LangGraph Supervisor : un outil pour gérer la collaboration multi-intelligence en utilisant des intelligences de supervision

Introduction générale

LangGraph Supervisor est une bibliothèque Python basée sur le cadre LangGraph et conçue pour créer et gérer des systèmes corporels multi-intelligents. LangGraph Supervisor supporte à la fois les modes routeur et coordinateur, fournit des mécanismes de transfert d'agents instrumentés, une gestion flexible de l'historique des messages, et convient aux scénarios d'application dans le traitement en continu, la mémoire à court et à long terme, et les humains dans la boucle.

Liste des fonctions

• Créer des agents de supervision pour coordonner plusieurs agents spécialisés
• Prise en charge des modes routeur et coordinateur
• Mécanismes de transfert par procuration instrumentalisés
• Gestion souple de l'historique des messages
• Prise en charge du traitement en continu, de la mémoire à court et à long terme
• Soutien aux scénarios d'application "human-in-the-loop

Utiliser l'aide

Processus d'installation

1. Assurez-vous que l'environnement Python est installé.
2. Installez la bibliothèque LangGraph Supervisor à l'aide de pip :

   pip install langgraph-supervisor

3. Installer les bibliothèques LangChain et OpenAI :

   pip install langchain-openai

4. Définir la clé de l'API OpenAI :

   export OPENAI_API_KEY=<your_api_key>

exemple d'utilisation

Voici un exemple simple montrant comment gérer deux agents spécialisés à l'aide du superviseur LangGraph :

1. Importer les bibliothèques et modules nécessaires :

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

2. Créer des agents spécialisés :

   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. Créer un agent de supervision, le compiler et l'exécuter :

   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?"}
]
})

Fonction détaillée du déroulement des opérations

1. Création d'agents de surveillance: à traverscreate_supervisorcrée un agent de supervision chargé de coordonner le travail de plusieurs agents spécialisés.
2. Définition des agents spécialisés: Utilisationcreate_react_agentLes fonctions définissent des agents spécialisés pour différentes fonctions, comme les agents de calcul mathématique et les agents de recherche sur le web.
3. Compiler et exécuter des flux de travail: à traversworkflow.compile()Compilez le flux de travail et utilisez la fonctionapp.invoke()Exécute un flux de travail qui traite les données de l'utilisateur et renvoie les résultats.

LangGraph Supervisor est une solution flexible de gestion de systèmes de renseignement multiples permettant d'automatiser et de coordonner une variété de tâches complexes.