LangGraph Supervisor: uma ferramenta para gerenciar a colaboração de várias inteligências usando inteligências de supervisão

Introdução geral

LangGraph O Supervisor é uma biblioteca Python baseada na estrutura LangGraph projetada para criar e gerenciar sistemas corporais multiinteligentes. A biblioteca coordena o trabalho de vários agentes especializados por meio de um agente de supervisão central, garantindo o gerenciamento eficiente dos fluxos de comunicação e das atribuições de tarefas. O LangGraph Supervisor é compatível com os modos roteador e coordenador, oferece mecanismos de transferência de agentes instrumentados, gerenciamento flexível do histórico de mensagens e é adequado para cenários de aplicativos em processamento de fluxo contínuo, memória de curto e longo prazo e humanos no circuito.

Lista de funções

• Criar agentes de supervisão para coordenar vários agentes especializados
• Suporta os modos roteador e coordenador
• Mecanismos de transferência de proxy instrumentalizados
• Gerenciamento flexível do histórico de mensagens
• Suporta processamento de streaming, memória de curto e longo prazo
• Suporte a cenários de aplicativos human-in-the-loop

Usando a Ajuda

Processo de instalação

1. Certifique-se de que o ambiente Python esteja instalado.
2. Instale a biblioteca LangGraph Supervisor usando o pip:

   pip install langgraph-supervisor

3. Instale as bibliotecas LangChain e OpenAI:

   pip install langchain-openai

4. Defina a chave da API da OpenAI:

   export OPENAI_API_KEY=<your_api_key>

exemplo de uso

Abaixo está um exemplo simples que mostra como gerenciar dois agentes especializados usando o LangGraph Supervisor:

1. Importe as bibliotecas e os módulos necessários:

   from langchain_openai import ChatOpenAI
from langgraph_supervisor import create_supervisor
from langgraph.prebuilt import create_react_agent

2. Criar agentes especializados:

   def add(a: float, b: float) -> float:
"""Add two numbers."""
return a + b
def multiply(a: float, b: float) -> float:
"""Multiply two numbers."""
return a * b
def web_search(query: str) -> str:
"""Search the web for information."""
return "Here are the headcounts for each of the FAANG companies in 2024:..."
model = ChatOpenAI(model="gpt-4o")
math_agent = create_react_agent(model=model, tools=[add, multiply], name="math_expert", prompt="You are a math expert. Always use one tool at a time.")
research_agent = create_react_agent(model=model, tools=[web_search], name="research_expert", prompt="You are a world class researcher with access to web search. Do not do any math.")

3. Crie um agente de supervisão, compile-o e execute-o:

   workflow = create_supervisor([research_agent, math_agent], model=model, prompt="You are a team supervisor managing a research expert and a math expert.")
app = workflow.compile()
result = app.invoke({
"messages": [
{"role": "user", "content": "what's the combined headcount of the FAANG companies in 2024?"}
]
})

Fluxo de operação detalhado da função

1. Criação de agentes de supervisão: através decreate_supervisorcria um agente de supervisão responsável por coordenar o trabalho de vários agentes especializados.
2. Definição de agentes especializados: Usocreate_react_agentAs funções definem agentes especializados para diferentes funções, como agentes de computação matemática e agentes de pesquisa na Web.
3. Compilar e executar fluxos de trabalho: através deworkflow.compile()Compile o fluxo de trabalho e use oapp.invoke()Executa um fluxo de trabalho que processa a entrada do usuário e retorna resultados.

O LangGraph Supervisor oferece uma solução flexível de gerenciamento de sistemas de inteligência múltipla para automatizar e coordenar uma variedade de tarefas complexas.