שימוש בסוכן AG2

בנוסף להוראות הכלליות לשימוש בסוכן, בדף הזה מתוארות תכונות שספציפיות ל-AG2Agent.

לפני שמתחילים

במדריך הזה אנחנו יוצאים מנקודת הנחה שקראתם את ההוראות במאמרים הבאים ופעלתם לפיהן:

אחזור מופע של סוכן

כדי לשלוח שאילתה ל-AG2Agent, צריך קודם ליצור מכונה חדשה או לקבל מכונה קיימת.

כדי לקבל את AG2Agent שמתאים למזהה משאב ספציפי:

Agent Platform SDK

מריצים את הקוד הבא:

import vertexai

client = vertexai.Client(  # For service interactions via client.agent_engines
    project="PROJECT_ID",
    location="LOCATION",
)

agent = client.agent_engines.get(name="projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID")

print(agent)

איפה

ספריית הבקשות של Python

מריצים את הקוד הבא:

from google import auth as google_auth
from google.auth.transport import requests as google_requests
import requests

def get_identity_token():
    credentials, _ = google_auth.default()
    auth_request = google_requests.Request()
    credentials.refresh(auth_request)
    return credentials.token

response = requests.get(
f"https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID",
    headers={
        "Content-Type": "application/json; charset=utf-8",
        "Authorization": f"Bearer {get_identity_token()}",
    },
)

‫API בארכיטקטורת REST 

curl \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/reasoningEngines/RESOURCE_ID

כשמשתמשים ב-Agent Platform SDK, האובייקט agent תואם למחלקה AgentEngine שכוללת את המאפיינים הבאים:

  • ‫agent.api_resource עם מידע על הסוכן שנפרס. אפשר גם לקרוא ל-agent.operation_schemas() כדי להחזיר את רשימת הפעולות ש-agent תומך בהן. פרטים נוספים זמינים במאמר בנושא פעולות נתמכות.
  • ‫agent.api_client שמאפשרת אינטראקציות סינכרוניות עם שירותים
  • ‫agent.async_api_client שמאפשרת אינטראקציות אסינכרוניות בין שירותים

בהמשך הקטע הזה נניח שיש לכם מכונת AgentEngine שנקראת agent.

פעולות נתמכות

הפעולות הבאות נתמכות ב-AG2Agent:

  • ‫query: כדי לקבל תשובה לשאילתה באופן סינכרוני.

השיטה query תומכת בארגומנטים הבאים:

  • ‫input: ההודעה שתישלח לנציג.
  • ‫max_turns: המספר המקסימלי של תפניות בשיחה שמותרות. כשמשתמשים בכלים, נדרשים לפחות max_turns=2: תור אחד ליצירת ארגומנטים של כלי ותור שני להפעלת הכלי.

שליחת שאילתה לסוכן

השיטה query() מספקת דרך פשוטה ליצור אינטראקציה עם הסוכן. שיחה טיפוסית נראית כך:

response = agent.query(input="What is the exchange rate from US dollars to Swedish currency?", max_turns=2)

השיטה הזו מטפלת בתקשורת הבסיסית עם הסוכן ומחזירה את התגובה הסופית של הסוכן כמילון. היא שקולה לביטוי הבא (בצורה מלאה):

from autogen import ConversableAgent
import dataclasses
import json

input_message: str = "What is the exchange rate from US dollars to Swedish currency?"
max_turns: int = 2

with agent._runnable._create_or_get_executor(
    tools=agent._ag2_tool_objects,            # Use the agent's existing tools
    agent_name="user",                        # Default
    agent_human_input_mode="NEVER",           # query() enforces this
) as executor:
    chat_result = executor.initiate_chat(
        agent._runnable,
        message=input_message,
        max_turns=max_turns,
        clear_history=False,                  # Default
        summary_method="last_msg"             # Default
    )

response = json.loads(
  json.dumps(dataclasses.asdict(chat_result)) # query() does this conversion
)

אפשר להתאים אישית את ההתנהגות של הסוכן מעבר ל-input ול-max_turns על ידי העברת ארגומנטים נוספים של מילות מפתח אל query().

response = agent.query(
    input="What is the exchange rate from US dollars to Swedish currency?",
    max_turns=2,
    msg_to="user"  # Start the conversation with the "user" agent
)
print(response)

רשימה מלאה של הפרמטרים הזמינים מופיעה בConversableAgent.runמאמרי העזרה. עם זאת, חשוב לזכור שהתבנית AG2Agent תמיד תבטל את ההגדרה user_input ותגדיר במקומה את False.

המאמרים הבאים