进阶任务二 Lagent 自定义你的 Agent 智能体
1 认识 Lagent 智能体框架
Lagent 是书生浦语团队开发的一个轻量级开源智能体 AI Agent 框架。可以支持高效构建基于大语言模型的的智能体,并提供多种典型工具以增强大语言模型的能力。
Lagent 目前支持 AutoGPT、ReAct 等在内的多个经典智能体范式,并支持了如下工具:
- Arxiv 搜索
- Bing 地图
- Google 学术搜索
- Google 搜索
- 交互式 IPython 解释器
- IPython 解释器
- PPT
- Python 解释器
基本架构如图所示

2 Lagent 搭建 Agent 实战
2.1 环境配置和工具安装
首先创建镜像为 Cuda12.2-conda 的 30% A100 开发机。然后,为 Lagent 配置可用环境:
# 创建环境
conda create -n agent_camp3 python=3.10 -y
# 激活环境
conda activate agent_camp3
# 安装 torch
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y
# 安装其他依赖包
pip install termcolor==2.4.0
pip install lmdeploy==0.5.2
pip install streamlit
pip install griffe==0.48 # 否则会有 ModuleNotFoundError: No module named
注意:
这一关基础任务的文档存在不少环境依赖问题,请按照上面的指令准备依赖,而非官方任务文档。
配置好环境后,通过源码安装的方式安装 Lagent 框架
# 创建目录以存放代码
mkdir -p /root/agent_camp3
cd /root/agent_camp3
git clone https://github.com/InternLM/lagent.git
cd lagent && git checkout 81e7ace && pip install -e . && cd ..
2.2 Lagent Web Demo 体验
为使用 Lagent 的 Web Demo 体验 InternLM2.5-7B-Chat 的 Agent 能力,首先先使用 LMDeploy 部署 InternLM2.5-7B-Chat,为一个 API Server。
conda activate agent_camp3
lmdeploy serve api_server /share/new_models/Shanghai_AI_Laboratory/internlm2_5-7b-chat --model-name internlm2_5-7b-chat
这一步之后,我们的模型已通过 lmdeploy 部署为一个 API server,效果如下

端口映射后,打开本地对应地址可以发现以下 FastAPI Server:

然后,我们可以利用 streamlit,将部署好的模型 API server 映射到一个 streamlit Web App。我们需要打开另一个终端,输入以下指令运用 steamlit 启动 Lagent 的 Web Demo:
cd /root/agent_camp3/lagent
conda activate agent_camp3
streamlit run examples/internlm2_agent_web_demo.py

端口映射后,在本地浏览器可以打开部署好的 streamlit 支持的 Lagent Web Demo,然后进行以下修改:修改模型名称一栏为 internlm2_5-7b-chat,修改模型 ip一栏为127.0.0.1:23333,修改后便可进行交互。


3 Lagent 自定义智能体 Agent 实战
Lagent 提供了多种 Agent 工具/动作,可以参考:Lagent动作。
使用 Lagent 自定义工具主要分为以下几步:
- 继承 BaseAction 类
- 实现简单工具的 run 方法;或者实现工具包内每个子工具的功能
- 简单工具的 run 方法可选被 tool_api 装饰;工具包内每个子工具的功能都需要被 tool_api 装饰
下面实现一个调用 MagicMaker API 的 Agent 动作/工具以完成文生图的功能。
首先,在特定文件夹用于调用 MagicMaker API 的 python 文件:
cd /root/agent_camp3/lagent
touch lagent/actions/magicmaker.py
import json
import requests
from lagent.actions.base_action import BaseAction, tool_api
from lagent.actions.parser import BaseParser, JsonParser
from lagent.schema import ActionReturn, ActionStatusCode
class MagicMaker(BaseAction):
styles_option = [
'dongman', # 动漫
'guofeng', # 国风
'xieshi', # 写实
'youhua', # 油画
'manghe', # 盲盒
]
aspect_ratio_options = [
'16:9', '4:3', '3:2', '1:1',
'2:3', '3:4', '9:16'
]
def __init__(self,
style='guofeng',
aspect_ratio='4:3'):
super().__init__()
if style in self.styles_option:
self.style = style
else:
raise ValueError(f'The style must be one of {self.styles_option}')
if aspect_ratio in self.aspect_ratio_options:
self.aspect_ratio = aspect_ratio
else:
raise ValueError(f'The aspect ratio must be one of {aspect_ratio}')
@tool_api
def generate_image(self, keywords: str) -> dict:
"""Run magicmaker and get the generated image according to the keywords.
Args:
keywords (:class:`str`): the keywords to generate image
Returns:
:class:`dict`: the generated image
* image (str): path to the generated image
"""
try:
response = requests.post(
url='https://magicmaker.openxlab.org.cn/gw/edit-anything/api/v1/bff/sd/generate',
data=json.dumps({
"official": True,
"prompt": keywords,
"style": self.style,
"poseT": False,
"aspectRatio": self.aspect_ratio
}),
headers={'content-type': 'application/json'}
)
except Exception as exc:
return ActionReturn(
errmsg=f'MagicMaker exception: {exc}',
state=ActionStatusCode.HTTP_ERROR)
image_url = response.json()['data']['imgUrl']
return {'image': image_url}
然后,修改文件 /root/agent_camp3/lagent/examples/internlm2_agent_web_demo.py 以适配我们刚创建的自定义/动作工具:
- 在
from lagent.actions import ActionExecutor, ArxivSearch, IPythonInterpreter的下一行添加from lagent.actions.magicmaker import MagicMaker - 在第27行添加
MagicMaker()
from lagent.actions import ActionExecutor, ArxivSearch, IPythonInterpreter
+ from lagent.actions.magicmaker import MagicMaker
from lagent.agents.internlm2_agent import INTERPRETER_CN, META_CN, PLUGIN_CN, Internlm2Agent, Internlm2Protocol
...
action_list = [
ArxivSearch(),
+ MagicMaker(),
]
然后想之前一样,打开另一个终端窗口,启用 Lagent 的 Web Demo:
cd /root/agent_camp3/lagent
conda activate agent_camp3
streamlit run examples/internlm2_agent_web_demo.py
同样的,端口映射后,在本地浏览器可以打开部署好的 streamlit 支持的 Lagent Web Demo,然后进行以下修改:修改模型名称一栏为 internlm2_5-7b-chat,修改模型 ip一栏为127.0.0.1:23333,修改后便可进行交互。



这个 Agent 给出了不错的绘制作品,但他对风格的把握还有待提高。
468



被折叠的 条评论
为什么被折叠?



