Die Kraft von Composio für Multi-Agenten-KI-Systeme freisetzen

Leveraging Composio for Advanced Multi-Agent AI Applications

Introduction

Hallo! Ich bin Tommy, und heute tauchen wir in die faszinierende Welt der KI-gesteuerten Automatisierung mit dem Composio-Framework ein. Composio verstärkt KI-Agenten, indem es ihnen ermöglicht, nahtlos mit über 150 Tools zu interagieren, was es zu einer leistungsstarken Lösung zur Automatisierung komplexer Aufgaben mit minimalem Aufwand macht.

In diesem Leitfaden werden wir erkunden, wie wir die Macht von Composio und dem AutoGen-Framework nutzen können, um ein Multi-Agenten-System zu erstellen, das Kundenfeedback aus einer CSV-Datei liest, die Daten analysiert und einen detaillierten Zusammenfassungsbericht in einem Google-Dokument generiert. Bleiben Sie dran, um zu sehen, wie alles mit praktischen Beispielen und praktischen Einblicken sowie mit einer praktischen Implementierung in Google Colab am Ende zusammenkommt!

Voraussetzungen

Bevor wir in dieses Tutorial eintauchen, stellen Sie sicher, dass Sie Folgendes haben:

Python (3.8 oder höher): Stellen Sie sicher, dass Python auf Ihrem System installiert ist. Sie können es von der offiziellen Python-Website herunterladen.
Conda: Wir verwenden eine Conda-Umgebung, um Abhängigkeiten zu verwalten. Wenn Sie Conda nicht installiert haben, folgen Sie der Installationsanleitung hier.
VS Code: Wir werden in Visual Studio Code arbeiten, um unsere Projektdateien und den Code zu verwalten. Sie können es hier herunterladen.
Composio-Konto: Melden Sie sich für ein kostenloses Konto auf der offiziellen Website von Composio an und erhalten Sie Zugriff auf die über 150 externen Tools, die integriert sind.
Groq API-Schlüssel: Sie können den API-Schlüssel hier nach der Anmeldung abrufen.
Google-Konto: Wir werden mit Google Docs interagieren.

Umgebung einrichten

Lasst uns mit der Einrichtung unserer Umgebung beginnen. Hier ist, wie man es Schritt für Schritt macht:

Schritt 1: Erstellen Sie ein Verzeichnis und öffnen Sie es in VS Code

Öffnen Sie zuerst Ihr Terminal und erstellen Sie ein neues Verzeichnis für Ihr Projekt. Sie können das Verzeichnis nach Belieben benennen, aber für dieses Tutorial verwenden wir composio-test. Navigieren Sie dann in das Verzeichnis.

Sobald Sie im Verzeichnis sind, öffnen Sie es in Visual Studio Code, indem Sie den folgenden Befehl ausführen:

code .

Schritt 2: Erstellen und aktivieren Sie eine Conda-Umgebung

Als nächstes müssen Sie eine neue Conda-Umgebung erstellen. Diese Umgebung wird alle Abhängigkeiten für dieses Projekt beherbergen. Führen Sie dazu den folgenden Befehl in Ihrem VSCode-Terminal aus:

conda create --name composio-test python=3.8

Nachdem die Umgebung erstellt wurde, aktivieren Sie sie:

conda activate composio-test

Schritt 3: Erstellen Sie eine Python-Datei

Erstellen Sie im VS Code-Verzeichnis eine neue Datei mit dem Namen app.py. Diese wird als Hauptdatei dienen, in der Sie die Logik für Ihr Multi-Agenten-System schreiben.

Schritt 4: Wählen Sie den richtigen Interpreter in VS Code aus

Stellen Sie sicher, dass Ihr VS Code den Interpreter aus der composio-test Conda-Umgebung verwendet. Um dies zu tun:

Öffnen Sie die Befehlspalette in VS Code (Cmd/Ctrl + Shift + P).
Suchen Sie nach "Python: Interpreter auswählen."
Wählen Sie den Interpreter, der Ihrer neuen Conda-Umgebung entspricht (z. B. composio-test).

Es sollte ein Pfad wie /opt/anaconda3/envs/composio-test/bin/python angezeigt werden.

Schritt 5: Installieren Sie die erforderlichen Pakete

Jetzt, da Ihre Umgebung eingerichtet ist, lassen Sie uns die notwendigen Abhängigkeiten mit pip installieren. In diesem Fall installieren wir composio-autogen und python-dotenv:

pip install composio-autogen python-dotenv

Stellen Sie sicher, dass Sie den richtigen Pfad zu Ihrem Python-Interpreter aus Ihrer Conda-Umgebung verwenden.

