【CMAEL多智能体框架】第一节 环境搭建及简单应用(构建一个鲜花选购智能体)

发布于:2025-02-12 ⋅ 阅读:(58) ⋅ 点赞:(0)

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 :

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

笔者这里选择ModelScop,获取到自己的SDK令牌
在这里插入图片描述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
在这里插入图片描述我们运行:

python haha.py

在这里插入图片描述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
在这里插入图片描述我们要求模型分析图片内容
在这里插入图片描述

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
在这里插入图片描述重新调用模型也是没问题的。
在这里插入图片描述

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()

在这里插入图片描述

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。
在这里插入图片描述在这里插入图片描述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。

网站公告

今日签到

点亮在社区的每一天
去签到