Microsoft AutoGen: Quy trình làm việc AI đa tác nhân với tính năng tự động hóa nâng cao

Microsoft Research đã giới thiệu AutoGen vào tháng 2023 năm 290 như một khuôn khổ Python nguồn mở để xây dựng các tác nhân AI có khả năng cộng tác phức tạp giữa nhiều tác nhân. AutoGen đã thu hút được sự chú ý của các nhà nghiên cứu, nhà phát triển và tổ chức, với hơn XNUMX người đóng góp trên GitHub và gần 900,000 lượt tải xuống tính đến tháng 2024 năm XNUMX. Dựa trên thành công này, Microsoft đã ra mắt AutoGen Studio, một giao diện mã nguồn thấp giúp các nhà phát triển nhanh chóng tạo nguyên mẫu và thử nghiệm các tác nhân AI.

Thư viện này dùng để phát triển các tác nhân thông minh, dạng mô-đun có thể tương tác liền mạch để giải quyết các tác vụ phức tạp, tự động hóa việc ra quyết định và thực thi mã hiệu quả.

Microsoft gần đây cũng đã giới thiệu Studio AutoGen giúp đơn giản hóa quá trình phát triển tác nhân AI bằng cách cung cấp một nền tảng tương tác và thân thiện với người dùng. Không giống như phiên bản tiền nhiệm, AutoGen Studio giảm thiểu nhu cầu mã hóa mở rộng, cung cấp giao diện người dùng đồ họa (GUI) nơi người dùng có thể kéo và thả tác nhân, cấu hình quy trình làm việc và kiểm tra các giải pháp do AI điều khiển một cách dễ dàng.

Điều gì làm cho AutoGen trở nên độc đáo?

Hiểu tác nhân AI

Trong bối cảnh AI, một tác nhân là một thành phần phần mềm tự chủ có khả năng thực hiện các tác vụ cụ thể, thường sử dụng xử lý ngôn ngữ tự nhiên và học máy. Khung AutoGen của Microsoft tăng cường khả năng của các tác nhân AI truyền thống, cho phép chúng tham gia vào các cuộc trò chuyện phức tạp, có cấu trúc và thậm chí cộng tác với các tác nhân khác để đạt được các mục tiêu chung.

AutoGen hỗ trợ nhiều loại tác nhân và mẫu hội thoại. Tính linh hoạt này cho phép tự động hóa các quy trình công việc trước đây cần sự can thiệp của con người, khiến nó trở nên lý tưởng cho các ứng dụng trong nhiều ngành công nghiệp khác nhau như tài chính, quảng cáo, kỹ thuật phần mềm, v.v.

Các tác nhân đàm thoại và tùy chỉnh

AutoGen giới thiệu khái niệm về các tác nhân “có thể trò chuyện”, được thiết kế để xử lý tin nhắn, tạo phản hồi và thực hiện hành động dựa trên hướng dẫn ngôn ngữ tự nhiên. Các tác nhân này không chỉ có khả năng tham gia vào các cuộc đối thoại phong phú mà còn có thể được tùy chỉnh để cải thiện hiệu suất của chúng đối với các tác vụ cụ thể. Thiết kế mô-đun này biến AutoGen thành một công cụ mạnh mẽ cho cả các dự án AI đơn giản và phức tạp.

Các loại tác nhân chính:

• Trợ lý đại lý:Trợ lý được hỗ trợ bởi LLM có thể xử lý các tác vụ như mã hóa, gỡ lỗi hoặc trả lời các truy vấn phức tạp.
• Đại lý ủy quyền người dùng: Mô phỏng hành vi của người dùng, cho phép các nhà phát triển kiểm tra tương tác mà không cần sự tham gia của người dùng thực tế. Nó cũng có thể thực thi mã một cách tự động.
• Đại lý trò chuyện nhóm: Một tập hợp các tác nhân làm việc cộng tác, lý tưởng cho các tình huống đòi hỏi nhiều kỹ năng hoặc góc nhìn.

