Perkembangan terbaru telah menunjukkan bahwa agen bahasa, terutama yang dibangun pada model bahasa besar (LLM), memiliki potensi untuk melakukan berbagai tugas kompleks dalam lingkungan yang beragam menggunakan bahasa alami. Namun, fokus utama dari sebagian besar kerangka agen bahasa saat ini adalah pada memfasilitasi pembangunan agen bahasa proof-of-concept. Fokus ini sering kali datang dengan sedikit atau tidak ada perhatian pada desain aplikasi dan sering mengabaikan aksesibilitas agen ini untuk pengguna non-ahli.

Untuk mengatasi keterbatasan saat ini yang dialami oleh agen bahasa, pengembang telah menciptakan kerangka OpenAgents, sebuah platform terbuka untuk hosting dan mengirimkan agen bahasa di dunia nyata, dan di seluruh tugas sehari-hari. Kerangka OpenAgents dibangun di sekitar tiga agen

• Agen Data : Membantu dengan Analisis Data menggunakan alat data, dan bahasa query seperti SQL, atau bahasa pemrograman seperti Python.

• Agen Plugin : Membantu dengan menyediakan akses ke lebih dari 200+ alat API yang berguna untuk tugas sehari-hari.

• Agen Web : Membantu dalam menjelajahi web sambil mempertahankan anonimitas Anda.

Kerangka OpenAgents menggunakan antarmuka pengguna web yang dioptimalkan untuk kegagalan umum dan respon cepat dalam upaya untuk memungkinkan pengguna umum berinteraksi dengan fungsi agen, sementara pada saat yang sama, menawarkan peneliti dan pengembang pengalaman penerapan yang mulus pada pengaturan lokal mereka. Dapat dikatakan bahwa kerangka OpenAgents adalah upaya untuk menyediakan fondasi yang kuat untuk memfasilitasi evaluasi dunia nyata, dan menciptakan agen bahasa inovatif, efektif, dan canggih.

Dalam artikel hari ini, kita akan membahas lebih dalam tentang kerangka OpenAgents, dan membahas tentang kerangka tersebut dengan lebih rinci. Kita akan membahas tentang arsitektur dan kerja kerangka, serta membahas tantangan umum yang dihadapi, dan hasilnya. Jadi mari kita mulai.

OpenAgents dan Agen Bahasa : Pengantar

Agen bahasa, pada intinya, berasal dari agen pintar. Agen pintar ini dikonseptualisasikan untuk memiliki kemampuan pemecahan masalah otonom, serta kemampuan untuk merasakan lingkungan mereka, membuat keputusan, dan bertindak sesuai. Dengan kemajuan model bahasa besar, komunitas pengembangan global telah memanfaatkan konsep agen pintar dan LLM untuk menciptakan agen bahasa. Agen ini menggunakan pemrograman bahasa alami (NLP) untuk melakukan berbagai tugas kompleks dalam lingkungan yang beragam, dan mereka baru-baru ini menunjukkan potensi luar biasa.

Saat ini, kerangka agen bahasa seperti Gravitas dan Chase, terutama menyediakan antarmuka konsol yang dirancang untuk pengembang, serta implementasi proof-of-concept. Namun, mereka sering kali membatasi akses ke audiens yang lebih luas, terutama mereka yang tidak terampil dalam pemrograman. Selain itu, benchmark agen saat ini dibangun oleh pengembang dengan persyaratan tertentu untuk evaluasi deterministik, terutama dalam skenario yang memerlukan penjelajahan web, pemrograman, penggunaan alat, atau kombinasi dari semua itu.

Dalam upaya untuk mengembangkan agen bahasa yang cerdas dan berdaya guna untuk basis pengguna yang lebih luas, pemain mapan seperti OpenAI dan Microsoft (MSFT ) telah mengirimkan berbagai produk yang dirancang dengan baik, termasuk Analisis Data Lanjutan, juga dikenal sebagai Interpreter Kode, dan plugin browser. Meskipun agen ini efektif dalam fungsinya, mereka menawarkan bantuan terbatas bagi komunitas pengembangan. Keterbatasan ini muncul karena logika bisnis kode dan implementasi model belum dibuka, menghambat kesempatan bagi pengembang dan peneliti untuk lebih menjelajahi mereka, serta membatasi akses gratis bagi pengguna.

Dalam upaya untuk mengatasi masalah ini, pengembang telah menciptakan OpenAgents, sebuah platform sumber terbuka untuk hosting dan menggunakan agen, dan saat ini dibangun di atas tiga agen internal

• Agen Data : Membantu dengan Analisis Data menggunakan alat data, dan bahasa query seperti SQL, atau bahasa pemrograman seperti Python.

