Utiliser un agent AG2

En plus des instructions générales pour utiliser un agent, cette page décrit les fonctionnalités spécifiques à AG2Agent.

Avant de commencer

Ce tutoriel suppose que vous avez lu et suivi les instructions de :

Obtenir une instance d'un agent

Pour interroger un AG2Agent, vous devez d'abord créer une instance ou obtenir une instance existante.

Pour obtenir le AG2Agent correspondant à un ID de ressource spécifique :

SDK Vertex AI pour Python

Exécutez le code suivant :

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)

Où :

Bibliothèque de requêtes Python

Exécutez le code suivant :

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 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

Lorsque vous utilisez le SDK Vertex AI pour Python, l'objet agent correspond à une classe AgentEngine qui contient les éléments suivants :

  • un agent.api_resource contenant des informations sur l'agent déployé. Vous pouvez également appeler agent.operation_schemas() pour renvoyer la liste des opérations compatibles avec l'agent. Pour en savoir plus, consultez Opérations compatibles.
  • un agent.api_client qui permet des interactions de service synchrones.
  • un agent.async_api_client qui permet des interactions de service asynchrones.

Le reste de cette section suppose que vous disposez d'une instance AgentEngine nommée agent.

Opérations compatibles

Les opérations suivantes sont acceptées pour AG2Agent :

  • query : pour obtenir une réponse à une requête de manière synchrone.

La méthode query accepte les arguments suivants :

  • input : message à envoyer à l'agent.
  • max_turns : nombre maximal de tours de conversation autorisés. Lorsque vous utilisez des outils, un minimum de max_turns=2 est requis : un tour pour générer les arguments de l'outil et un second pour exécuter l'outil.

Interroger l'agent

La méthode query() permet d'interagir plus facilement avec l'agent. Un appel type se présente comme suit :

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

Cette méthode gère la communication sous-jacente avec l'agent et renvoie la réponse finale de l'agent sous forme de dictionnaire. Il est équivalent à ce qui suit (sous forme complète) :

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
)

Vous pouvez personnaliser le comportement de l'agent au-delà de input et max_turns en transmettant des arguments de mots clés supplémentaires à 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)

Consultez la documentation ConversableAgent.run pour obtenir la liste complète des paramètres disponibles. Toutefois, n'oubliez pas que user_input sera toujours remplacé par False par le modèle AG2Agent.

Étapes suivantes