备注
Go to the end to download the full example code.
Routing¶
在 AgentScope 中有两种实现 Routing 的方法，都简单易实现：
使用结构化输出的显式 routing
使用工具调用的隐式 routing
小技巧
考虑到智能体 routing 没有统一的标准/定义，我们遵循 Building effective agents 中的设置
显式 Routing¶
在显式 routing 中，我们可以直接使用智能体的结构化输出来确定将消息路由到哪个智能体。
初始化 routing 智能体
import asyncio
import json
import os
from typing import Literal
from pydantic import BaseModel, Field
from agentscope.agent import ReActAgent
from agentscope.formatter import DashScopeChatFormatter
from agentscope.memory import InMemoryMemory
from agentscope.message import Msg
from agentscope.model import DashScopeChatModel
from agentscope.tool import Toolkit, ToolResponse
router = ReActAgent(
name="Router",
sys_prompt="你是一个路由智能体。你的目标是将用户查询路由到正确的后续任务，注意你不需要回答用户的问题。",
model=DashScopeChatModel(
model_name="qwen-max",
api_key=os.environ["DASHSCOPE_API_KEY"],
stream=False,
),
formatter=DashScopeChatFormatter(),
)
# 使用结构化输出指定路由任务
class RoutingChoice(BaseModel):
your_choice: Literal[
"Content Generation",
"Programming",
"Information Retrieval",
None,
] = Field(
description="选择正确的后续任务，如果任务太简单或没有合适的任务，则选择 ``None``",
)
task_description: str | None = Field(
description="任务描述",
default=None,
)
async def example_router_explicit() -> None:
"""使用结构化输出进行显式路由的示例。"""
msg_user = Msg(
"user",
"帮我写一首诗",
"user",
)
# 路由查询
msg_res = await router(
msg_user,
structured_model=RoutingChoice,
)
# 结构化输出存储在 metadata 字段中
print("结构化输出：")
print(json.dumps(msg_res.metadata, indent=4, ensure_ascii=False))
asyncio.run(example_router_explicit())
/home/runner/work/agentscope/agentscope/src/agentscope/model/_dashscope_model.py:194: DeprecationWarning: 'required' is not supported by DashScope API. It will be converted to 'auto'.
warnings.warn(
Router: {
"type": "tool_use",
"name": "generate_response",
"input": {
"your_choice": "Content Generation",
"task_description": "写一首诗"
},
"id": "call_4728ee24cfca4b7ea6d635"
}
system: {
"type": "tool_result",
"id": "call_4728ee24cfca4b7ea6d635",
"name": "generate_response",
"output": [
{
"type": "text",
"text": "Successfully generated response."
}
]
}
Router: 我将为您转接到内容生成任务来帮助您写一首诗。请稍等片刻，很快就能得到属于您的诗歌了！
结构化输出：
{
"your_choice": "Content Generation",
"task_description": "写一首诗"
}
隐式 Routing¶
另一种方法是将下游智能体包装成工具函数，这样路由智能体就可以根据用户查询决定调用哪个工具。
我们首先定义几个工具函数：
async def generate_python(demand: str) -> ToolResponse:
"""根据需求生成 Python 代码。
Args:
demand (``str``):
对 Python 代码的需求。
"""
# 示例需求智能体
python_agent = ReActAgent(
name="PythonAgent",
sys_prompt="你是一个 Python 专家，你的目标是根据需求生成 Python 代码。",
model=DashScopeChatModel(
model_name="qwen-max",
api_key=os.environ["DASHSCOPE_API_KEY"],
stream=False,
),
memory=InMemoryMemory(),
formatter=DashScopeChatFormatter(),
toolkit=Toolkit(),
)
msg_res = await python_agent(Msg("user", demand, "user"))
return ToolResponse(
content=msg_res.get_content_blocks("text"),
)
# 为演示目的模拟一些其他工具函数
async def generate_poem(demand: str) -> ToolResponse:
"""根据需求生成诗歌。
Args:
demand (``str``):
对诗歌的需求。
"""
pass
async def web_search(query: str) -> ToolResponse:
"""在网络上搜索查询。
Args:
query (``str``):
要搜索的查询。
"""
pass
之后，我们定义一个路由智能体并为其配备上述工具函数。
toolkit = Toolkit()
toolkit.register_tool_function(generate_python)
toolkit.register_tool_function(generate_poem)
toolkit.register_tool_function(web_search)
# 使用工具模块初始化路由智能体
router_implicit = ReActAgent(
name="Router",
sys_prompt="你是一个路由智能体。你的目标是将用户查询路由到正确的后续任务。",
model=DashScopeChatModel(
model_name="qwen-max",
api_key=os.environ["DASHSCOPE_API_KEY"],
stream=False,
),
formatter=DashScopeChatFormatter(),
toolkit=toolkit,
memory=InMemoryMemory(),
)
async def example_router_implicit() -> None:
"""使用工具调用进行隐式路由的示例。"""
msg_user = Msg(
"user",
"帮我在 Python 中生成一个快速排序函数",
"user",
)
# 路由查询
await router_implicit(msg_user)
asyncio.run(example_router_implicit())