• Agen Plugin : Membantu dengan menyediakan akses ke lebih dari 200+ alat API yang berguna untuk tugas sehari-hari.

• Agen Web : Membantu dalam menjelajahi web sambil mempertahankan anonimitas Anda.

Gambar berikut menunjukkan platform OpenAgents untuk pengguna umum, pengembang, dan peneliti.

1. Bukannya menggunakan paket yang dirancang untuk programmer atau konsol, pengguna umum dapat berinteraksi dengan tiga agen dalam kerangka OpenAgents menggunakan antarmuka web online.
2. Pengembang dapat menggunakan logika bisnis dan kode penelitian yang disediakan oleh kerangka OpenAgents untuk mengirimkan backend dan frontend dengan mulus untuk pengembangan lebih lanjut.
3. Peneliti memiliki fleksibilitas untuk membangun agen bahasa baru dari awal, atau mengimplementasikan metode agen yang terkait menggunakan komponen dan contoh yang dibagikan, dan mengevaluasi kinerja menggunakan antarmuka web.

Untuk merangkum, kerangka OpenAgents awalnya dimaksudkan untuk menjadi platform holistik dan realistis untuk evaluasi agen bahasa yang melibatkan manusia, yang memungkinkan pengguna berinteraksi dengan agen ini untuk menyelesaikan berbagai tugas, dan interaksi manusia-agen ini serta umpan balik pengguna disimpan dan dianalisis untuk pengembangan dan evaluasi lebih lanjut.

Bagi mereka yang tidak menyadari, LLM prompting adalah proses yang memungkinkan pengembang untuk membuat instruksi yang melindungi terhadap input yang tidak diinginkan, meningkatkan estetika output, dan memenuhi logika backend. Selama fase pengembangan, pengembang yang bekerja pada kerangka OpenAgents menggunakan teknik LLM prompting untuk menekankan pentingnya menentukan persyaratan aplikasi secara efektif. Namun, pengembang segera menyadari bahwa pembangunan instruksi atau LLM prompts ini dapat menjadi substansial pada saat-saat tertentu yang dapat mempengaruhi kemampuan penanganan konteks kerangka LLM, serta batasan token. Pengembang juga menyadari bahwa untuk mengirimkan agen ini secara efektif di dunia nyata, model agen harus tidak hanya menunjukkan kinerja yang luar biasa, tetapi juga harus dapat menangani berbagai skenario interaktif dalam waktu nyata. Meskipun kerangka agen saat ini telah mencakup kinerja, mereka sering kali mengabaikan pertimbangan dunia nyata, terutama dalam waktu nyata, yang sering kali mengaburkan potensi sebenarnya dari kerangka LLM dengan mengorbankan responsif atau akurasi.

Dalam gambar berikut, kita membandingkan kerangka OpenAgents secara langsung dengan karya yang ada pada benchmark agen dan pembangunan prototipe.

OpenAgents : Desain Platform dan Implementasi

Desain sistematis atau arsitektur platform OpenAgents dapat dibagi menjadi dua komponen utama: Antarmuka Pengguna, termasuk backend dan frontend, dan Agen Bahasa, yang terdiri dari alat, model bahasa, dan lingkungan. Kerangka OpenAgents menyediakan antarmuka untuk komunikasi antara pengguna dan agen. Alur interaksi dalam kerangka ini adalah sebagai berikut.

Agen menggunakan alat yang tersedia untuk mereka untuk merencanakan dan mengambil tindakan yang diperlukan dalam lingkungan setelah mereka menerima input dari pengguna. Arsitektur atau desain sistematis kerangka ini ditunjukkan dalam gambar berikut.

Antarmuka Pengguna

Pengembang kerangka OpenAgents telah memikirkan dan berusaha keras untuk mengembangkan tidak hanya antarmuka yang sangat fungsional tetapi juga antarmuka pengguna yang ramah setelah menangani sejumlah besar agen dan logika bisnis yang dapat digunakan kembali. Sebagai hasilnya, kerangka OpenAgents membanggakan dengan menyediakan dukungan untuk berbagai tugas teknis termasuk penanganan kesalahan, operasi server backend, streaming data, dan banyak lagi, dengan tujuan utama untuk membuat kerangka OpenAgents ramah pengguna, tetapi sangat efektif dan dapat digunakan pada saat yang sama.

