에이전트래버토리: 지능형 에이전트로 과학 연구의 전 과정을 완료하기 위한 오픈 소스 도구입니다.

일반 소개

에이전트래버러토리는 GitHub에서 호스팅되는 오픈 소스 도구로 Samuel Schmidgall이 개발했습니다. 이 도구는 대규모 언어 모델(LLM)로 구동되는 지능형 에이전트를 사용하여 문헌 검토, 실험 설계, 보고서 작성 등 과학 연구의 전 과정을 연구자가 수행할 수 있도록 도와줍니다. 이 도구의 목표는 인간의 창의성을 대체하는 것이 아니라 연구를 더 효율적으로 만드는 것입니다. 사용자가 연구 아이디어를 입력하면 이 도구는 논문 검색이나 코드 생성과 같은 반복적인 작업을 자동화합니다. 학술 연구자, 학생, 엔지니어에게 적합합니다. 이 프로젝트는 다국어 문서를 지원하며, 2025년 3월에 에이전트들이 서로 연구 결과를 공유할 수 있는 AgentRxiv 프레임워크가 추가되어 마지막으로 업데이트되었습니다.

기능 목록

문헌 검토arXiv와 같은 데이터베이스에서 논문을 자동으로 수집하고 관련 콘텐츠를 정리합니다.
실험 설계: 연구 계획과 실행 가능한 Python 코드를 생성합니다.
보고서 작성: 연구 결과를 LaTeX 형식으로 변환하여 전체 보고서를 생성합니다.
AgentRxiv 프레임워크: 에이전트가 연구 결과를 업로드하고 액세스하여 공동 작업을 진행할 수 있도록 지원합니다.
코파일럿 모드전원을 켜면 도구가 사용자와 실시간으로 상호작용하여 스터디를 조정합니다.
다국어 지원중국어, 영어 및 기타 언어로 된 문서 및 운영자 인터페이스를 제공합니다.

도움말 사용

에이전트래버러토리의 설치 및 사용에는 몇 가지 기본 단계가 필요하지만 간단하게 따라 할 수 있습니다. 다음은 설치 및 사용 방법에 대한 자세한 설명이므로 빠르게 시작할 수 있습니다.

설치 프로세스

프로젝트 코드 다운로드
터미널을 열고 다음 명령을 입력하여 코드베이스를 복제합니다:

git clone git@github.com:SamuelSchmidgall/AgentLaboratory.git

다운로드가 완료되면 AgentLaboratory 폴더.

Python 환경 만들기
프로젝트 폴더로 이동하여 가상 환경을 생성하고 활성화합니다. Python 3.12가 공식적으로 권장됩니다:

cd AgentLaboratory
python -m venv venv_agent_lab
source venv_agent_lab/bin/activate  # Linux/Mac
venv_agent_lab\Scripts\activate  # Windows

활성화되면 터미널에 다음과 같이 표시됩니다. (venv_agent_lab).

종속성 설치
가상 환경에서 실행됩니다:

pip install -r requirements.txt

이렇게 하면 필요한 Python 라이브러리가 설치됩니다. 문제가 발생하면 GitHub 이슈 페이지를 확인하세요.

pdflatex 설치(선택 사항)
LaTeX 형식으로 보고서를 생성해야 하는 경우 pdflatex를 설치하세요:

sudo apt install pdflatex  # Linux

권한이 없으신가요? 매개 변수를 사용할 수 있습니다. <code>--compile-latex "false"</code> 이 단계를 건너뜁니다.

API 키 설정
도구에는 OpenAI 또는 DeepSeek API 키를 입력합니다. 키를 얻으면 환경 변수를 설정합니다:

export OPENAI_API_KEY="你的密钥"  # Linux/Mac
set OPENAI_API_KEY="你的密钥"  # Windows

또는 런타임에 직접 키를 지정하세요.