Router: {
"type": "tool_use",
"name": "generate_python",
"input": {
"demand": "生成一个快速排序函数"
},
"id": "call_10a766a80f4746e5bb7c89"
}
PythonAgent: 当然！快速排序是一种高效的排序算法，它使用分治法策略来将一个数组分成两个子数组，然后递归地对子数组进行排序。以下是一个用 Python 实现的快速排序函数：
```python
def quicksort(arr):
if len(arr) <= 1:
return arr
else:
pivot = arr[len(arr) // 2]
left = [x for x in arr if x < pivot]
middle = [x for x in arr if x == pivot]
right = [x for x in arr if x > pivot]
return quicksort(left) + middle + quicksort(right)
# 示例用法
arr = [3, 6, 8, 10, 1, 2, 1]
sorted_arr = quicksort(arr)
print(sorted_arr)
```
这个实现使用了列表推导式来创建 `left`、`middle` 和 `right` 三个列表，并且递归地对 `left` 和 `right` 进行排序。选择中间元素作为枢轴（pivot），并将数组分为小于、等于和大于枢轴的三部分。
如果你想要一个更传统的原地排序版本，可以参考以下代码：
```python
def quicksort_inplace(arr, low, high):
if low < high:
pi = partition(arr, low, high)
quicksort_inplace(arr, low, pi - 1)
quicksort_inplace(arr, pi + 1, high)
def partition(arr, low, high):
pivot = arr[high]
i = low - 1
for j in range(low, high):
if arr[j] <= pivot:
i += 1
arr[i], arr[j] = arr[j], arr[i]
arr[i + 1], arr[high] = arr[high], arr[i + 1]
return i + 1
# 示例用法
arr = [3, 6, 8, 10, 1, 2, 1]
quicksort_inplace(arr, 0, len(arr) - 1)
print(arr)
```
这个版本的快速排序是原地排序，不需要额外的空间。`partition` 函数用于重新排列数组并返回枢轴的位置。`quicksort_inplace` 函数递归地对枢轴左右两边的子数组进行排序。
system: {
"type": "tool_result",
"id": "call_10a766a80f4746e5bb7c89",
"name": "generate_python",
"output": [
{
"type": "text",
"text": "当然！快速排序是一种高效的排序算法，它使用分治法策略来将一个数组分成两个子数组，然后递归地对子数组进行排序。以下是一个用 Python 实现的快速排序函数：\n\n```python\ndef quicksort(arr):\n if len(arr) <= 1:\n return arr\n else:\n pivot = arr[len(arr) // 2]\n left = [x for x in arr if x < pivot]\n middle = [x for x in arr if x == pivot]\n right = [x for x in arr if x > pivot]\n return quicksort(left) + middle + quicksort(right)\n\n# 示例用法\narr = [3, 6, 8, 10, 1, 2, 1]\nsorted_arr = quicksort(arr)\nprint(sorted_arr)\n```\n\n这个实现使用了列表推导式来创建 `left`、`middle` 和 `right` 三个列表，并且递归地对 `left` 和 `right` 进行排序。选择中间元素作为枢轴（pivot），并将数组分为小于、等于和大于枢轴的三部分。\n\n如果你想要一个更传统的原地排序版本，可以参考以下代码：\n\n```python\ndef quicksort_inplace(arr, low, high):\n if low < high:\n pi = partition(arr, low, high)\n quicksort_inplace(arr, low, pi - 1)\n quicksort_inplace(arr, pi + 1, high)\n\ndef partition(arr, low, high):\n pivot = arr[high]\n i = low - 1\n for j in range(low, high):\n if arr[j] <= pivot:\n i += 1\n arr[i], arr[j] = arr[j], arr[i]\n arr[i + 1], arr[high] = arr[high], arr[i + 1]\n return i + 1\n\n# 示例用法\narr = [3, 6, 8, 10, 1, 2, 1]\nquicksort_inplace(arr, 0, len(arr) - 1)\nprint(arr)\n```\n\n这个版本的快速排序是原地排序，不需要额外的空间。`partition` 函数用于重新排列数组并返回枢轴的位置。`quicksort_inplace` 函数递归地对枢轴左右两边的子数组进行排序。"
}
]
}
Router: 以下是一个 Python 中实现的快速排序函数，包括一个使用额外空间的版本和一个原地排序的版本：
首先，是使用额外空间的快速排序函数，它通过创建新的列表来处理小于、等于和大于枢轴的元素：
```python
def quicksort(arr):
if len(arr) <= 1:
return arr
else:
pivot = arr[len(arr) // 2]
left = [x for x in arr if x < pivot]
middle = [x for x in arr if x == pivot]
right = [x for x in arr if x > pivot]
return quicksort(left) + middle + quicksort(right)
# 示例用法
arr = [3, 6, 8, 10, 1, 2, 1]
sorted_arr = quicksort(arr)
print(sorted_arr) # 输出应该是排序后的数组
```
接下来是原地排序的快速排序函数，它不需要额外的空间，并且直接在给定的数组上进行排序：
```python
def quicksort_inplace(arr, low, high):
if low < high:
pi = partition(arr, low, high)
quicksort_inplace(arr, low, pi - 1)
quicksort_inplace(arr, pi + 1, high)
def partition(arr, low, high):
pivot = arr[high]
i = low - 1
for j in range(low, high):
if arr[j] <= pivot:
i += 1
arr[i], arr[j] = arr[j], arr[i]
arr[i + 1], arr[high] = arr[high], arr[i + 1]
return i + 1
# 示例用法
arr = [3, 6, 8, 10, 1, 2, 1]
quicksort_inplace(arr, 0, len(arr) - 1)
print(arr) # 输出应该是排序后的数组
```
你可以根据需要选择使用其中任何一个版本。第一个版本更简洁但使用了更多内存，而第二个版本则更加高效，因为它直接修改原始数组。
Total running time of the script: (0 minutes 38.159 seconds)