构建智能体

在LlamaIndex中，智能体是由大型语言模型驱动的半自主软件模块，它被赋予任务并执行一系列步骤来解决该任务。它被提供一组工具，这些工具可以是任意函数，甚至是完整的LlamaIndex查询引擎，它会选择最佳可用工具来完成每个步骤。当每个步骤完成时，智能体会判断任务是否已完成，若已完成则向用户返回结果，若需要继续执行下一步，则返回循环起点。

在LlamaIndex中，您可以选择从零开始构建自己的智能体工作流（相关内容在"构建工作流"章节中介绍），或者使用我们预置的智能体工作流，例如FunctionAgent（一个简单的函数/工具调用智能体）或AgentWorkflow（能够管理多个智能体的智能体）。本教程将介绍如何使用FunctionAgent构建函数调用智能体。

要了解构建多智能体系统的各种方法，请前往“多智能体系统”。

你可以在智能体教程代码库中找到所有这些代码。

为避免冲突并保持环境整洁，我们将创建一个新的Python虚拟环境。您可以使用任何虚拟环境管理器，但这里我们将使用poetry：

poetry init
poetry shell

然后我们将安装LlamaIndex库以及其他一些会有用的依赖项：

pip install llama-index-core llama-index-llms-openai python-dotenv

如果遇到任何问题，请查阅我们更详细的安装指南。

我们的智能体将由 OpenAI 的 gpt-4o-mini 大语言模型驱动，因此您需要一个 API 密钥。获取密钥后，您可以将其放置在项目根目录的 .env 文件中：

OPENAI_API_KEY=sk-proj-xxxx

如果您不想使用OpenAI，可以使用任何其他LLM，包括本地模型。智能体需要性能强大的模型，因此较小的模型可能可靠性较低。

我们将从导入所需的LlamaIndex组件开始，同时从.env文件加载环境变量：

from dotenv import load_dotenv

load_dotenv()

from llama_index.llms.openai import OpenAI
from llama_index.core.agent.workflow import FunctionAgent

在这个简单示例中，我们将创建两个工具：一个知道如何将数字相乘，另一个知道如何将它们相加。

def multiply(a: float, b: float) -> float:
    """Multiply two numbers and returns the product"""
    return a * b


def add(a: float, b: float) -> float:
    """Add two numbers and returns the sum"""
    return a + b

如您所见，这些都是常规的Python函数。在决定使用哪种工具时，您的智能体将使用工具的名称、参数和文档字符串来确定工具的功能以及它是否适合当前任务。因此，确保文档字符串具有描述性且实用非常重要。它还会使用类型提示来确定预期的参数和返回类型。

gpt-4o-mini 今天将执行以下工作：

llm = OpenAI(model="gpt-4o-mini")

您也可以选择其他可通过API访问的流行模型，例如来自Mistral、Anthropic的Claude或Google的Gemini的模型。

现在我们创建我们的智能体。它需要一个工具数组、一个大语言模型和一个系统提示，以告知它要成为何种类型的智能体。通常你的系统提示会比这个更详细！

workflow = FunctionAgent(
    tools=[multiply, add],
    llm=llm,
    system_prompt="You are an agent that can perform basic mathematical operations using tools.",
)

GPT-4o-mini 实际上足够智能，无需工具就能完成如此简单的数学运算，这就是为什么我们在提示中指定它应该使用工具。

除了 FunctionAgent 之外，LlamaIndex 中还提供了其他智能体，例如 ReActAgent 和 CodeActAgent，它们使用不同的提示策略来执行工具。

现在我们可以让智能体进行一些数学运算：

response = await workflow.run(user_msg="What is 20+(2*4)?")
print(response)

请注意这是异步代码。它可以在笔记本环境中运行，但如果你想在常规Python中运行，需要将其包装在异步函数中，如下所示：

async def main():
    response = await workflow.run(user_msg="What is 20+(2*4)?")
    print(response)


if __name__ == "__main__":
    import asyncio

    asyncio.run(main())

这应该会给你类似以下的输出：

The result of (20 + (2 times 4)) is 28.

查看代码仓库了解最终代码应该是什么样子。

恭喜！您已经构建了最基础的智能体类型。接下来让我们学习如何使用预构建工具。