실행 도구

설치가 완료되면 다음 명령을 실행하여 시작합니다:

python ai_lab_repo.py --yaml-location "experiment_configs/MATH_agentlab.yaml"

'머신 러닝 최적화'와 같은 특정 주제를 조사하려면 입력하세요:

python ai_lab_repo.py --api-key "sk-xxx" --llm-backend "gpt-4o" --research-topic "机器学习优化"

도구가 자동으로 처리를 시작합니다.

주요 기능

연구 주제 입력
도구를 실행한 후 테마를 지정하지 않으면 메시지가 표시됩니다:

请为 AgentLaboratory 输入一个实验想法：

입력하고 엔터를 누르면 도구가 작동하기 시작합니다.

문헌 검토 보기
이 도구는 arXiv와 같은 데이터베이스에서 논문을 수집하고 그 결과를 생성하여 output 폴더에 <研究主题>_literature.md. 파일을 열어 내용을 확인합니다.
실험 코드 실행
도구는 다음과 유사한 경로를 가진 파이썬 코드를 생성합니다. output/<研究主题>_code.py. 실행 중입니다:

python output/机器学习优化_code.py

실험 결과를 확인할 수 있습니다.

보고서 생성
실험이 완료되면 도구가 다음 경로의 LaTeX 파일을 생성합니다. output/<研究主题>_report.tex. pdflatex가 설치되어 있으면 자동으로 PDF로 컴파일됩니다.
코파일럿 모드 사용
컴파일러 <code>experiment_configs/MATH_agentlab.yaml</code> 파일에 copilot-mode 로 설정 true을 클릭한 다음 실행합니다. 이 도구는 실시간으로 사용자의 의견을 묻습니다.
AgentRxiv 기능
런타임에 매개 변수 추가 <code>--agentrxiv "true"</code>를 입력하면 에이전트는 다른 에이전트가 사용할 수 있도록 결과를 AgentRxiv 프레임워크에 업로드합니다.

팁 및 유용한 정보

자세한 노트 작성: in <code>ai_lab_repo.py</code> (명목식 형태로 사용됨) task_notes_LLM 실험 목표나 하드웨어 정보 등의 메모를 추가하여 상담원이 요구 사항을 이해하는 데 도움이 되도록 하세요.
모델 선택사용 --llm-backend 모델을 지정합니다(예 <code>--llm-backend="o1-mini"</code>. 다음과 같은 강력한 모델 o1 결과는 더 좋지만 비용이 더 많이 듭니다.
로딩 진행 상황중단된 경우 중단된 경우 state_saves 폴더가 로드되기 전 체크포인트.
중국 운영설정 파일에서 설정 language: "中文"이 도구는 중국어로 콘텐츠를 생성합니다.

주의

네트워크가 작동 중이고 도구에 외부 데이터베이스에 대한 액세스가 필요한지 확인합니다.
파일은 output 폴더를 정기적으로 청소하는 것이 좋습니다.
오류가 발생하면 API 키 또는 모델 설정을 확인하세요.

이 단계를 통해 에이전트래버러토리로 연구 작업을 효율적으로 완료할 수 있습니다.

애플리케이션 시나리오

에세이 쓰기
연구자가 주제를 입력하면 도구가 문헌 검토와 초안을 생성하므로 액세스 시간을 절약할 수 있습니다.
실험적 검증
엔지니어가 실험 목표를 입력하면 도구가 코드와 계획을 제공하여 아이디어를 빠르게 테스트할 수 있습니다.
팀워크
AgentRxiv를 사용하면 여러 연구자가 결과를 공유하고 프로젝트 진행을 가속화할 수 있습니다.

QA

프로그래밍 경험이 필요하신가요?
필요하지 않습니다. 명령을 단계별로 복사하여 사용하기만 하면 됩니다. 하지만 파이썬을 알고 있으면 코드를 더 유연하게 조정할 수 있습니다.
비싸나요?
프로젝트는 무료이지만 선택한 모델과 사용량에 따라 API 호출에 대한 요금이 부과될 수 있습니다.
오프라인에서도 사용할 수 있나요?
아니요. 이 도구를 사용하려면 데이터베이스 및 API에 대한 네트워크 액세스가 필요합니다.