Schritt 6: Melden Sie sich bei Composio an

Sobald Ihre Pakete installiert sind, müssen Sie sich bei Composio anmelden. Führen Sie den folgenden Befehl aus:

composio login

Dieser wird Sie auffordern, die Anmeldeschritte zu befolgen, einschließlich der Eingabe eines generierten Schlüssels.

Schritt 7: Fügen Sie das Google Docs-Tool hinzu

Mit Composio eingerichtet, ist es Zeit, das Google Docs-Tool hinzuzufügen, da wir es später verwenden werden, um einen Bericht zu erstellen. Führen Sie den folgenden Befehl aus:

composio add google-docs

Das Multi-Agenten-System aufbauen

Nun werden wir das Multi-Agenten-System unter Verwendung von Composio und AutoGen bauen. Das System wird in zwei Teile unterteilt, um Composio in Aktion vollständig zu demonstrieren und eine ordnungsgemäße Kommunikation zwischen den Agenten sicherzustellen.

Schritt 1: Erstellen Sie die CSV-Datei

Erstellen Sie zuerst eine CSV-Datei mit dem Namen dummy_customer_feedback.csv, die Kundeneingabedaten, Bewertungen, Namen und mehr enthält. Hier ist ein Beispiel, aber Sie können die Datei nach Belieben ändern oder weitere Zeilen hinzufügen, um Ihren Anwendungsfall zu erfüllen:

Kundenname, Feedback, Bewertung
Alice, "Toller Service!", 5
Bob, "Könnte besser sein.", 3
Charlie, "Unglaubliche Erfahrung!", 4

Diese Datei wird als Datenquelle für die Analyse durch unsere Agenten dienen.

Schritt 2: Umgebungsvariablen einrichten

Erstellen Sie eine .env-Datei, um Ihre API-Schlüssel zu speichern. Sie benötigen einen Groq API-Schlüssel für das LLaMA3-70B-Modell und einen Composio API-Schlüssel, den Sie in den Kontoeinstellungen von Composio finden können. Die .env-Datei sollte so aussehen:

GROQ_API_KEY=
COMPOSIO_API_KEY=

Schritt 3: Erforderliche Pakete importieren

Jetzt lassen Sie uns die notwendigen Pakete in Ihrer app.py importieren:

import os
import dotenv
from composio import Composio

Schritt 4: Laden Sie die Umgebungsvariablen

Verwenden Sie die dotenv-Bibliothek, um Ihre Umgebungsvariablen zu laden:

dotenv.load_dotenv()

Schritt 5: Definieren Sie die LLM-Konfiguration

Da wir das LLaMA3-70B-Modell von Groq verwenden, definieren wir die Konfiguration folgendermaßen:

llm = GroqLLM(model='LLaMA3-70B', api_key=os.getenv('GROQ_API_KEY'))

Teil Eins:

Wir erstellen Agenten, die speziell für die Aufgabe zuständig sind, zu lesen, zu analysieren und einen detaillierten Zusammenfassungsbericht über die während der Analyse einer CSV-Datei mit Kundenfeedback gewonnenen Schlüsselkennzahlen bereitzustellen.

Schritt 1: Erstellen Sie den Datenanalyse-Agenten

Als nächstes definieren wir den Daten-Insights-Spezialisten-Agenten, der einen Zusammenfassungsbericht über wichtige Kennzahlen und Trends nach der Analyse der CSV-Daten bereitstellt.

Schritt 2: Erstellen Sie den Dateilegt-Agenten

Der Dateilegt-Agent wird das Lesen, Extrahieren und Formatieren des Inhalts der CSV-Datei übernehmen:

Schritt 3: Erstellen Sie den Benutzer-Agenten

Der Benutzer-Agent wird die endgültige Zusammenfassung vom Daten-Insights-Spezialisten zurückgeben:

Schritt 4: Erstellen Sie eine Gruppenchats und einen Manager

Jetzt richten wir ein GroupChat und GroupChatManager ein, um die Kommunikation zwischen den Agenten zu erleichtern:

Schritt 5: Toolset initialisieren

Jetzt initialisieren wir das Composio-Toolset, das Zugriff auf alle von unseren Agenten verfügbaren Tools bietet:

tools = Composio.get_tools()

