使用CAMEL创建第一个Agent Society

技术分享 10个月前 (04-17) 0 999+

关注

CAMEL介绍

🐫 CAMEL 是一个开源社区，致力于探索代理的扩展规律。相信，在大规模研究这些代理可以提供对其行为、能力和潜在风险的宝贵见解。为了促进这一领域的研究，实现了并支持各种类型的代理、任务、提示、模型和模拟环境。

GitHub地址：https://github.com/camel-ai/camel

创建第一个代理社会

Society模块是 CAMEL 的核心模块之一。通过模拟信息交换过程，该模块研究代理之间的社会行为。

RolePlaying是 CAMEL 的一个独特的协作代理框架。通过这个框架，CAMEL 中的代理克服了诸如角色转换、助手重复指令、敷衍的回答、消息无限循环以及对话终止条件等众多挑战。

现在就来使用CAMEL 创建一个Agent Society。

编写.env如下所示：

Silicon_Model_ID="Qwen/Qwen2.5-72B-Instruct" ZHIPU_Model_ID="THUDM/GLM-4-32B-0414" SiliconCloud_API_KEY="你的api key" SiliconCloud_Base_URL="https://api.siliconflow.cn/v1"

想要使用两个不同的模型：

from camel.societies import RolePlaying from camel.agents import ChatAgent from camel.models import ModelFactory from camel.types import ModelPlatformType  import pathlib import os from dotenv import load_dotenv  sys_msg = 'You are a curious stone wondering about the universe.'  base_dir = pathlib.Path(__file__).parent.parent env_path = base_dir / ".env" load_dotenv(dotenv_path=str(env_path))  modeltype = os.getenv("Silicon_Model_ID") modeltype2= os.getenv("ZHIPU_Model_ID") api_key = os.getenv("SiliconCloud_API_KEY") base_url = os.getenv("SiliconCloud_Base_URL") siliconcloud_model = ModelFactory.create(      model_platform=ModelPlatformType.OPENAI_COMPATIBLE_MODEL,             model_type=modeltype,             api_key=api_key,             url=base_url,             model_config_dict={"temperature": 0.4, "max_tokens": 4096}, )  siliconcloud_model2 = ModelFactory.create(      model_platform=ModelPlatformType.OPENAI_COMPATIBLE_MODEL,             model_type=modeltype2,             api_key=api_key,             url=base_url,             model_config_dict={"temperature": 0.4, "max_tokens": 4096}, )

设置任务、AI用户、AI助手参数：

task_kwargs = {     'task_prompt': '制定一个新人小白学习esp32的教程，使用中文回答。',     'with_task_specify': True,     'task_specify_agent_kwargs': {'model': siliconcloud_model} }  user_role_kwargs = {     'user_role_name': '一个esp32小白',     'user_agent_kwargs': {'model': siliconcloud_model} }  assistant_role_kwargs = {     'assistant_role_name': '一个esp32专家',     'assistant_agent_kwargs': {'model': siliconcloud_model2} }

构建社会：

society = RolePlaying(     **task_kwargs,             # The task arguments     **user_role_kwargs,        # The instruction sender's arguments     **assistant_role_kwargs,   # The instruction receiver's arguments )

让这个社会最多运行10轮：

def is_terminated(response):     """     Give alerts when the session should be terminated.     """     if response.terminated:         role = response.msg.role_type.name         reason = response.info['termination_reasons']         print(f'AI {role} terminated due to {reason}')      return response.terminated  def run(society, round_limit: int=10):      # Get the initial message from the ai assistant to the ai user     input_msg = society.init_chat()      # Starting the interactive session     for _ in range(round_limit):          # Get the both responses for this round         assistant_response, user_response = society.step(input_msg)          # Check the termination condition         if is_terminated(assistant_response) or is_terminated(user_response):             break          # Get the results         print(f'[AI User] {user_response.msg.content}.n')         # Check if the task is end         if 'CAMEL_TASK_DONE' in user_response.msg.content:             break         print(f'[AI Assistant] {assistant_response.msg.content}.n')            # Get the input message for the next round         input_msg = assistant_response.msg      return None if __name__ == "__main__":     run(society, round_limit=10)

查看效果。

第一轮：

第二轮：

AI用户会重新问一个与解决任务相关的问题。

第三轮：

第四轮：

第五轮：

第六轮：

第7轮：

当达到令牌限制时，为了满足限制，将从记忆中删除部分消息。

如果10轮还没完成的话会直接结束：

构建这个Agent Society有什么用呢？

我觉得一个很有用的点就是适合头脑风暴场景，有一个问题或者方案需要详细讨论，那就丢给两个或更多的AI，让它们进行详细讨论，我们先看一下它们的讨论情况，看看是否有一些有效的建议，看看能不能找到一些灵感。

如果觉得在控制台中不好看，可以将结果写入文件中：

def run(society, round_limit: int=10):      # Get the initial message from the ai assistant to the ai user     input_msg = society.init_chat()      # Starting the interactive session     for _ in range(round_limit):          # Get the both responses for this round         assistant_response, user_response = society.step(input_msg)          # Check the termination condition         if is_terminated(assistant_response) or is_terminated(user_response):             break          # Get the results         print(f'[AI User] {user_response.msg.content}.n')          # 写入一个md文件         with open('output.md', 'a', encoding='utf-8') as f:             f.write(f'[AI User] {user_response.msg.content}.n')          # Check if the task is end         if 'CAMEL_TASK_DONE' in user_response.msg.content:             break         print(f'[AI Assistant] {assistant_response.msg.content}.n')            # 写入一个md文件         with open('output.md', 'a', encoding='utf-8') as f:             f.write(f'[AI Assistant] {assistant_response.msg.content}.n')          # Get the input message for the next round         input_msg = assistant_response.msg      return None

对于这个任务、AI用户、AI助手参数：

task_kwargs = {     'task_prompt': '制定一个新人小白学习C#的教程，使用中文回答。',     'with_task_specify': True,     'task_specify_agent_kwargs': {'model': siliconcloud_model} }  user_role_kwargs = {     'user_role_name': '一个想要学习C#小白',     'user_agent_kwargs': {'model': siliconcloud_model} }  assistant_role_kwargs = {     'assistant_role_name': '一个C#专家',     'assistant_agent_kwargs': {'model': siliconcloud_model2} }

写入到output.md文件的内容如下所示：