muAgent：LLMとEKG（業界知識）によって駆動される新しいエージェントオーケストレーションフレームワーク

はじめに

muAgent は、Ant Group が開発した革新的なマルチインテリジェントフレームワークです。このフレームワークは、マルチインテリゲンチャ、ファンクションコール、コードインタプリタ、およびその他のテクノロジと連携し、キャンバスのドラッグ＆ドロップや簡単なテキスト記述を通じて、ユーザが人間の指導の下で様々な複雑な標準操作手順（SOP）を実行するのを支援します。現在、このフレームワークは、Antグループのいくつかの複雑なDevOpsシナリオで検証されています。

KGベースのAgentオーケストレーション、Javaベースのツール/Agentの登録と管理、ドラッグ＆ドロップで編集可能なフロントエンド製品のUIなど、ワンクリックのデプロイメント機能を提供します。

これは現在ベータ版です。v1.0+バージョンが強化され次第、v1.0+イメージをダウンロード用にリリースします。

CoAgentのチェーン全体を理解しやすくするために、CoAgentをどのように構成していくかをフロー形式で詳しく説明します。

機能一覧

• 複合推論複雑なタスク実行のためのマルチレベルの推論機能をサポートします。
• オンライン・コラボレーションチームメンバー間のリアルタイムな交流をサポートするオンラインコラボレーション機能を提供します。
• 人的交流人間とコンピュータの相互作用を通じて、タスク実行の精度と効率を高める。
• 活用のための知識ナレッジグラフベースの設計により、知識の獲得と活用を即座に行うことができます。

ヘルプの使用

設置プロセス

1. コードベースのクローン使用 ギットクローン コマンドでCodeFuse-muAgentのGitHubリポジトリをcloneする。
2. カタログへのアクセス使用 cd CodeFuse-muAgent プロジェクト・カタログにアクセスする。
3. Dockerネットワークの作成走る docker network create ekg-net Dockerネットワークを作成する。
4. コンテナ・サービスの開始走る docker-compose up -d すべてのコンテナサービスを開始する。
5. アクセスサービスブラウザで開く https://localhost:8000 サービスへのアクセス。

使用プロセス

1. LLMと埋め込みモデルの設定文書に応じて、適切な大規模言語モデルと埋め込みモデルを設定する。
2. バーチャルチームの結成キャンバスベースのドラッグ＆ドロップやテキストオーサリングで、バーチャルチームやシナリオのインテントを作成できます。
3. SOPの実施人間の指導の下、マルチインテリジェンス・コラボレーションにより複雑なSOPプロセスを実行する。
4. デバッグと最適化ビジュアルデバッギングツールを使って、プロセスのエラーを素早く見つけて修正する。
5. ナレッジ・マネジメント統一されたメッセージプール設計により、様々なシナリオに必要なメッセージを管理・取得。

詳細な手順

• 仮想チーム作成関連するノードをキャンバス上にドラッグ＆ドロップして、シーンインテントとセマンティックノードを設定します。
• 指令の実施実行するタスクを選択すると、あらかじめ設定されたプロセスに従って自動的に実行されます。
• デバッグの最適化実行中のログやエラーメッセージをデバッグインターフェイスで表示し、それに応じて調整します。
• 知識検索内蔵のナレッジ検索機能を使って、関連するナレッジポイントや取扱説明書を素早く見つけることができます。

プロジェクト概要

推論精度の面で大規模モデルの性能を向上させるために、業界では様々な革新的な大規模言語モデル（LLM）プレイブックが登場している。初期のCoT、ToTからGoTまで、これらのアプローチはLLM能力の境界を広げ続けている。複雑な問題を扱う場合 リ・アクト ツールを複数回使用し、多段階の実行を可能にしながら、ツールのフィードバックを選択、呼び出し、実行するプロセス。

しかし、複雑なコードの開発など、より複雑なシナリオでは、単機能の LLM エージェントでは明らかに対応できません。その結果、コミュニティは、metaGPT、GPT-Engineer、chatDev、その他の開発分野に焦点を当てたプロジェクトや、エージェントやエージェントダイアログの自動構築に焦点を当てたプロジェクトなど、マルチエージェントの組み合わせプレイを開発し始めました。 オートジェン プロジェクト

これらのフレームワークを詳細に分析した結果、ほとんどのエージェントフレームワー クは、全体的な結合度が高く、使いやすさや拡張性が低いことがわかった。あらかじめ定義されたシナリオの中で特定のシナリオを実装することは難しいが、シナリオを拡張することは難しい。

そこで、ChatBotの知識ベース情報へのアクセスを支援すると同時に、日々の事務作業、データ分析、開発、運用保守、その他一般的な作業を支援する、拡張可能で使いやすいマルチエージェントフレームワークを構築したい。

このプロジェクトのMutli-Agentフレームワークは、metaGPTのメッセージプールやautogenのエージェントセレクタなど、いくつかのフレームワークの優れた設計を利用している。

AIを始めるための素人ガイド

AIツールの活用方法を、低コスト・ゼロベースから学ぶことができます。AIはオフィスソフトと同様、誰にとっても必須のスキルです。 AIをマスターすれば、就職活動で有利になり、今後の仕事や勉強の労力も半減します。

詳細を見る