Qwen-Agent: ein auf Qwen basierendes Framework für intelligente Agentenanwendungen, einschließlich Tool-Aufrufen, Code-Interpretern, RAGs und Chrome-Erweiterungen.

Allgemeine Einführung

Qwen-Agent ist ein Framework für intelligente Agentenanwendungen, das auf der Grundlage von Qwen 2.0 und höher entwickelt wurde und über Funktionen für Befehlsverfolgung, Werkzeugnutzung, Planung und Speicher verfügt. Das Framework bietet eine Vielzahl von Beispielanwendungen, wie Browser-Helfer, Code-Interpreter und benutzerdefinierte Helfer, um Entwicklern zu helfen, schnell intelligente Agentenanwendungen zu erstellen und einzusetzen. Qwen-Agent unterstützt eine Vielzahl von funktionalen Modulen, einschließlich Funktionsaufrufe, Code-Interpretation, RAG (Retrieval Augmentation Generation) und Chrome-Erweiterungen, für eine Vielzahl von komplexen Anwendungsszenarien.

BrowserQwen, eine browserbasierte Erweiterung für intelligente Körper

Funktionsliste

• FunktionsaufrufAutomatisierung: Unterstützt die Automatisierung komplexer Aufgaben durch Funktionsaufrufe.
• Code-DolmetscherCode-Interpretation: Bereitstellung von Code-Interpretationsfunktionen, die den Benutzern helfen, den Code zu verstehen und auszuführen.
• RAG (Retrieval Augmentation Generation)Unterstützt die Abfrage und Generierung von Dokumenten in großem Umfang für die Abfrage von langen Dokumenten.
• Chrome-ErweiterungBietet Browser-Erweiterungen an, um das Surferlebnis des Benutzers zu verbessern.
• Werkzeuge zur AnpassungErmöglicht es Benutzern, benutzerdefinierte Tools hinzuzufügen, um die Funktionalität des Frameworks zu erweitern.

Hilfe verwenden

Einbauverfahren

1. Installieren der stabilen Version von PyPI::

   pip install -U "qwen-agent[gui,rag,code_interpreter,python_executor]"
   

   Oder installieren Sie die am wenigsten abhängige Version:

   pip install -U qwen-agent
   

   Zu den optionalen Abhängigkeiten gehören:

   • [gui]Gradio-basierte GUI-Unterstützung
   • [rag]RAG: Unterstützung für RAG
   • [code_interpreter]Unterstützung für Code-Interpreter
   • [python_executor]Qwen2.5: Werkzeugintegrierte Argumentation zur Unterstützung von Qwen2.5-Math
2. Installieren Sie die neueste Entwicklungsversion aus dem Quellcode::

   git clone https://github.com/QwenLM/Qwen-Agent.git
   cd Qwen-Agent
   pip install -e ./[gui,rag,code_interpreter,python_executor]
   

   Oder installieren Sie die am wenigsten abhängige Version:

   pip install -e ./
   

Funktion Betriebsablauf

1. Konfiguration Modelldienst::
   • Verwenden Sie den von AliCloud DashScope bereitgestellten Modelldienst, um die Umgebungsvariable DASHSCOPE_API_KEY für Ihren DashScope API-Schlüssel.
   • Alternativ können Sie auch Ihren eigenen Modelldienst einrichten und verwenden, indem Sie den Anweisungen in der README für Qwen2 folgen.
2. Entwicklung von Zollagenten::
   Qwen-Agent stellt Basiskomponenten zur Verfügung, wie zum Beispiel die Komponenten, die von der BaseChatModel und die LLMs, die von BaseTool Werkzeugen sowie High-Level-Komponenten, wie sie von Agent des Agenten. Im Folgenden wird ein Beispiel für die Erstellung eines Agenten gegeben, der PDF-Dateien lesen und Werkzeuge verwenden kann:

   from qwen_agent.agents import Assistant
   from qwen_agent.tools.base import BaseTool, register_tool
   @register_tool('my_image_gen')
   class MyImageGen(BaseTool):
   description = 'AI 绘画服务，输入文本描述，返回基于文本信息绘制的图像 URL。'
   parameters = [{'name': 'prompt', 'type': 'string', 'description': '所需图像内容的详细描述', 'required': True}]
   def call(self, params: str, **kwargs) -> str:
   prompt = json5.loads(params)['prompt']
   prompt = urllib.parse.quote(prompt)
   return json5.dumps({'image_url': f'https://image.pollinations.ai/prompt/{prompt}'}, ensure_ascii=False)
   llm_cfg = {
   'model': 'qwen-max',
   'model_server': 'dashscope',
   'generate_cfg': {'top_p': 0.8}
   }
   tools = ['my_image_gen', 'code_interpreter']
   files = ['./examples/resource/doc.pdf']
   bot = Assistant(llm=llm_cfg, system_message='You are a helpful assistant.', function_list=tools, files=files)
   messages = []
   while True:
   query = input('user query: ')
   messages.append({'role': 'user', 'content': query})
   response = bot.run(messages=messages)
   for res in response:
   print('bot response:', res)
   messages.extend(res)
   

3. Schnellstart Gradio Demo::

   from qwen_agent.gui import WebUI
   WebUI(bot).run()