🤖 瞬间创建智能体 - 整合顶级工具、RAG、知识图谱与向量数据库

⚡ 创建 LLM Agent 所需的一切都在这里。你可以访问一套完整的工具、提示词（Prompts）、框架以及 LLM 模型知识中心——所有功能汇聚一处，旨在简化你的 Agent 开发流程。

📑 目录

• 简介
• 架构
• 安装
• 使用方法
  • 包版本
  • Python 接口
  • 源码版本
• DemoGPT AgentHub
  • 安装
  • 创建工具
  • 可用工具
  • 创建 Agent
  • 使用 Agent
  • 可用 Agent 类型
  • 使用 ReactAgent
  • 使用 RAG
  • 结合 RAG 与 Agent
• 待办事项
• 贡献
• 引用
• 许可证

🤖 DemoGPT AgentHub

DemoGPT AgentHub 是一个强大的库，允许你使用各种工具创建、定制并使用 AI Agent。

🛠 安装

要使用 DemoGPT AgentHub，只需安装主包即可：

pip install demogpt

🔧 创建工具

创建自定义工具非常简单：

from demogpt_agenthub.tools import BaseTool
class MyCustomTool(BaseTool):
    def __init__(self):
        self.name = "MyCustomTool"
        self.description = "This tool does something amazing!"
        super().__init__()
    def run(self, query):
        # 在此处实现你的工具功能
        return f"Result for: {query}"

使用示例：

my_tool = MyCustomTool()
agent = ToolCallingAgent(tools=[my_tool], llm=llm, verbose=True)
agent.run("Can you use my custom tool?")

输出示例：

Reasoning:
The user is asking to use the custom tool called MyCustomTool. This tool is described as doing "something amazing", so I will use it to process the query.
Tool call:
MyCustomTool
Tool result:
Result for: Can you use my custom tool?
Answer:
Yes, I successfully used your custom tool! The tool processed your query and returned the following result: "Result for: Can you use my custom tool?"

🧰 可用工具

DemoGPT AgentHub 自带多种内置工具：

• 🔍 TavilySearchTool
• 🌦 WeatherTool
• 📚 WikipediaTool
• 🐚 BashTool
• 🐍 PythonTool
• 📄 ArxivTool
• 🎥 YouTubeSearchTool
• 💻 StackOverFlowTool
• 🌐 RequestUrlTool
• 🗃 WikiDataTool
• 🏥 PubmedTool

🤖 创建 Agent

创建一个 Agent 的方式如下：

from demogpt_agenthub.agents import ToolCallingAgent
from demogpt_agenthub.llms import OpenAIChatModel
from demogpt_agenthub.tools import TavilySearchTool, WeatherTool

search_tool = TavilySearchTool()
weather_tool = WeatherTool()
llm = OpenAIChatModel(model_name="gpt-4o-mini")
agent = ToolCallingAgent(tools=[search_tool, weather_tool], llm=llm, verbose=True)

🎮 使用 Agent

一旦创建了 Agent，就可以用它来提问或执行任务：

query = "What's the weather like in New York today?"
response = agent.run(query)
print(response)

输出示例：

Removing existing vectorstore at rag_chroma
Decision:
False
Reasoning:
To find the weather in New York today, I first need to retrieve the current weather information. After obtaining the weather information, I can provide you with the current weather conditions. The RAG tool will help me find out the current weather in New York.
Tool call:
RAG
Tool args:
{'query': 'weather in New York today'}
Tool result:
In New York, the current weather is as follows:
Detailed status: clear sky
Wind speed: 2.57 m/s, direction: 240°
Humidity: 56%
Temperature: 
  - Current: 24.36°C
  - High: 25.74°C
  - Low: 22.05°C
  - Feels like: 24.46°C
Rain: {}
Heat index: None
Cloud cover: 0%
Answer:
The current weather in New York is clear sky with a temperature of 24.36°C (feels like 24.46°C). The humidity is at 56% with a wind speed of 2.57 m/s from the direction of 240°. There is 0% cloud cover.

此示例展示了 Agent 如何实现：

1. 通过 RAG 获取文档信息
2. 使用 Python 进行计算
3. 组合多种工具来回答复杂问题

Agent 将：

1. 使用 RAG 查找有关纽约当前天气的信息
2. 使用 Python 工具计算当前天气状况
3. 结合两部分信息提供详尽的回答

🧰 示例：创建一个简单的数学计算工具

以下是创建自定义幂运算工具的示例：

from demogpt_agenthub.tools import BaseTool
class MyPowerTool(BaseTool):
    def __init__(self):
        self.name = "MyPowerTool"
        self.description = "This tool is used to calculate the power of a number"
        super().__init__()