Multi-Agent实践第8期:轻松拖拽搭建多智能体应用

简介: AgentScope Workstation令多智能体应用的搭建变得轻而易举,只需简单拖拽操作,每位用户都能快速打造出丰富多彩的应用。

前言

在前几期的文章中,我们从浅入深地介绍了如何使用AgentScope构建各种不同的多智能体应用。本期,我们将带您体验AgentScope Workstation——一个零代码、基于拖拽式构建多智能体应用开发平台!在这里,编程经验不再制约您的想象力,每个用户可以轻松实现零代码开发,仅需从丰富的工具栏中挑选和拖拽出心仪的组件,然后像搭积木一般随心所欲地自由组合,就可以创造出既独特又富有创意的多智能体应用。

 

欢迎关注AgentScope,在github上(https://github.com/modelscope/agentscope) 为我们star 🌟

准备工作


git clone https://github.com/modelscope/agentscope.git
cd agentscope
# On windows
pip install -e .[full]  
# On Mac or linux
pip install -e .\[full\]


  • 开源版本Workstation需要通过Studio使用,您需要在命令行启动AgentScope Studio。
# Launch AgentScope Studio
as_studio

image.gif

  • 然后,打开命令行界面 (CLI) 中显示的 URL。您将看到 AgentScope Studio 的用户界面:

image.gif


拖拽出自己的多智能体应用

  • 第一步:选择您心仪的的大模型,并直接从左侧工具栏拖拽至工作区
    613.1.gif
  • 第二步:挑选所需的智能体,将它们从工具栏拖出来,并且连起来

613.2.gif image.gif

  • 第三步:填写配置

将大模型和智能体拖入工作区后,点击其中任何一个部分,即可编辑其配置。您可以自定义大模型的参数、类型以及智能体的提示词和其他属性,以满足各种不同多智能体应用的特定要求。

  • 第四步:开始运行

613.3.gif image.gif

探索更多可能

如果您渴望探索AgentScope Workstation的进阶用法,我们精心准备了丰富的示例,涵盖了从简单到复杂的多智能体应用,帮助您快速上手和启发创意。使用高级Pipeline功能可以更细致地控制多智能体工作流的逻辑。

通过ReActAgent与各种不同的工具函数相结合,您能够轻松打造具有运行代码、读写文件、网络搜索等功能的多智能体应用。随着AgentScope的不断更新和完善, AgentScope Workstation的能力也在不断的扩展,旨在赋予您无限可能,让您的创意轻松转化为现实,真正体验零代码开发的魅力和强大的应用构建灵活性。

总结

AgentScope Workstation令多智能体应用的搭建变得轻而易举,只需简单拖拽操作,每位用户都能快速打造出丰富多彩的应用。这个工具既能为没有编程背景的用户提供了强大的支持,也能为有经验的开发者提供便捷的方式,快速构建和验证开发原型。随着AgentScope社区的不断成长,我们满怀期待更多创新且激动人心的多智能体应用诞生。关于AgentScope Workstation更详细介绍可以参考官方教程。感谢您的关注,让我们一起探索多智能体的无限可能。别忘了给我们的GitHub项目留下星标,支持AgentScope的发展!

延伸阅读和资源

相关文章
|
10天前
|
机器学习/深度学习 人工智能 自动驾驶
「AIGC」Agent AI智能体的未来:技术、伦理与经济的交汇点
Agent AI智能体融合机器学习与深度学习,推动社会效率与创新,但也引发伦理、法律及就业挑战。技术上,它们能自我优化、积累知识,如自动驾驶汽车通过学习改善驾驶。伦理上,需建立AI准则,确保透明度和责任归属,如医疗AI遵循道德原则。经济上,AI改变就业市场结构,创造新职业,如AI顾问,同时要求教育体系更新。未来,平衡技术进步与社会影响至关重要。
39 0
|
13天前
|
存储 人工智能 自然语言处理
AI Agent框架(LLM Agent):LLM驱动的智能体如何引领行业变革,应用探索与未来展望
【7月更文挑战第2天】AI Agent框架(LLM Agent):LLM驱动的智能体如何引领行业变革,应用探索与未来展望
AI Agent框架(LLM Agent):LLM驱动的智能体如何引领行业变革,应用探索与未来展望
|
9天前
|
人工智能 架构师 搜索推荐
AI Agent【项目实战】:MetaGPT遇上元编程,重塑复杂多智能体协作的边界
【7月更文挑战第4天】AI Agent【项目实战】:MetaGPT遇上元编程,重塑复杂多智能体协作的边界
AI Agent【项目实战】:MetaGPT遇上元编程,重塑复杂多智能体协作的边界
|
13天前
|
机器学习/深度学习 算法 数据挖掘
Python强化学习应用于数据分析决策策略:** - 强化学习让智能体通过环境互动学习决策。
【7月更文挑战第5天】**Python强化学习应用于数据分析决策策略:** - 强化学习让智能体通过环境互动学习决策。 - Python因丰富库(如TensorFlow, PyTorch, Keras, Pandas, NumPy)和生态而受青睐。 - 使用OpenAI Gym构建环境,如`gym.make('CartPole-v0')`。 - 选择模型,例如神经网络,定义策略如Q-Learning。 - 训练模型,调整智能体行为,如Q-Learning更新Q表。 - 最后评估模型性能,实现数据驱动决策。
24 3
|
4天前
|
机器学习/深度学习 算法 Python
强化学习(Reinforcement Learning, RL)** 是一种机器学习技术,其中智能体(Agent)通过与环境(Environment)交互来学习如何执行决策以最大化累积奖励。
强化学习(Reinforcement Learning, RL)** 是一种机器学习技术,其中智能体(Agent)通过与环境(Environment)交互来学习如何执行决策以最大化累积奖励。
|
1月前
|
机器学习/深度学习 人工智能 算法
Agent AI智能体:塑造未来社会的智慧力量
Agent AI智能体:塑造未来社会的智慧力量
166 0
|
10天前
|
存储 机器学习/深度学习 人工智能
AI Agent技术的最新进展与改变世界的典型项目巡礼
【7月更文挑战第3天】 AI Agent技术的最新进展与改变世界的典型项目巡礼
 AI Agent技术的最新进展与改变世界的典型项目巡礼
|
19天前
|
人工智能 自然语言处理 前端开发
你要的AI Agent工具都在这里
只有让LLM(大模型)学会使用工具,才能做出一系列实用的AI Agent,才能发挥出LLM真正的实力。本篇,我们让AI Agent使用更多的工具,比如:外部搜索、分析CSV、文生图、执行代码等。
你要的AI Agent工具都在这里
|
5天前
|
人工智能 JSON 数据格式
[AI CrewAI] 你来当老板,组建AI团队,协作AI Agent完成任务
[AI CrewAI] 你来当老板,组建AI团队,协作AI Agent完成任务
|
1月前
|
人工智能 自然语言处理 API
深入浅出 LangChain 与智能 Agent:构建下一代 AI 助手
深入浅出 LangChain 与智能 Agent:构建下一代 AI 助手
380 0
深入浅出 LangChain 与智能 Agent:构建下一代 AI 助手