蚂蚁开源多Agent框架——muAgent

概述

CodeFuse-muAgent [1]是蚂蚁CodeFuse团队开发的Mulit Agent框架，其核心宗旨在于简化agents的尺度操作程序（SOP）编排流程。
多Agents的核心关键即Agent的交互链路，也即实现SOP的关键。其核心在于如何把上一个Agent的输出给到下一个Agent的输入，其中必要涉及到llm的输出、详细action的执行以及信息的解析处理。
架构

muagent整合了一系列丰富的工具库、代码库、知识库以及沙盒环境，可支持用户在任何范畴场景都能依托muagent迅速搭建起复杂的多Agent交互应用。通过这一框架，用户能够高效地执行和处理多层次、多维度的复杂任务。
其架构图如下：

每个技术点的描述如下：

• Agent Base：构建了四种基本的Agent范例BaseAgent、ReactAgent、ExecutorAgent、SelectorAgent，支持各种场景的底子活动。
  
• Communication：通过Message和Parse Message 实体完成Agent间的信息传递，并与Memory Manager交互再Memory Pool完成记忆管理。
  
• Prompt Manager：通过Role Handler、Doc/Tool Handler、Session Handler、Customized Handler，来自动化组装Customized 的Agent Prompt。
  
• Memory Manager： 用于支持 chat history 的存储管理、信息压缩、记忆检索等管理，最后通过Memory Pool在数据库、本地、向量数据库中完成存储。
  
• Component：用于构建Agent的辅助生态组件，包罗Retrieval、Tool、Action、Sandbox等。
  
• Customized Model：支持私有化的LLM和Embedding的接入。
  

一个完备的多Agent生态，个人觉得，其所需的能力也就是如上的几点。
Agent Base

在Agent层面，提供四种基本的Agent范例，对这些Agent举行Role的底子设定，可满足多种通用场景的交互和利用。所有的Action都由Agent执行。

• BaseAgent：底子功打得溜，问答、工具利用、代码执行样样行。
  
• ReactAgent：尺度React流，遇事不慌，尺度反应流程轻松应对。
  
• ExecutorAgent：对任务清单举行序次执行，根据 User 或 上一个Agent编排的计划，完成相关任务，排个队，挨个干！
  
• SelectorAgent：挑三拣四，根据User 或 上一个 Agent的问题选择合适的Agent，总能找到最合适的Agent答复用户需求。
  

Component

辅助生态组件更细致，区别于AutoGen，Sandbox支持隔离的特性让辅助生态的支持更丰富强盛。
Communication

多Agent的关键在Agent间的信息交互，因此communication的实现是必不可少的。AutoGen通过结转逻辑，支持信息流转；CodeFuse通过Communication组件独立实现该功能。从实现方式来看，CodeFuse应该支持的更强盛。AutoGen是一个summary_method方法来界说的。
总结

之前没有了解过国内多Agent框架，由于本身也不多；从AutoGen入手对多Agent的了解，再结合CodeFuse的实现来看，多Agent的SOP更详细更模块化，不外其头脑也是同等的，关键的构成部件还是那些。
总的来说，如何调和好LLM并来引导它们产生期望的输出，其本质就是将业务问题抽象并拆解到可执行的Prompt，让他们像处理业务问题一样精准执行；而业务的编排执行则由Agent实现，终极是落到了LLM上。
参考资料
[1]
CodeFuse-muAgent












免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。