LangGraph Supervisor: una herramienta para gestionar la colaboración multiinteligencia mediante inteligencias supervisoras

Introducción general

LangGraph Supervisor es una librería Python basada en el framework LangGraph diseñada para crear y gestionar sistemas de cuerpos multiinteligentes. La librería coordina el trabajo de múltiples agentes especializados a través de un agente supervisor central, asegurando una gestión eficiente de los flujos de comunicación y la asignación de tareas.LangGraph Supervisor soporta los modos router y coordinador, proporciona mecanismos instrumentados de traspaso de agentes, gestión flexible del historial de mensajes, y es adecuada para escenarios de aplicación en procesamiento de streaming, memoria a corto y largo plazo, y humans-in-the-loop.

Lista de funciones

• Crear agentes supervisores para coordinar a múltiples agentes especializados
• Admite los modos enrutador y coordinador
• Mecanismos de traspaso instrumentalizados
• Gestión flexible del historial de mensajes
• Apoya el procesamiento de secuencias y la memoria a corto y largo plazo
• Escenarios de aplicación human-in-the-loop

Utilizar la ayuda

Proceso de instalación

1. Asegúrese de que el entorno Python está instalado.
2. Instale la biblioteca LangGraph Supervisor utilizando pip:

   pip install langgraph-supervisor

3. Instala las bibliotecas LangChain y OpenAI:

   pip install langchain-openai

4. Establece la clave de la API de OpenAI:

   export OPENAI_API_KEY=<your_api_key>

ejemplo de uso

A continuación se muestra un sencillo ejemplo de cómo gestionar dos agentes especializados utilizando el Supervisor LangGraph:

1. Importe las bibliotecas y módulos necesarios:

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

2. Crear 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. Cree un agente supervisor, compílelo y ejecútelo:

   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?"}
]
})

Flujo detallado de funcionamiento de las funciones

1. Creación de agentes supervisores: a través decreate_supervisorcrea un agente supervisor que se encarga de coordinar el trabajo de múltiples agentes especializados.
2. Definición de agentes especializados: Usocreate_react_agentLas funciones definen agentes especializados para diferentes funciones, como agentes de cálculo matemático y agentes de búsqueda web.
3. Compilar y ejecutar flujos de trabajo: a través deworkflow.compile()Compile el flujo de trabajo y utilice la funciónapp.invoke()Ejecuta un flujo de trabajo que procesa la entrada del usuario y devuelve los resultados.

LangGraph Supervisor proporciona una solución flexible de gestión de sistemas multiinteligencia para automatizar y coordinar diversas tareas complejas.