ControlFlow: 제어되고 투명한 AI 인텔리전스 바디 워크플로우를 구축하기 위한 Python 프레임워크
일반 소개
ControlFlow는 AI 워크플로우 구축 및 관리에 중점을 두고 PrefectHQ에서 개발한 Python 프레임워크입니다. 이 프레임워크는 워크플로우를 정의하고 대규모 언어 모델(LLM) 에이전트에 작업을 위임하기 위한 구조화된 개발자 중심 프레임워크를 제공하며, 제어와 투명성을 희생하지 않고 복잡한 AI 애플리케이션의 개발을 간소화하도록 설계되었습니다. 사용자는 관찰 가능한 개별 작업을 생성하고 각 작업에 하나 이상의 전용 AI 에이전트를 할당할 수 있습니다. 이러한 작업을 하나의 흐름으로 결합함으로써 사용자는 보다 복잡한 동작을 오케스트레이션할 수 있습니다.

기능 목록
- 미션 센터 아키텍처복잡한 AI 워크플로를 관리 가능하고 관찰 가능한 단계로 세분화하세요.
- 구조화된 결과유형이 안전하며 검증된 결과물을 통해 AI와 기존 소프트웨어 간의 격차를 해소합니다.
- 전문 상담원작업별 AI 에이전트를 배포하여 문제 해결 효율성을 개선하세요.
- 유연한 제어워크플로우에서 제어와 자율성의 균형을 지속적으로 조정합니다.
- 멀티 에이전트 조정단일 워크플로 또는 작업에서 여러 AI 에이전트를 조정합니다.
- 로컬 통합 가시성Prefect 3.0을 완벽하게 지원하여 AI 워크플로를 모니터링하고 디버그하세요.
- 에코시스템 통합기존 코드, 도구 및 더 광범위한 AI 에코시스템과 원활하게 작업할 수 있습니다.
도움말 사용
설치 프로세스
- pip를 사용하여 ControlFlow를 설치합니다:
pip install controlflow
- LLM 제공자를 구성하십시오.ControlFlow의 기본 제공자는 OpenAI이며, 이를 위해서는 다음을 설정해야 합니다.
OPENAI_API_KEY
환경 변수:
export OPENAI_API_KEY=your-api-key
- 다른 LLM 제공업체를 사용하는 경우 LLM 구성 설명서를 참조하세요.
기본 사용
ControlFlow의 기본 사용은 작업을 만들고, 상담원을 배정하고, 워크플로를 실행하는 것입니다. 다음은 간단한 예입니다:
import controlflow as cf
result = cf.run("写一首关于人工智能的短诗")
print(result)
고급 사용
체계적인 연구 제안서 작성
다음 예는 사용자 상호작용, 다단계 워크플로 및 구조화된 결과물을 보여줍니다:
import controlflow as cf
from pydantic import BaseModel
class ResearchProposal(BaseModel):
title: str
abstract: str
key_points: list[str]
@cf.flow
def research_proposal_flow():
user_input = cf.Task("与用户合作选择研究主题", interactive=True)
proposal = cf.run("生成结构化研究提案", result_type=ResearchProposal, depends_on=[user_input])
return proposal
result = research_proposal_flow()
print(result.model_dump_json(indent=2))
이 예에서는 일련의 작업에 대한 공유 컨텍스트인 플로우를 ControlFlow가 자동으로 관리합니다. 사용자는 언제든지 표준 Python 함수와 상담원 작업 간에 전환하여 복잡한 워크플로를 단계별로 구축할 수 있습니다.
디버깅 및 모니터링
ControlFlow는 사용자가 AI 워크플로를 모니터링하고 디버깅할 수 있는 기본 통합 가시성 기능을 제공합니다. 사용자는 Prefect 3.0의 모든 지원을 사용하여 작업 실행을 추적하고 필요에 따라 조정할 수 있습니다.
에코시스템 통합
ControlFlow는 기존 코드 및 도구와 원활하게 통합되어 광범위한 AI 기술 및 워크플로 관리 접근 방식을 지원합니다. 사용자는 기존 AI 에코시스템 리소스를 활용하여 워크플로 기능과 효율성을 더욱 향상시킬 수 있습니다.
