基于AutoGen构建个性化AI助理Aura的实践探索

探索 AutoGen v0.4：构建具有 Gmail 和 Google Calendar 集成的 AI 助手

TL; DR

在这篇文章中，我构建了Aura的基础，这是一个个人AI助手，旨在使用AutoGen管理电子邮件和日历。以下是我所涵盖内容的快速概述：

• • 动机：Aura解决了生产力挑战，如收件箱过载、日程安排以及跟上技术趋势。
• • 框架选择：选择AutoGen是因为其灵活性，提供了使用AgentChat的快速设置和通过其核心层进行深度定制。
• • 工具集成：Aura的初始设置包括Gmail和Google日历工具，用于草拟电子邮件、总结收件箱和创建日历事件。
• • 与Aura互动：您可以实时与Aura聊天，要求其执行任务或检索信息。
• • 下一步：未来的工作将集中在扩展工具、添加新功能、引入记忆、引入工作流程以及提高鲁棒性。

整个源代码可在我的GitHub仓库^[1]中找到。欢迎您分叉、建议新功能、贡献或甚至构建自己的Aura版本。

话不多说，让我们开始吧……

动机

想象一下，有一个能够理解你工作习惯的 AI，它帮助你进行研究，审阅你的文章，清理你的收件箱，安排会议，甚至退订那些恼人的新闻通讯——所有这些都在你喝咖啡的时候进行。这就是我正在构建的 Aura。

为什么？因为我的日常工作流程有时会感觉像一团糟。以下是我希望 Aura 为我解决的几个问题：

1. 1. 跟上技术趋势 科技世界变化迅速。我去年依赖的一个库可能已经被更好的替代品取代。通过阅读文档、检查定价和基准测试、浏览 GitHub 问题来比较选项会耗费我数小时。我希望有一个 AI 来处理这些琐事，过滤掉无关信息，引导我做出正确的选择。
2. 2. 管理电子邮件混乱 我有多个电子邮件账户，跟上它们是一个挑战。Aura 将通过退订垃圾邮件通讯、自动将电子邮件组织到适当的标签中、提取可操作的任务以添加到我的 Notion 工作区、起草我可以审阅和发送的回复，甚至从预订确认邮件中创建日历事件来帮助我。
3. 3. 记住上下文 在每次对话或任务中解释我的偏好和工作流程令人沮丧。Aura 应该像我的记忆延伸一样，随着使用不断学习，自动完成任务，而不需要我去照看它。

框架选择：AutoGen

为了实现Aura，我正在使用新的AutoGen v0.4框架。它已经从头重建^[2]，其灵活性使其非常适合我的用例。尽管v0.4仍处于预览阶段，但我相信新的架构概念为简单和复杂任务提供了坚实的基础。

在我看来，AutoGen的一个突出特点是其双层架构：

• • 核心层：一个强大的基础，用于创建异步、事件驱动的多代理系统。
• • AgentChat层：一个高级API，具有预设的代理和团队，使您能够快速入门，而无需处理底层细节。

这种方法完美契合我的目标。我可以利用AgentChat的抽象快速启动开发，但如果我需要更专业的东西，我可以退回到核心层并实现我的解决方案。这是两全其美——快速启动和未来的灵活性。

构建 Aura：工具作为智能的基石

工具是 AI 代理功能的基石。它们架起了语言模型与外部世界之间的桥梁，使得获取数据或发送命令等操作成为可能。

工具如何工作

这里有一个例子：

如果你问 Aura，“我明天有什么会议？”，系统在高层次上执行以下操作：

1. 1. 根据提示和可用工具，LLM 确定适合该任务的工具（例如，get_current_time fetch_calendar_events 工具）并定义其调用参数。
2. 2. 应用程序执行工具并将工具执行的结果发送给 LLM。
3. 3. LLM 使用结果来构建有意义的回应。

Aura的工具：Gmail和Google日历

Aura的帮助程度取决于它可以使用的工具。为了让它像专业人士一样处理我的电子邮件和日历，我需要将其与合适的资源集成。在一些挖掘之后，我找到了两个主要的起点：Gmail工具包和自定义Google日历集成。

Gmail Toolkit

Gmail Toolkit^[3]（来自LangChain社区）提供了五个基本工具，以支持Aura的电子邮件管理功能：

1. 1. GmailCreateDraft：用于草拟电子邮件。
2. 2. GmailSendMessage：用于发送电子邮件。
3. 3. GmailSearch：用于查找特定电子邮件。
4. 4. GmailGetMessage：用于检索特定电子邮件的详细信息。
5. 5. GmailGetThread：用于获取线程中的所有消息。