Schritt 6: Registrieren Sie die Tools

Wir registrieren die Tools, die von den Dateilegt- und Daten-Insights-Spezialisten-Agenten verwendet werden:

Schritt 7: Definieren Sie die Aufgabe und führen Sie den Chat aus

Definieren Sie die Aufgabe, die ausgeführt werden muss, einschließlich des CSV-Dateinamens:

Teil Zwei:

Im zweiten Teil werden wir das in Teil Eins erstellte System erweitern, um den Zusammenfassungsbericht in ein Google-Dokument mit Composio und AutoGen zu schreiben. Wir erstellen neue Agenten, die speziell für diese Aufgabe zuständig sind, und nutzen die verfügbaren Google Docs-Tools über Composio.

Schritt 1: Erstellen Sie Agenten für das Schreiben von Google-Doks

Wir beginnen mit der Definition der Agenten, die für das Schreiben des Zusammenfassungsberichts in ein Google-Dokument verantwortlich sind.

Dokumenten-Schreiber-Agent: Dieser Agent initiiert den Schreibvorgang in das Google-Dokument.
Inhalts-Schreiber-Agent: Dieser Agent ist dafür verantwortlich, den Inhalt in das Google-Dokument zu schreiben.
Benutzer-Agent: Dieser Agent sorgt dafür, dass der Zusammenfassungsbericht korrekt in das Google-Dokument geschrieben wird.

Schritt 2: Gruppenchats und Manager einrichten

Wir richten dann einen neuen GroupChat und GroupChatManager ein, um diese Agenten zu koordinieren:

Schritt 3: Registrieren Sie das Google Docs-Tool

Als nächstes registrieren wir das Google Docs-Tool in Composio für unsere Agenten:

Schritt 4: Schreiben Sie die Zusammenfassung in Google Docs

Jetzt initiieren wir den Chat, in dem der in Teil Eins generierte Zusammenfassungsbericht in ein Google-Dokument mit dem Titel "Benutzer-Feedback-Bericht" geschrieben wird:

Das Python-Skript ausführen

Jetzt, da unser Multi-Agenten-System vollständig eingerichtet ist, ist es an der Zeit, es in Aktion zu sehen! Wir führen unser Python-Skript über das Terminal in VS Code aus, um zu beobachten, wie die Magie sich entfaltet.

Stellen Sie sicher, dass Sie sich im Wurzelverzeichnis befinden, wo sich Ihre app.py-Datei befindet. Führen Sie dann das Skript aus, indem Sie Folgendes ausführen:

python app.py

Stellen Sie sicher, dass Sie den Pfad zu Ihrer Conda-Umgebung verwenden

Überprüfen des Ausführungsflusses

Sobald Sie Ihre Python-Datei ausführen, sollten die Protokolle für jeden Agenten und jedes Tool sichtbar sein, da die Ausführlichkeit standardmäßig aktiviert ist. Lassen Sie uns jetzt die Macht der Composio-Tools in Aktion sehen.

Sie sollten alle in FILETOOL verfügbaren Tools sehen, wobei der Daten-Insights-Spezialist-Agent Vorschläge zu den auszuführenden Toolaktionen basierend auf dem Auftrag macht. Der Agent delegiert dann die Ausführung an den DATEILEGT- und EXTRACTOR-Agenten, den wir zuvor als Ausführer für das FILETOOL definiert haben.

Nachdem der Extractor-Agent alle von dem Daten-Spezialisten-Agenten vorgeschlagenen Toolaufrufe ausgeführt hat, gibt er alle Felder der CSV-Datei in formatierter Weise zurück. Dann gibt er die Daten an den Daten-Spezialisten-Agenten weiter, um basierend darauf einen detaillierten Bericht zusammenzustellen. Der Daten-Spezialist-Agent erstellt dann den Bericht.

Als nächstes beginnt der Benutzer-Agent, indem er den Zusammenfassungsbericht, der vom Daten-Spezialisten-Agenten bereitgestellt wurde, an den Group Chat Manager übergibt, der dann den Dokumenten-Schreiber-Agenten aufruft.

Der Dokumenten-Schreiber-Agent, ausgestattet mit allen Aktionen zur Interaktion mit Google Docs, schlägt nun Toolaufrufe vor, die der Inhalts-Schreiber-Agent ausführen kann. Der Inhalts-Schreiber-Agent beginnt dann mit der Ausführung und schreibt die Zusammenfassung in das Google-Dokument, wie vom Dokumenten-Schreiber-Agent definiert.