Agen Bahasa

Dalam kerangka OpenAgents, agen bahasa memiliki tiga komponen esensial: antarmuka alat, model bahasa, dan lingkungan itu sendiri. Metode prompting yang diimplementasikan dalam kerangka OpenAgents menciptakan proses berurutan untuk agen yang dimulai dengan Pengamatan -> Pertimbangan -> Tindakan. Kerangka ini juga meminta LLM untuk menghasilkan teks yang dapat diparse dengan efisiensi yang ditingkatkan, dan antarmuka alat terdiri dari parser yang dapat menerjemahkan teks yang dihasilkan LLM menjadi tindakan yang dapat dieksekusi seperti membuat panggilan API atau menghasilkan kode. Tindakan ini kemudian dieksekusi oleh kerangka dalam batas lingkungan yang sesuai.

Agen OpenAgents

Di inti OpenAgents, ada tiga agen yang berbeda: Agen Data yang membantu dengan Analisis Data menggunakan alat data, dan bahasa query seperti SQL, atau bahasa pemrograman seperti Python, Agen Plugin yang membantu dengan menyediakan akses ke lebih dari 200+ alat API yang berguna untuk tugas sehari-hari, dan Agen Web yang membantu dalam menjelajahi web sambil mempertahankan anonimitas Anda. Agen-agen ini memiliki keahlian domain individu yang serupa dengan plugin ChatGPT, namun tidak seperti ChatGPT, implementasi pada OpenAgents didasarkan sepenuhnya di atas antarmuka pemrograman aplikasi bahasa terbuka atau API.

Agen Data

Agen data dalam kerangka OpenAgents telah dirancang dan diterapkan untuk menangani berbagai tugas yang terkait dengan data yang dihadapi pengguna akhir secara teratur. Agen data mendukung pembuatan kode dan eksekusi dalam dua bahasa pemrograman, yaitu SQL dan Python, dan agen juga memiliki beberapa alat data yang tersedia, termasuk Profiling Data untuk menyediakan informasi data dasar, Pencarian Data Kaggle untuk mencari dataset, dan Alat ECharts untuk membuat grafik interaktif ECharts. Selain itu, kerangka OpenAgents meminta agen data untuk menggunakan alat-alat ini secara proaktif untuk merespons permintaan pengguna akhir secara efektif. Selain itu, mengingat kebutuhan pemrograman yang luas, kerangka OpenAgents memilih model bahasa yang tertanam untuk agen data, dan bukan agen yang menghasilkan kode, melainkan alat seperti Python, ECharts, dan SQL yang menghasilkan kode. Dengan pendekatan ini, kerangka dapat memanfaatkan kemampuan pemrograman model bahasa secara penuh, dan dengan demikian mengurangi beban pada agen data.

Dengan bantuan alat-alat ini, agen data dapat mengelola berbagai permintaan yang terkait dengan data, dan melakukan visualisasi data, manipulasi, dan kueri dengan mahir, sehingga melebihi batas kode dan generasi teks. Gambar berikut menunjukkan agen data dalam aksi, dan alat yang tersedia untuk pengguna umum.

Agen Plugin

Agen plugin dalam kerangka OpenAgents telah dirancang oleh pengembang dengan hati-hati untuk memenuhi kebutuhan pengguna yang multifaset untuk tugas sehari-hari, termasuk pencarian internet, belanja online, membaca berita, atau membuat situs web dan aplikasi dengan menyediakan akses ke lebih dari 200 plugin, dengan perhatian khusus pada antarmuka panggilan fungsi, ping API, dan panjang respons API. Beberapa plugin yang menonjol termasuk

1. Pencarian Google
2. Wolfram Alpha
3. Zapier
4. Klarna
5. Coursera
6. Show Me
7. Speak
8. AskYourPDF
9. BizTok
10. Klook

Berdasarkan kebutuhan dan persyaratan mereka, pengguna dapat memilih jumlah plugin yang mereka inginkan agen plugin untuk digunakan, dan cara kerjanya ditunjukkan dalam gambar berikut.

Selain itu, untuk membantu pengguna dalam situasi di mana mereka tidak yakin plugin mana yang akan memenuhi kebutuhan mereka terbaik, kerangka OpenAgents menawarkan pengguna fitur yang secara otomatis memilih plugin yang paling relevan dengan instruksi mereka.

Agen Web

Kerangka OpenAgents memperkenalkan agen web sebagai alat khusus yang ditugaskan untuk meningkatkan efisiensi dan kemampuan agen obrolan. Meskipun agen obrolan masih menampung antarmuka interaksi utama, agen web diintegrasikan secara mulus ketika diperlukan. Respon akhir kemudian disampaikan kepada pengguna akhir oleh agen web, dan prosesnya diilustrasikan dalam gambar berikut.

