أظهر التطورات الحديثة أن الوكلاء اللغويين، ولا سيما تلك التي بنيت على نماذج اللغة الكبيرة (LLMs)، لديهم إمكانية أداء مجموعة واسعة من المهام المعقدة في بيئات متنوعة باستخدام اللغة الطبيعية. ومع ذلك، فإن التركيز الرئيسي لأغلب إطارات الوكلاء اللغويين في الوقت الحالي هو تسهيل بناء وكلاء لغويين لإثبات المفهوم. يأتي هذا التركيز غالبًا مع قلة الاهتمام بالتصاميم على مستوى التطبيق وغالبًا ما يهمل إمكانية الوصول إلى هذه الوكلاء للمستخدمين غير الخبراء.

为了弥补语言代理当前的局限性，开发人员已经提出 OpenAgents 框架，一个用于托管和部署语言代理的开源平台，目前该框架围绕三个内部代理构建：

• 数据代理： 使用数据工具、SQL 查询语言或 Python 编程语言帮助数据分析。

• 插件代理： 通过提供超过 200 多个 API 工具来帮助日常任务。

• 网络代理： 帮助在浏览网络的同时保持匿名。

OpenAgents 框架使用针对常见故障和快速响应进行优化的 Web 用户界面，尝试允许一般用户与代理功能交互，同时为研究人员和开发人员提供无缝的本地部署体验。可以说，OpenAgents 框架是为促进现实世界评估和打造创新、有效和先进的语言代理提供坚实基础的尝试。

在今天的文章中，我们将更深入地探讨 OpenAgents 框架，并更详细地讨论该框架。我们将讨论框架的工作原理和架构，同时也讨论常见的挑战和结果。所以，让我们开始吧。

OpenAgents 和语言代理：介绍

语言代理在其核心上源自智能代理。这些智能代理被概念化为具有自主问题解决能力，以及感知环境、做出决定和采取行动的能力。随着大型语言模型的进步，全球开发社区利用了智能代理和 LLMs 的概念来创建语言代理。这些代理使用自然语言编程（NLP）来执行各种复杂任务，并且最近显示出巨大的潜力。

当前的语言代理框架，例如 Gravitas 和 Chase，主要为开发人员提供控制台界面，以及概念验证实现。然而，它们通常限制了对更广泛受众的访问，特别是那些不熟悉编码的用户。此外，当前的代理基准是由开发人员构建的，具有特定的确定性评估要求，特别是在需要网络浏览、编码、工具利用或以上所有的场景中。

为了开发针对更广泛用户群的 LLM 驱动的智能和语言代理，像 OpenAI 和 Microsoft 这样的知名公司已经部署了一系列精心设计的产品，包括高级数据分析，也称为代码解释器，以及浏览器插件。虽然这些代理在其功能上是有效的，但它们为开发社区提供的帮助有限。这是因为业务逻辑代码和模型实现没有开源，阻碍了开发人员和研究人员进一步探索它们的机会，并且限制了用户的免费访问。

为了解决这个问题，开发人员已经提出 OpenAgents，一个用于托管和使用代理的开源平台，目前该平台围绕三个内部代理构建：

• 数据代理： 使用数据工具、SQL 查询语言或 Python 编程语言帮助数据分析。

• 插件代理： 通过提供超过 200 多个 API 工具来帮助日常任务。

• 网络代理： 帮助在浏览网络的同时保持匿名。

以下图表展示了 OpenAgents 平台供一般用户、开发人员和研究人员使用。

… (rest of the translation remains the same, following the exact structure and format as the original)