰使用 Lagent 自定义工具主要分为以下几步:

2.定义一个获取当前时间的工具类

touch lagent/actions/magicmakerdatetimer.py
import json
import requestsfrom lagent.actions.base_action import BaseAction, tool_api
from lagent.actions.parser import BaseParser, JsonParser
from lagent.schema import ActionReturn, ActionStatusCode
from datetime import datetimeclass DateTimer(BaseAction):def __init__(self):super().__init__()@tool_apidef get_current_datetime(self) -> dict:# 获取当前日期和时间current_datetime = datetime.now()formatted_datetime = current_datetime.strftime("%Y-%m-%d %H:%M:%S")return {'datetime': formatted_datetime}

3.适配工具

修改lagent/examples/internlm2_agent_web_demo.py 来适配我们的自定义工具

导入包:from lagent.actions.datetimer import DateTimer

在action_list里面加入自定义的工具:

class SessionState:def init_state(self):"""Initialize session state variables."""st.session_state['assistant'] = []st.session_state['user'] = []action_list = [ArxivSearch(),MagicMaker(),DateTimer(),]

4.根据第三部分介绍的内容启动 Web Demo 

自定义工具被正常调用


http://www.ppmy.cn/embedded/94286.html

相关文章

保姆级教程,一文了解LVS

目录 一.什么是LVS tips: 二.优点&#xff08;为什么要用LVS&#xff1f;&#xff09; 三.作用 四.程序组成 五.LVS 负载均衡集群的类型 六.分布式内容 六.一.分布式存储 六.二.分布式计算 六.三.分布式常见应用 tips&#xff1a; 七.LVS 涉及相关的术语 八.LVS 负…

Lambda 表达式:解锁编程世界的魔法之门

引言 在这个技术日新月异的时代&#xff0c;编程语言不断进化以适应日益复杂的软件开发需求。其中&#xff0c;Lambda表达式作为一门现代编程语言的重要特性&#xff0c;已经成为了提升代码效率与可读性的关键工具。无论你是刚刚踏入编程领域的新手&#xff0c;还是已经在软件…

【VScode】如何在anaconda虚拟环境中打开vscode项目

文章目录 【必备知识】打开anaconda虚拟环境切换到项目工作目录激活anaconda虚拟路径让vscode从当前目录打开 【必备知识】 anaconda环境变量配置及配置python虚拟环境 https://blog.csdn.net/xzzteach/article/details/140621596 打开anaconda虚拟环境 切换到项目工作目录 …

面向数据科学家的实用贝叶斯推理

目录 一、说明 二、贝叶斯定理 三、数学框架 四、在数据科学中的应用&#xff1a; 4.1 A/B 测试&#xff1a; 4.2 机器学习算法&#xff1a; 4.2.1. 朴素贝叶斯分类器 4.2.2. 贝叶斯网络 4.2.3. 预测&#xff1a; 五、结论 一、说明 Bayesian Inference 是一种方便的…

软件包管理|npm【前端工具链】

项目中的依赖 依赖是指可能由他人编写的第三方软件&#xff0c;理想情况下能够为你解决单一的问题。 一个 Web 项目可以有任意数量的依赖&#xff0c;从无到多&#xff0c;并且你的依赖里可以包含了你没有明确安装的子依赖&#xff08;依赖的依赖&#xff09;。 项目依赖可以…

51单片机个人学习笔记16(红外遥控)

前言 本篇文章属于STC89C52单片机&#xff08;以下简称单片机&#xff09;的学习笔记&#xff0c;来源于B站教学视频。下面是这位up主的视频链接。本文为个人学习笔记&#xff0c;只能做参考&#xff0c;细节方面建议观看视频&#xff0c;肯定受益匪浅。 [1-1] 课程简介_哔哩…

数据可视化(医疗数据)

目 录 第1章 绪 论 1 1.1 课题背景及研究目的 1.2 课题研究内容 第2章 课题概要及关键技术 2.1 课题概要 2.2 数据说明 2.3 关键技术 第3章 数据分析 3.1 数据统计分析 3.2 可视化分析 第4章 数据建模 4.1 数据预处理 4.2 模型构建 第5章 模型评估与应用 5.1 模型…

RK3399平台开发系列讲解(内核入门篇)内核模块符号的导出

🚀返回专栏总目录 文章目录 一、为啥需要导出符号二、符号表三、内核模块符号导出四、案例沉淀、分享、成长,让自己和他人都能有所收获!😄 📢这里的符号主要指的是全局变量和函数。 一、为啥需要导出符号 Linux 内核采用的是以模块化形式管理内核代码。内核中的每个模…