Strategi desain yang diimplementasikan dalam agen web ini terbukti sangat bermanfaat karena agen obrolan memproses parameter penting atau memulai URL secara sistematis, sebelum mereka dipindahkan ke agen web, sehingga memastikan keselarasan yang lebih baik antara kebutuhan pengguna dan output yang dihasilkan, sehingga menghasilkan komunikasi yang jelas. Selain itu, strategi ini juga memungkinkan agen web untuk menampung kueri pengguna yang berlapis dan adaptif dengan menggunakan navigasi web multi-turn dinamis yang dikombinasikan dengan dialog obrolan. Dengan demikian, dengan memisahkan peran dan tanggung jawab agen obrolan dan agen browsing secara jelas, kerangka OpenAgents memungkinkan penyempurnaan dan evolusi setiap modul individu.

OpenAgents : Aplikasi Praktis dan Penerapan Dunia Nyata

Dalam bagian ini, kita akan membahas tentang perjalanan kerangka OpenAgents dari konseptualisasi hingga penerapan di dunia nyata, serta tantangan yang dihadapi, dan pelajaran yang dipelajari, serta kompleksitas evaluasi yang diatasi oleh pengembang.

Menggunakan Prompt untuk Mengubah Model Bahasa Besar menjadi Aplikasi Dunia Nyata

Ketika menggunakan prompt LLM untuk membangun aplikasi dunia nyata untuk pengguna akhir, kerangka OpenAgents menggunakan instruksi prompt untuk menentukan persyaratan tertentu. Tujuan dari beberapa instruksi adalah untuk memastikan output sesuai dengan format tertentu, sehingga memungkinkan logika backend untuk diproses, sementara tujuan dari instruksi lainnya adalah untuk meningkatkan estetika output, sementara yang lain melindungi kerangka dari serangan yang berpotensi berbahaya.

Faktor Dunia Nyata yang Tidak Terkendali

Ketika pengembang menerapkan kerangka OpenAgents di dunia nyata, mereka dihadapkan pada berbagai faktor dunia nyata yang tidak terkendali yang dipicu oleh infrastruktur internet, pengguna, logika bisnis, dan lain-lain. Faktor-faktor ini memaksa pengembang untuk meninjau kembali dan menyetel ulang beberapa asumsi berdasarkan penelitian sebelumnya, dan mereka dapat menyebabkan situasi di mana pengguna akhir mungkin tidak puas dengan respon yang dihasilkan oleh kerangka.

Kompleksitas Evaluasi

Meskipun agen yang dibangun khusus untuk aplikasi mungkin memiliki aplikasi yang lebih luas dan memfasilitasi evaluasi yang lebih baik, namun hal ini menambah kompleksitas pembangunan aplikasi yang didukung LLM, sehingga membuatnya sulit untuk menganalisis kinerja aplikasi. Pendekatan ini juga menambah ketidakstabilan dan memperpanjang rantai sistem LLM, sehingga membuatnya sulit bagi kerangka untuk beradaptasi dengan komponen yang berbeda. Oleh karena itu, penting untuk menyempurnakan desain sistem dan logika operasional agen ini untuk menyederhanakan prosedur dan memastikan output yang efektif.

Pemikiran Akhir

Dalam artikel ini, kita telah membahas tentang kerangka OpenAgents, sebuah platform terbuka untuk hosting dan mengirimkan agen bahasa di dunia nyata, dan di seluruh tugas sehari-hari. Kerangka OpenAgents dibangun di sekitar tiga agen: Agen Data, yang membantu dengan Analisis Data menggunakan alat data, dan bahasa query seperti SQL, atau bahasa pemrograman seperti Python, Agen Plugin, yang membantu dengan menyediakan akses ke lebih dari 200+ alat API yang berguna untuk tugas sehari-hari, dan Agen Web, yang membantu dalam menjelajahi web sambil mempertahankan anonimitas Anda. Kerangka OpenAgents menggunakan antarmuka pengguna web yang dioptimalkan untuk kegagalan umum dan respon cepat dalam upaya untuk memungkinkan pengguna umum berinteraksi dengan fungsi agen, sementara pada saat yang sama, menawarkan peneliti dan pengembang pengalaman penerapan yang mulus pada pengaturan lokal mereka. Dengan menyediakan platform yang transparan, holistik, dan dapat diterapkan, OpenAgents bertujuan untuk membuat potensi LLM dapat diakses oleh berbagai pengguna, tidak hanya peneliti dan pengembang, tetapi juga pengguna akhir dengan keterampilan teknis terbatas.