这些工具为Aura提供了草拟、发送和组织电子邮件所需的一切。为了集成它们，我使用了以下函数：

def get_gmail_tools(scopes: list[str]):
    gmailToolkit = GmailToolkit(
       api_resource=build_gmail_resource_service(scopes=scopes)
    )

    tools = gmailToolkit.get_tools()

    # Map all tools to AutoGen consumable tool
    autogen_tools = [LangChainToolAdapter(tool) for tool in tools]

    return autogen_tools

它的工作原理是：GmailToolkit提供必要的工具，而我使用LangChainToolAdapter来包装这些工具，以便它们可以直接在AutoGen中使用。这个适配器本质上充当桥梁，使LangChain工具与AutoGen的框架兼容。

Google Calendar Toolkit

现在，这个需要更多的努力。在撰写时，LangChain上没有现成的Google Calendar Toolkit。经过一些研究，我找到了一个原型实现，并为Aura进行了定制。

使用自定义的Google Calendar Toolkit，Aura可以：

• • 列出事件：在特定日期范围内检索日历事件。
• • 创建事件：向我的日历添加新约会，以便我不会错过那个重要的会议——或者午餐。

集成代码与Gmail的非常相似：

def get_google_calendar_tools(scopes: list[str]):
    google_calendar_toolkit = GoogleCalendarToolkit(
        api_resource=build_google_calendar_resource_service(scopes=scopes)
    )

    tools = google_calendar_toolkit.get_tools()
    
    # Map all tools to AutoGen consumable tool
    autogen_tools = [LangChainToolAdapter(tool) for tool in tools]

    return autogen_tools

两个工具包都需要凭证以便对Google API进行身份验证，以代表您执行操作。有关更多信息，请阅读工具包的官方 docs^[4]。

让 Aura 赋能：配置 AI 助手

现在我已经准备好了工具，是时候通过创建助手代理来让 Aura 赋能。使用 AutoGen，我可以定义 Aura 及其所有工具，指定其行为，并设置其无缝处理任务。

以下是 Aura 的设置：

def aura() -> AssistantAgent:
    # 第一步：收集 Aura 将使用的所有工具
    tools = (
        get_gmail_tools(SCOPES)             # 用于邮件管理的 Gmail 工具
        + get_google_calendar_tools(SCOPES) # 用于日程安排的 Google 日历工具
        + get_utility_tools()               # 额外的工具，如 get_current_time
    )

    # 第二步：使用 AutoGen 的 AssistantAgent 类创建助手代理
    assistant = AssistantAgent(
        name="aura",  # 给助手命名
        
        # 定义 LLM 客户端及其参数
        model_client=OpenAIChatCompletionClient(
            model="gpt-4o-mini",  # 一种轻量级、高效的 GPT 模型
            temperature=0.01,    # 低温度以获得精确、确定性的输出
        ),
        
        # 提供 Aura 将用于执行任务的工具
        tools=tools,
        
        # 设置系统提示以定义 Aura 的角色和行为
        system_message=SYSTEM_PROMPT_TEMPLATE.format(timezone=str(_get_timezone())),
    )

    return assistant

代码中的内容如下：

1. 1. 工具设置：我将 Gmail、Google 日历和实用工具组合成一个单一列表，使 Aura 具备功能。
2. 2. 助手代理：AssistantAgent 类使用其名称、工具和行为初始化 Aura。OpenAIChatCompletionClient 指定了语言模型及其配置。
3. 3. 系统提示：SYSTEM_PROMPT_TEMPLATE 定义了 Aura 的个性、职责和指导方针。例如：

SYSTEM_PROMPT_TEMPLATE = """
Your name is Aura. You are a versatile and efficient AI assistant specialized in managing the user's email and calendar.
Your primary responsibilities include:
- **Email Management**: Retrieve, organize, and manage email messages. Always include a unique identifier for each message to ensure easy reference.
- **Calendar Management**: Schedule, update, and retrieve calendar events while resolving conflicts or overlaps.
Guidelines:
- Adhere to the specified timezone for all date and time-related tasks: {timezone}.
- Provide clear, concise, and user-friendly responses, prioritizing accuracy and convenience.
- Proactively notify the user of important updates, conflicts, or pending actions in their email or calendar.
"""