위의 단계와 예시를 통해 사용자는 효율적인 작업 관리 및 상담원 조정을 위해 ControlFlow를 사용하여 AI 워크플로우를 구축하고 관리하는 작업을 빠르게 시작할 수 있습니다.
컨트롤플로우 핵심 개념
에이전트 워크플로 빌딩 블록
ControlFlow는 구조화된 프로그래밍과 LLM(대규모 언어 모델)의 자연어 기능 간의 격차를 해소하는 AI 워크플로우 구축용 프레임워크입니다. 이는 태스크, 에이전트, 플로우라는 세 가지 핵심 개념을 통해 이루어집니다.
에이전트 워크플로를 만들려면 명확한 목표(작업)를 정의하고, 이러한 목표를 달성할 지능형 개체를 할당하고(에이전트), 시간 경과에 따른 상호 작용(프로세스)을 구성합니다. 이 접근 방식을 사용하면 애플리케이션에 대한 세밀한 제어를 유지하면서 AI의 강력한 기능을 활용할 수 있습니다.
📋 작업
작업은 ControlFlow의 구조화된 부분을 나타냅니다. 작업은 워크플로우의 핵심을 형성하는 구체적이고 잘 정의된 목표입니다. 작업은 AI 기반 작업의 '무엇'과 '어떻게'를 캡슐화하여 명확한 프로그래밍 구조를 제공합니다.
미션 크리티컬 기능:
- AI가 달성해야 하는 구체적인 목표 정의
- 원하는 결과 유형 및 유효성 검사 기준 지정
- 실행에 필요한 지침, 컨텍스트 및 도구를 포함할 수 있습니다.
- 워크플로우의 체크포인트
존재 명령 섹션에서 자세한 내용을 확인하세요.
🦾 에이전트(상담원)
에이전트는 ControlFlow의 비정형 자연어 부분을 구현합니다. 에이전트는 사람과 유사한 텍스트를 이해하고 생성하여 워크플로우에 유연성과 적응성을 제공하는 AI 개체입니다.
상담원의 주요 기능
- 고유한 ID와 기능을 갖춘 구성 가능한 AI 엔티티를 나타냅니다.
- 특정 작업을 완료하거나 다양한 도구에 액세스하도록 전문화할 수 있습니다.
- 제공된 지침에 따라 작업 공동 작업
- 사용자와 소통할 수 있는 대화형
- 다양한 LLM 모델을 구성하여 응답을 유도할 수 있도록 지원
상담원은 다양한 LLM 모델로 구성할 수 있으므로 성능, 지연 시간, 비용 등의 요소에 따라 필요에 가장 적합한 모델을 선택할 수 있습니다.
존재 책임 있는 위치에서 SB를 대신하여 행동합니다. 섹션에서 자세한 내용을 확인하세요.
🧩 흐름(플로우)
프로세스는 워크플로우의 모든 작업과 상담원에게 공유 컨텍스트를 제공합니다. 프로세스는 작업 실행과 상담원 상호 작용을 조정하여 복잡하고 적응력이 뛰어난 AI 워크플로를 만들 수 있도록 합니다.
프로세스의 주요 특징
- 전체 AI 기반 워크플로우의 역할을 하는 하이레벨 컨테이너
- 모든 구성 요소에서 일관된 상태 및 기록
- 작업 및 상담원을 위한 공유 컨텍스트
- 중첩하여 계층적 워크플로우 생성 가능
존재 워크플로 섹션에서 자세한 내용을 확인하세요.
통합
일반적인 제어 흐름 애플리케이션에서:
- 전체 워크플로우를 나타내는 플로우를 정의합니다.
- 프로세스에서 특정 목표를 나타내는 작업 만들기
- 이러한 작업을 처리할 상담원을 지정합니다.
- 프로세스는 작업 실행 및 상담원 상호 작용을 조정하는 역할을 합니다.
이러한 구조를 통해 프로세스를 제어하고 결과물이 애플리케이션의 요구 사항을 충족하도록 보장하면서 강력하고 유연한 AI 워크플로우를 만들 수 있습니다.
© 저작권 정책
기사 저작권 AI 공유 서클 모두 무단 복제하지 마세요.
관련 문서
댓글 없음...