第一节 环境搭建
前言
CAMEL Multi-Agent是一个开源的、灵活的框架，它提供了一套完整的工具和库，用于构建和模拟多智能体系统。它支持多种编程语言和平台，使得开发者能够根据自己的需求和偏好选择合适的工具。
这里附上 CMAEL的github链接 :
- 教程地址：https://github.com/datawhalechina/camel-agent-tutorial
- CAMEL: https://github.com/camel-ai/camel
一、安装
教程中提供了很多安装的方式，为了避免环境冲突，笔者这里选择比较熟悉的 conda创建
代码如下：
conda create --name camel python=3.10
conda activate camel
git clone -b v0.2.19 https://github.com/camel-ai/camel.git
cd camel
pip install -e .[all]
接下来就是漫长的等待安装了！
二、获取API
1. 使用熟悉的API代理平台
例如 硅基流动 、ModelScope 等
笔者这里选择ModelScop，获取到自己的SDK令牌
在本地测试一下能不能跑一个语言模型的测试代码出来：
如下图，创建一个py文件，做测试
我们运行：
python haha.py
可以发现调用成功了。
接下来我们测试一个调用多模态模型
我们要求模型分析图片内容
2.设置不使用明文存放API
明文存放API是危险的，毕竟防人之心不可无，API除了免费赠送的就是自费购买的（都是money呀）
我们可以使用dotenv 来管理 API 密钥，首先我们安装python-dotenv 库
pip install python-dotenv
之后在外面的项目根目录创建一个名为 .env 的文件，并在其中添加你的 API 密钥：
QWEN_API_KEY=你的api密钥
其实贴心的 CMAEL框架已经帮我们创建好了 .env
重新调用模型也是没问题的。
三 、具体应用
接下来我们将根据教程创建一个股市交易智能体
from colorama import Fore
from camel.societies import RolePlaying
from camel.utils import print_text_animated
from camel.models import ModelFactory
from camel.types import ModelPlatformType
from dotenv import load_dotenv
import os
load_dotenv(dotenv_path='.env')
api_key = os.getenv('QWEN_API_KEY')
model = ModelFactory.create(
model_platform=ModelPlatformType.OPENAI_COMPATIBLE_MODEL,
model_type="Qwen/Qwen2.5-72B-Instruct",
url='https://api-inference.modelscope.cn/v1/',
api_key=api_key
)
def main(model=model, chat_turn_limit=50) -> None:
task_prompt = "为股票市场开发一个交易机器人"#设置任务目标
role_play_session = RolePlaying(
assistant_role_name="Python 程序员",#设置AI助手角色名
assistant_agent_kwargs=dict(model=model),
user_role_name="股票交易员",#设置用户角色名，在roleplay中，user用于指导AI助手完成任务
user_agent_kwargs=dict(model=model),
task_prompt=task_prompt,
with_task_specify=True,
task_specify_agent_kwargs=dict(model=model),
output_language='中文'#设置输出语言
)
print(
Fore.GREEN
+ f"AI 助手系统消息:\n{role_play_session.assistant_sys_msg}\n"
)
print(
Fore.BLUE + f"AI 用户系统消息:\n{role_play_session.user_sys_msg}\n"
)
print(Fore.YELLOW + f"原始任务提示:\n{task_prompt}\n")
print(
Fore.CYAN
+ "指定的任务提示:"
+ f"\n{role_play_session.specified_task_prompt}\n"
)
print(Fore.RED + f"最终任务提示:\n{role_play_session.task_prompt}\n")
n = 0
input_msg = role_play_session.init_chat()
while n < chat_turn_limit:
n += 1
assistant_response, user_response = role_play_session.step(input_msg)
if assistant_response.terminated:
print(
Fore.GREEN
+ (
"AI 助手已终止。原因: "
f"{assistant_response.info['termination_reasons']}."
)
)
break
if user_response.terminated:
print(
Fore.GREEN
+ (
"AI 用户已终止。"
f"原因: {user_response.info['termination_reasons']}."
)
)
break
print_text_animated(
Fore.BLUE + f"AI 用户:\n\n{user_response.msg.content}\n"
)
print_text_animated(
Fore.GREEN + "AI 助手:\n\n"
f"{assistant_response.msg.content}\n"
)
if "CAMEL_TASK_DONE" in user_response.msg.content:
break
input_msg = assistant_response.msg
if __name__ == "__main__":
main()
进阶任务
我想要创建一个鲜花选购智能体，帮助客户进行自助选花，给出专属选择建议。
可以看到基本实现了我的需求，但是并不成熟，比较粗糙。需要后面随着课程的深入进一步优化。
总结
通过本节的学习，我成功搭建了CAMEL Multi-Agent框架的环境，并初步掌握了如何使用该框架创建多智能体系统。
通过实际案例的演练，我了解了如何设置任务提示、角色名称和输出语言，以及如何通过角色扮演的方式实现智能体之间的对话。
尽管初步实现了功能，但智能体的表现仍有提升空间，后续课程将进一步优化和完善。