快速入门

通过AgentChat，您可以使用预设代理快速构建应用程序。 为了说明这一点，我们将从创建一个能够使用工具的单代理开始。

首先，我们需要安装AgentChat和扩展包。

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

本示例使用OpenAI模型，但您也可以使用其他模型。 只需将model_client更新为所需的模型或模型客户端类即可。

要使用Azure OpenAI模型和AAD身份验证， 您可以按照此处的说明操作。 要使用其他模型，请参阅模型。

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

# 定义一个模型客户端。
# 您可以使用其他实现了`ChatCompletionClient`接口的模型客户端。
model_client = OpenAIChatCompletionClient(
    model="gpt-4o",
    # api_key="YOUR_API_KEY",
)


# 定义一个简单的函数工具供代理使用。本例中，
# 我们使用一个模拟天气工具进行演示。
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."


# 定义一个AssistantAgent，配置模型、工具、
# 系统消息并启用反思功能。系统消息通过自然语言指导代理行为。
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,  # 启用从模型客户端流式传输令牌的功能。
)


# 运行代理并将消息流式传输到控制台。
async def main() -> None:
    await Console(agent.run_stream(task="What is the weather in New York?"))
    # 关闭与模型客户端的连接。
    await model_client.close()


# 注意：如果在 Python 脚本中运行此代码，需要使用 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.

后续步骤

现在您已经掌握了单个代理的基本使用方法，建议继续学习教程来了解 AgentChat 的其他功能特性。