在MetaGPT中定义的一个agent运行示例如下：
- 一个agent在启动后他会观察自己能获取到的信息，加入自己的记忆中
- 下一步进行思考，决定下一步的行动，也就是从Action1，Action2，Action3中选择执行的Action
- 决定行动后，紧接着就执行对应行动，得到这个环节的结果
以Task3 作业为例，来看下使用MetaGPT 实现Agent的思路。Task3任务如下：
经过上面的学习，我想你已经对 MetaGPT 的框架有了基本了解，现在我希望你能够自己编写这样一个 agent
- 这个 Agent 拥有三个动作 打印1 打印2 打印3（初始化时 init_action([print,print,print])）
- 重写有关方法（请不要使用act_by_order，我希望你能独立实现）使得 Agent 顺序执行上面三个动作
- 当上述三个动作执行完毕后，为 Agent 生成新的动作 打印4 打印5 打印6 并顺序执行，（之前我们初始化了三个 print 动作，执行完毕后，重新 init_action([…,…,…])，然后顺序执行这个新生成的动作列表)
实现思路
用最通俗的话来总结：
- 要实现一个Agent，其实就是定义一个Role。该Role应该包含自己的Action。
- 在Role的初始化中初始化Actions
- Role重写_act函数或_react函数，Role run的时候会调用该函数
- _react函数重写，一般是先思考_think下一步用哪个action，然后再_act
- Action重写run函数，这里面决定了我们对传入的内容到底要做什么样的处理，例如调用大模型得到结果
Task3 - 完整代码及注释
- 先看执行结果：顺序打印1-6，然后结束
- 完整代码及细节注释
# 加载 .env 到环境变量 from dotenv import load_dotenv, find_dotenv _ = load_dotenv(find_dotenv()) from metagpt.actions import Action from metagpt.logs import logger import asyncio from metagpt.roles import Role from metagpt.schema import Message ## 1. 定义Action class PrintAction(Action): def __init__(self, name: str = "", number: int = 0, *args, **kwargs): super().__init__(name, *args, **kwargs) self._number = number ## 1.1 run方法中定义具体的处理操作，这里只是打印一个数 async def run(self): logger.info(self._number) return self._number ## 2. 定义Role class Printer(Role): def __init__( self, name: str = "Printer", profile: str = "Printer", ): super().__init__(name, profile) ## 2.1 初始化中初始化该Role的Actions，这里首先初始化了3个Action，将会按顺序执行 self._init_actions([PrintAction(number=1), PrintAction(number=2), PrintAction(number=3)]) async def _think(self) -> None: """Determine the next action to be taken by the role.""" logger.info(self._rc.state) logger.info(self,) logger.info(f"{self._setting}: ready to {self._rc.todo}") if self._rc.todo is None: self._set_state(0) # 这里回到了第一个Action logger.debug("reset state to 0") return ## 这里决定下一个action是什么，_rc.state表示要执行的action的下标，_states记录了所有actions及其下标 if self._rc.state + 1 < len(self._states): logger.debug(f"set state to {self._rc.state + 1}") self._set_state(self._rc.state + 1) # todo变为下一个action else: self._rc.todo = None async def _act(self): todo = self._rc.todo if type(todo) is PrintAction: ret = await todo.run() if 3 == ret: # 这里判断下是第几个action了，根据任务描述，第三个任务完成后动态添加4,5,6 action actions = [PrintAction(number=4), PrintAction(number=5), PrintAction(number=6)] self._init_actions(actions) # 动态添加4,5,6 action，这时候action4变成了第一个action self._rc.todo = None # _think中会设置为第一个Action，也就是action4 return "Continue" ## 3. 重写_react函数 async def _react(self): while True: logger.info("react") await self._think() ## 首先思考下一步执行哪个action if self._rc.todo is None: break result = await self._act() ## 执行action，这里的action是_think里决定 async def main(): msg = "start" ## 给一个msg，必须给一个非空的msg，否则run不起来，待研究 role = Printer() await role.run(msg) ## 开始运行agent，会调用role里的_react asyncio.run(main())
先写到这，展示个结果和总体步骤，后面有时间会详细拆解每一步的实现和细节，以及过程中遇到的坑及解决方法。