Hợp tác nhiều tác nhân

Một trong những tính năng ấn tượng nhất của AutoGen là hỗ trợ cho sự hợp tác của nhiều tác nhân. Các nhà phát triển có thể tạo ra một mạng lưới các tác nhân, mỗi tác nhân có vai trò chuyên biệt, để giải quyết các nhiệm vụ phức tạp hiệu quả hơn. Các tác nhân này có thể giao tiếp với nhau, trao đổi thông tin và đưa ra quyết định chung, hợp lý hóa các quy trình mà nếu không sẽ tốn thời gian hoặc dễ xảy ra lỗi.

Các tính năng cốt lõi của AutoGen

1. Khung đa tác nhân

AutoGen tạo điều kiện thuận lợi cho việc tạo ra các mạng lưới tác nhân, trong đó mỗi tác nhân có thể làm việc độc lập hoặc phối hợp với những tác nhân khác. Khung này cung cấp tính linh hoạt để thiết kế các quy trình làm việc hoàn toàn tự chủ hoặc bao gồm sự giám sát của con người khi cần thiết.

Các mẫu hội thoại bao gồm:

• Cuộc trò chuyện một-một: Tương tác đơn giản giữa hai tác nhân.
• Cấu trúc phân cấp:Các tác nhân có thể phân công nhiệm vụ cho các tác nhân cấp dưới, giúp xử lý các vấn đề phức tạp dễ dàng hơn.
• Cuộc trò chuyện nhóm: Nhóm trò chuyện nhiều tác nhân, trong đó các tác nhân cùng hợp tác để giải quyết một nhiệm vụ.

2. Thực thi mã và tự động hóa

Không giống như nhiều khuôn khổ AI, AutoGen cho phép các tác nhân tự động tạo, thực thi và gỡ lỗi mã. Tính năng này vô cùng hữu ích đối với các tác vụ phân tích dữ liệu và kỹ thuật phần mềm vì nó giảm thiểu sự can thiệp của con người và tăng tốc chu kỳ phát triển. User Proxy Agent có thể xác định các khối mã thực thi, chạy chúng và thậm chí tinh chỉnh đầu ra một cách tự động.

3. Tích hợp với Công cụ và API

Các tác nhân AutoGen có thể tương tác với các công cụ, dịch vụ và API bên ngoài, mở rộng đáng kể khả năng của chúng. Cho dù đó là truy xuất dữ liệu từ cơ sở dữ liệu, thực hiện yêu cầu web hay tích hợp với các dịch vụ Azure, AutoGen cung cấp một hệ sinh thái mạnh mẽ để xây dựng các ứng dụng giàu tính năng.

4. Giải quyết vấn đề của con người trong vòng lặp

Trong các tình huống cần có sự tham gia của con người, AutoGen hỗ trợ tương tác giữa con người và tác nhân. Nhà phát triển có thể cấu hình các tác nhân để yêu cầu hướng dẫn hoặc phê duyệt từ người dùng trước khi tiến hành các tác vụ cụ thể. Tính năng này đảm bảo rằng các quyết định quan trọng được đưa ra một cách chu đáo và với mức độ giám sát phù hợp.

AutoGen hoạt động như thế nào: Một cái nhìn sâu sắc

Khởi tạo và cấu hình tác nhân

Bước đầu tiên khi làm việc với AutoGen bao gồm thiết lập và cấu hình các tác nhân của bạn. Mỗi tác nhân có thể được tùy chỉnh để thực hiện các tác vụ cụ thể và các nhà phát triển có thể tùy chỉnh các thông số như mô hình LLM được sử dụng, các kỹ năng được kích hoạt và môi trường thực thi.

Điều phối tương tác của tác nhân

AutoGen xử lý luồng hội thoại giữa các tác nhân theo cách có cấu trúc. Một quy trình làm việc điển hình có thể trông như thế này:

1. Giới thiệu nhiệm vụ: Người dùng hoặc tác nhân đưa ra truy vấn hoặc nhiệm vụ.
2. Xử lý đại lý:Các tác nhân có liên quan phân tích dữ liệu đầu vào, tạo phản hồi hoặc thực hiện hành động.
3. Giao tiếp giữa các tác nhân:Các tác nhân chia sẻ dữ liệu và thông tin chi tiết, hợp tác để hoàn thành nhiệm vụ.
4. Thực hiện nhiệm vụ:Các tác nhân thực thi mã, tìm kiếm thông tin hoặc tương tác với các hệ thống bên ngoài khi cần.
5. Chấm dứt hợp đồng:Cuộc trò chuyện kết thúc khi nhiệm vụ hoàn thành, đạt đến ngưỡng lỗi hoặc điều kiện chấm dứt được kích hoạt.

