Schnellstart

Mit AgentChat können Sie Anwendungen mit vordefinierten Agenten schnell erstellen. Zur Veranschaulichung beginnen wir mit der Erstellung eines einzelnen Agenten, der Werkzeuge verwenden kann.

Zuerst müssen wir die Pakete AgentChat und Extension installieren.

pip install -U "autogen-agentchat" "autogen-ext[openai,azure]"

Dieses Beispiel verwendet ein OpenAI-Modell, Sie können aber auch andere Modelle verwenden. Aktualisieren Sie einfach den model_client mit dem gewünschten Modell oder der gewünschten Modell-Client-Klasse.

Um Azure OpenAI-Modelle und AAD-Authentifizierung zu verwenden, können Sie die Anweisungen hier befolgen. Für andere Modelle siehe Modelle.

from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.ui import Console
from autogen_ext.models.openai import OpenAIChatCompletionClient

# Define a model client. You can use other model client that implements
# the `ChatCompletionClient` interface.
model_client = OpenAIChatCompletionClient(
    model="gpt-4o",
    # api_key="YOUR_API_KEY",
)


# Define a simple function tool that the agent can use.
# For this example, we use a fake weather tool for demonstration purposes.
async def get_weather(city: str) -> str:
    """Get the weather for a given city."""
    return f"The weather in {city} is 73 degrees and Sunny."


# Define an AssistantAgent with the model, tool, system message, and reflection enabled.
# The system message instructs the agent via natural language.
agent = AssistantAgent(
    name="weather_agent",
    model_client=model_client,
    tools=[get_weather],
    system_message="You are a helpful assistant.",
    reflect_on_tool_use=True,
    model_client_stream=True,  # Enable streaming tokens from the model client.
)


# Run the agent and stream the messages to the console.
async def main() -> None:
    await Console(agent.run_stream(task="What is the weather in New York?"))
    # Close the connection to the model client.
    await model_client.close()


# NOTE: if running this inside a Python script you'll need to use asyncio.run(main()).
await main()

---------- user ----------
What is the weather in New York?
---------- weather_agent ----------
[FunctionCall(id='call_bE5CYAwB7OlOdNAyPjwOkej1', arguments='{"city":"New York"}', name='get_weather')]
---------- weather_agent ----------
[FunctionExecutionResult(content='The weather in New York is 73 degrees and Sunny.', call_id='call_bE5CYAwB7OlOdNAyPjwOkej1', is_error=False)]
---------- weather_agent ----------
The current weather in New York is 73 degrees and sunny.

Was kommt als Nächstes?

Nachdem Sie nun ein grundlegendes Verständnis für die Verwendung eines einzelnen Agenten haben, sollten Sie dem Tutorial für eine Schritt-für-Schritt-Anleitung zu anderen Funktionen von AgentChat folgen.