最近学习langchain，搞一搞agent，向大家汇报一下，不想看理论的直接跳到【五、一个实战的multi agent】这部分，开始汇报了，哈哈。
Multi-Agent，即多智能体系统，是人工智能领域中的一个重要概念，它指的是由多个具有自主决策和交互能力的智能体（Agent）组成的系统。这些智能体能够相互协作、竞争或协商，以完成共同或各自的任务。以下是对Multi-Agent的详细介绍：
一、定义与特点
定义：Multi-Agent系统是一种分布式人工智能模型，其中每个Agent都具有自主决策和交互能力。这些Agent可以分布在不同的物理位置或逻辑层次上，通过网络进行通信和协作。
特点：
分布性：Agent可以分布在不同的物理位置或逻辑层次上，这使得系统能够更好地适应复杂、动态的环境。
自主性：每个Agent都具有自主决策和执行能力，能够根据自身的知识、目标和环境信息做出独立的决策。
交互性：Agent之间可以通过某种通信机制进行信息交换和协调，如显式的消息传递或隐式的共享内存等，以了解其他Agent的状态、意图和行动，并据此做出相应的反应和决策。
适应性：Multi-Agent系统能够根据环境和任务的变化动态地调整自身的结构和行为，以适应新的情况。
二、系统优势
灵活性和可扩展性：Multi-Agent系统采用分布式设计，Agent具有高内聚低耦合的特性，使得系统表现出极强的可扩展性。同时，系统可以根据需要灵活地添加或删除Agent，以适应不同的任务需求。
容错性：在Multi-Agent系统中，如果某个Agent出现故障，其他Agent可以自主地适应新的环境并继续工作，不会使整个系统陷入故障状态。
协作能力：Multi-Agent系统是分布式系统，Agent之间可以通过合适的策略相互协作完成全局目标。这种协作能力使得系统能够处理更为复杂和大规模的任务。
异质性：Agent可以是不同的个人或组织，采用不同的设计方法和计算机语言开发而成，因此Multi-Agent系统具有异质性，能够充分利用不同领域的专业知识和技术。
三、应用领域
Multi-Agent系统具有广泛的应用领域，包括但不限于：
智能机器人：在机器人控制中，多个智能体可以协同工作，实现复杂的任务规划和执行。
分布式控制系统：在工业自动化领域，Multi-Agent系统可以用于实现分布式控制，提高生产效率和安全性。
智能交通系统：在交通管理中，多个智能体可以协同处理交通信号控制、车辆调度等问题，缓解交通拥堵和提高交通效率。
电子商务系统：在电子商务领域，Multi-Agent系统可以用于实现智能推荐、智能客服等功能，提升用户体验和商家效率。
四、实现挑战
尽管Multi-Agent系统具有诸多优势和应用前景，但其实现也面临一些挑战：
通信机制设计：如何设计有效的通信机制以实现Agent之间的信息交换和协调是一个关键问题。
信用分配：在多智能体协作完成任务时，如何合理地分配信用和奖励是一个复杂的问题。
学习和决策：如何使Agent具备学习和决策能力以适应动态变化的环境是一个持续的研究方向。
综上所述，Multi-Agent系统是一种具有强大潜力和广泛应用前景的人工智能模型。随着技术的不断发展和完善，相信Multi-Agent系统将在更多领域发挥重要作用。
五、一个实战的multi agent
本次我想设计一个多agent协同的系统，用户可以使用任何agent的组合，为了演示，我设计了三个agent
agent1：写诗函数
def random_poem(title: str)->str:"""写诗函数根据用户输入的主题写诗:paramtitle：诗的主题:return 发送结果的字符串"""# print(title)llm = Ollama(model="qwen2:7b")text = """基于下面的主题写一首诗,主题是‘{0}‘，诗是：""".format(title)return llm(text)class PromptTitleInput(BaseModel):title: str = Field(description="这是诗的主题")注意，函数中的注释很重要，要写清楚，可以按照我的方式写
agent2：保存文本函数
def save_text(content:str,path:str)->str:"""保存文本的函数:param content:要保存的内容:param path: 保存目录:return 提示字符串"""with open(os.path.join(path,"/test.txt"),"w") as file:file.write(content)return "保存成功，在{0} 下".format(os.path.join(path,"test.txt"))class PromptSaveInput(BaseModel):content: str = Field(description="需要保存的内容")path: str = Field(description="保存内容的目录")
这里有两个参数，一个是保存的内容，一个是路径
agent3：发邮件函数
# 定义发送电子邮件的函数def post_message(title: str, content: str,address:str) -> str:"""发送电子邮件的函数:param title: 邮件的主题:param content: 邮件的内容:param address：邮箱地址:return: 发送结果的字符串"""# 第三方 SMTP 服务mail_host = "smtp.163.com"# SMTP服务器mail_user = "1780105****@163.com"# 用户名mail_pass = "***" # 授权密码，非登录密码 写自己的sender = '1780105****@163.com'# 发件人邮箱(最好写全, 不然会失败)receivers = [,address]# 接收邮件，可设置为你的QQ邮箱或者其他邮箱message = MIMEText(content, 'plain', 'utf-8')# 内容, 格式, 编码message['From'] = "{}".format(sender)message['To'] = ",".join(receivers)message['Subject'] = titletry:smtp_obj = smtplib.SMTP_SSL(mail_host, 465)# 启用SSL发信, 端口一般是465smtp_obj.login(mail_user, mail_pass)# 登录验证smtp_obj.sendmail(sender, receivers, message.as_string())# 发送smtp_obj.quit()print("邮件发送成功。")return "邮件发送成功。"except smtplib.SMTPException as e:return f"邮件发送失败: {str(e)}"# 定义输入模型类class PostInput(BaseModel):title: str = Field(description="这是邮件的主题")content: str = Field(description="这是邮件的内容")address: str = Field(description="这是邮箱地址")
注册函数和初始化代理
tools = [StructuredTool.from_function(func=random_poem,name="写诗",description="根据用户输入的主题",args_schema=PromptTitleInput),StructuredTool.from_function(func=save_text,name="保存文本",description="将内容保存到用户指定的目录下",args_schema=PromptSaveInput),StructuredTool.from_function(func=post_message,name="发送邮件",description="根据用户输入的主题和内容发送邮件",args_schema=PostInput)]# 初始化代理agent = initialize_agent(tools, llm, agent=AgentType.STRUCTURED_CHAT_ZERO_SHOT_REACT_DESCRIPTION, verbose=True)
六、测试
测试1
result = agent.run("给1780105****@163.com写个请假邮件，我肚子疼要去医院")
nice ，我确实收到了
测试2
result = agent.run("帮我基于‘中秋’这个主题写一首诗，并以此为内容发送邮件给 1780105****@163.com 这个地址")
这次调用了两个agent：agent1和agent3，成功收到中秋祝福
测试3
result = agent.run("帮我基于‘国庆’这个主题写一首诗，保存到电脑E盘下，并以此为内容发送邮件给 这个地址")
成功理解并调用三个agent，nice