Xử lý lỗi và tự cải thiện

Các tác nhân của AutoGen được thiết kế để xử lý lỗi một cách thông minh. Nếu một tác vụ không thành công hoặc tạo ra kết quả không chính xác, tác nhân có thể phân tích vấn đề, cố gắng khắc phục và thậm chí lặp lại giải pháp của mình. Khả năng tự phục hồi này rất quan trọng để tạo ra các hệ thống AI đáng tin cậy có thể hoạt động tự động trong thời gian dài.

Điều kiện tiên quyết và cài đặt

Trước khi làm việc với AutoGen, hãy đảm bảo bạn có hiểu biết vững chắc về các tác nhân AI, khung điều phối và kiến ​​thức cơ bản về lập trình Python. AutoGen là một khung dựa trên Python và tiềm năng đầy đủ của nó sẽ được phát huy khi kết hợp với các dịch vụ AI khác, như mô hình GPT của OpenAI hoặc Microsoft Azure AI.

Cài đặt AutoGen bằng pip:

Để có thêm các tính năng, chẳng hạn như khả năng tìm kiếm được tối ưu hóa hoặc tích hợp với các thư viện bên ngoài:

Thiết lập môi trường của bạn

AutoGen yêu cầu bạn cấu hình biến môi trường và khóa API một cách an toàn. Hãy cùng xem qua các bước cơ bản cần thiết để khởi tạo và cấu hình không gian làm việc của bạn:

1. Đang tải các biến môi trường: Lưu trữ các khóa API nhạy cảm trong .env tập tin và tải chúng bằng cách sử dụng dotenv để duy trì bảo mật. (api_key = os.environ.get(“OPENAI_API_KEY”))
2. Chọn cấu hình mô hình ngôn ngữ của bạn: Quyết định LLM bạn sẽ sử dụng, chẳng hạn như GPT-4 từ OpenAI hoặc bất kỳ mô hình nào khác được ưa thích. Các thiết lập cấu hình như điểm cuối API, tên mô hình và khóa cần được xác định rõ ràng để cho phép giao tiếp liền mạch giữa các tác nhân.

Xây dựng AutoGen Agents cho các tình huống phức tạp

Để xây dựng một hệ thống đa tác nhân, bạn cần xác định các tác nhân và chỉ định cách chúng hoạt động. AutoGen hỗ trợ nhiều loại tác nhân khác nhau, mỗi loại có vai trò và khả năng riêng biệt.

Tạo Trợ lý và Đại lý Proxy Người dùng: Xác định các tác nhân có cấu hình phức tạp để thực thi mã và quản lý tương tác của người dùng:

from autogen import AssistantAgent, UserProxyAgent

# Define LLM configurations
llm_config = {
    "model": "gpt-4",
    "api_key": api_key
}

# Create an Assistant Agent for complex coding and analysis tasks
assistant = AssistantAgent(
    name="coding_assistant",
    llm_config=llm_config
)

# User Proxy Agent to handle user interactions and code execution
user_proxy = UserProxyAgent(
    name="user_proxy",
    code_execution_config={
        "executor": autogen.coding.LocalCommandLineCodeExecutor(work_dir="coding_workspace")
    }
)

from autogen import AssistantAgent, UserProxyAgent

# Define agents for the educational workflow
teacher = AssistantAgent(name="teacher", llm_config=llm_config)
student = AssistantAgent(name="student", llm_config=llm_config)
evaluator = AssistantAgent(name="evaluator", llm_config=llm_config)

# Define the conversation flow among agents
teacher.send_message("Today's topic is calculus. Let's dive into differential equations.")
student.send_message("Can you explain the concept of a derivative?")
teacher.send_message("A derivative represents the rate of change of a function. Here's a simple explanation...")