工具、轻量级 GPT 模型和量身定制的系统提示的结合确保了 Aura 准备好高效处理任务。

互动 AI：设计实时对话循环

现在 Aura 已经设置完成，下一步就是与之互动。为了实现这一点，我需要一个循环，让 Aura 能够实时响应用户输入。这使我们能够测试它的能力并观察其实际表现。

以下是我实现简单多轮对话循环的方法：

async defmain():
    # Instantiate Aura
    agent = aura()

    whileTrue:
        try:
            # Take user input from the terminal
            user_input = input("> ")

            # Exit gracefully if the user types 'exit'
            if user_input.lower() == "exit":
                break

            # Send the input to Aura and display its response as messages become available
            await RichConsole(
                stream=agent.on_messages_stream(
                    [TextMessage(content=user_input, source="user")],
                    cancellation_token=CancellationToken(),
                ),
                show_intermediate=True,
            )
        except KeyboardInterrupt:
            # Handle Ctrl+C gracefully
            print("\nGoodbye! ?")
            break

工作原理：

1. 1. 初始化：调用 aura() 函数来实例化助手及其所有工具和配置。
2. 2. 用户输入循环：程序进入一个无限循环，等待用户通过终端输入。
3. 3. 处理输入：每个输入都传递给 Aura，Aura 使用其工具和语言模型生成响应。
4. 4. 输出：RichConsole 实时显示 Aura 的响应。这包括中间消息，便于跟踪 Aura 如何处理任务。我使用 rich python 库来渲染可用的消息。
5. 5. 优雅退出：如果用户输入“exit”或按下 Ctrl+C，循环结束。

这个简单的设置允许您与 Aura 进行对话式的多轮对话。例如：

• • 用户： “我明天有什么会议？”
• • Aura： “您明天有 3 个会议安排。以下是列表：…”

概念验证：Aura 的实际应用

这里展示了 Aura 在处理简单现实任务时的表现。让我们通过一些例子来看看它是如何完成工作的。

示例 1：创建日历事件

请求 Aura：

在我的任务日历中为明天的下午 5 点创建一个购物条目。

为了解决这个问题，Aura 首先需要确定“明天”的确切日期。在下面的视频中，您将看到 Aura 如何使用工具通过工具调用来获取当前的日期和时间作为子步骤。一旦知道当前日期，它就会计算事件的正确时间，并使用其日历工具来创建条目。

This showcases how Aura breaks down a seemingly simple prompt into logical steps, ensuring accurate results even with relative dates.

示例 2：总结电子邮件和识别时事通讯

在这个例子中，Aura 展示了其扫描电子邮件并识别时事通讯的能力。通过一个查询，它快速总结了我的收件箱，并标记出被认为是时事通讯的电子邮件。

以表格格式总结今天的邮件。我想查看发件人、主题，以及邮件是否为时事通讯。确保隐藏姓名和个人身份信息。

进化路线图：扩展Aura的功能

随着基础设置的完成，Aura现在已经可以正常运行，并能够使用其工具处理简单任务。它可以管理您的日历、整理您的电子邮件，甚至总结您的收件箱——但这仅仅是个开始。

现在我已经建立了一个坚实的基础，真正的旅程才刚刚开始。Aura的可能性是巨大的，还有很多改进和新功能的空间。以下是未来的展望：

扩展当前工具

• • 增强现有的 Gmail 工具，以支持额外的任务，例如标记电子邮件、将其移动到特定文件夹，或甚至取消订阅新闻通讯。
• • 通过控制返回给 LLM 的数据来优化工具输出。例如，提取特定任务所需的相关字段，而不是返回整个电子邮件。

添加新工具包和代理

• • 引入新的集成，例如用于进行在线研究的工具、在 Notion 或 Trello 等平台上管理任务的工具，或与项目管理系统交互的工具。
• • 开发可以与 Aura 协同工作的专用代理，使其能够处理更复杂的多步骤工作流程。

提高鲁棒性和稳定性

• • 改进代理的错误处理，使其在 API 故障或意外输入等场景中更具韧性。
• • 优化底层架构，以确保在添加更多工具和任务时的可扩展性和一致性。
• • 测试和完善 Aura 如何管理重叠请求，确保在高需求情况下也能顺畅运行。

个性化

• • 添加长期结构化记忆，以便Aura可以记住概念、工作流程和偏好。

这个基础使我们能够实验并将Aura发展成一个强大的个性化AI助手。

请关注即将发布的帖子，我将讨论一些这些增强功能，并将Aura提升到一个新的水平。与此同时，如果您有想法或希望Aura处理的功能，请访问GitHub Discussions^[5]页面——我很想听听您的想法！