Nach der Ausführung überprüfen Sie Ihre kürzlich verwendeten Dateien in Google Drive, und Sie sollten die Datei mit dem Namen 'Benutzer-Feedback-Bericht' mit dem Zusammenfassungsbericht sehen.

Nächste Schritte: Ihre Nutzung von Composio erweitern

Jetzt, da Sie erfolgreich ein Multi-Agenten-System mit Composio erstellt und ausgeführt haben, gibt es mehrere spannende Wege, die Sie als nächstes erkunden können:

Auslöser für automatisierte Aktionen nutzen: Auslöser sind ein leistungsstarkes Feature in Composio, das Arbeitsabläufe basierend auf bestimmten Ereignissen oder Bedingungen automatisieren kann. Sie können Auslöser einrichten, um Aktionen automatisch zu initiieren, wenn bestimmte Kriterien erfüllt sind, z. B. das Senden von Benachrichtigungen, das Aktualisieren von Datenbanken oder das Ausführen bestimmter Aufgaben als Reaktion auf Änderungen in Ihren Daten. Dies kann Ihr Multi-Agenten-System noch reaktionsschneller und autonomer machen und die Notwendigkeit manueller Eingriffe verringern.
Integration zusätzlicher Tools und APIs: Composio unterstützt eine Vielzahl von Tools und APIs, die Sie in Ihr System integrieren können. Beispielsweise könnten Sie Tools für die Analyse sozialer Medien, das Datenbankmanagement oder die Cloud-Speicherung hinzufügen, wodurch Ihre Agenten noch vielfältigere Aufgaben ausführen können. Die Erkundung des Composio-Marktplatzes wird Ihnen Ideen zur Erweiterung der Fähigkeiten Ihres Systems geben.
Erforschen Sie fortgeschrittene Interaktionen zwischen Agenten: Obwohl sich dieses Tutorial auf ein einfaches Multi-Agenten-Setup konzentrierte, ermöglicht Composio weitaus komplexere Interaktionen zwischen Agenten. Sie könnten mit hierarchischen Agentenstrukturen experimentieren, bei denen bestimmte Agenten andere verwalten oder überwachen, oder kooperatives Lernen erkunden, bei dem Agenten Wissen teilen, um die Leistung im Laufe der Zeit zu verbessern.
Erweiterung auf andere KI-Modelle: Obwohl Sie im Tutorial das Groq Llama3-70b-Modell verwendet haben, unterstützt Composio verschiedene KI-Modelle. Sie könnten mit verschiedenen Modellen experimentieren oder sogar benutzerdefinierte trainierte Modelle integrieren, um die Leistung Ihrer Agenten auf bestimmte Bedürfnisse abzustimmen.

Fazit

In diesem Tutorial haben wir den Aufbau eines Multi-Agenten-Systems unter Verwendung von Composio und AutoGen erkundet, das sich auf die Analyse von Kundenfeedback aus einer CSV-Datei und die Erstellung eines Zusammenfassungsberichts konzentriert. Wir haben die Einrichtung der Umgebung, die Konfiguration der Agenten und die Verwendung von Tools zum Lesen und Analysieren von Daten behandelt, gefolgt vom Schreiben der Zusammenfassung in ein Google-Dokument. Dieser Prozess demonstrierte, wie Composio für komplexe Arbeitsabläufe genutzt werden kann, die mehrere Agenten einbeziehen, während ein angemessener Kontext und eine Koordination sichergestellt werden.

Während des Projekts stieß ich auf Herausforderungen mit der OpenAI-API und dem Abrufen von Zusammenfassungsberichten in einem Schritt. Um diese Probleme zu überwinden, wechselte ich zur Verwendung der Groq-API und teilte den Prozess in zwei Teile auf, was erfolgreich das gewünschte Ergebnis erzielte. Diese Erfahrungen hoben sowohl die Flexibilität von Composio als auch die Bedeutung von Fehlersuche und Anpassung hervor, wenn man mit neuen Tools und Frameworks arbeitet.

Die riesige Auswahl an Tools von Composio und die einfache Integration machen es zu einer leistungsstarken Wahl für Entwickler, die ihre Projekte mit KI-Funktionen verbessern möchten. Ich ermutige Sie, Composio weiter zu erkunden, indem Sie die offizielle Dokumentation ansehen. Es gibt viel mehr zu entdecken, und ich bin gespannt darauf, weiterhin mit diesem vielseitigen Framework zu experimentieren.

Viel Spaß beim Programmieren!