阅读量:0
大家好，我是 同学小张，持续学习C++进阶、OpenGL、WebGL知识技能和AI大模型应用实战案例，持续分享，欢迎大家点赞+关注，+v: jasper_8017 一起交流，共同学习和进步。
本文我们来学习下如何在AgentScope中使用自定义的工具。
文章目录
0. 开篇
在AgentScope中，自定义工具和内置工具的使用似乎没那么明显，但确实也提供了这个框架。它其实是通过一个叫 ServiceToolkit 来封装的工具。至于工具的使用，可以通过 ReActAgent 来实现。但这样使用在我看来有点问题。
先来看下具体怎么使用。
1. 在 AgentScope 中使用自定义工具
1.1 创建自定义工具
创建自定义工具，本质上是创建一个自定义函数。与LangChain和MetaGPT会通过类似 @tools 装饰器来将函数封装成框架内可用的工具不同，在 AgentScope 中，你只将函数的返回值封装成 ServiceResponse 对象即可。ServiceResponse 接收一个运行状态和一个content内容。
当然，记得要写该函数的docstring。还没细看源码，但猜测 AgentScope 内部应该是通过 docstring 来当作该工具的Prompt，并明确工具的参数和返回值。
def sum_num(a: int, b: int) -> int: """计算两个数的和 Args: a (int): 参数1 b (int): 参数2 Returns: int: 结果 """ output = a + b status = ServiceExecStatus.SUCCESS return ServiceResponse(status, output) 1.2 使用自定义工具
（1）首先，你需要将该工具添加到 ServiceToolkit 中。
service_toolkit = ServiceToolkit() service_toolkit.add(sum_num) （2）实例化一个 ReActAgent，通过 service_toolkit 参数来将自定义工具添加进去。
self.agent = ReActAgent( name="assistant", model_config_name="openai_cfg", verbose=True, service_toolkit=service_toolkit, max_iters=1, ) （3）使用该 agent 即可
msg = Msg("user", query, role="user") return self.agent(msg) 2. 完整代码与运行结果
完整代码如下:
from agentscope.agents.react_agent import ReActAgent import agentscope from agentscope.message import Msg import os from agentscope.service import ( ServiceToolkit, ServiceResponse, ServiceExecStatus, ) openai_api_key = os.getenv('OPENAI_API_KEY') # 此Agent的模型配置，按需修改 OPENAI_CFG_DICT = { "config_name": "openai_cfg", # 此配置的名称，必须保证唯一 "model_type": "openai", # 模型类型 "model_name": "gpt-3.5-turbo", # 模型名称 "api_key": openai_api_key, # OpenAI API key. 如果没有设置，将使用环境变量中的 OPENAI_API_KEY } def sum_num(a: int, b: int) -> int: """计算两个数的和 Args: a (int): 参数1 b (int): 参数2 Returns: int: 结果 """ output = a + b status = ServiceExecStatus.SUCCESS return ServiceResponse(status, output) class ToolDemo: def __init__(self): # Prepare the tools for the agent service_toolkit = ServiceToolkit() service_toolkit.add(sum_num) agentscope.init(model_configs=[OPENAI_CFG_DICT]) self.agent = ReActAgent( name="assistant", model_config_name="openai_cfg", verbose=True, service_toolkit=service_toolkit, max_iters=1, ) def invoke(self, query): msg = Msg("user", query, role="user") return self.agent(msg) if __name__ == '__main__': tool_demo = ToolDemo() response = tool_demo.invoke("你是谁？") print(response) 运行结果：
可以看到它成功识别并使用了 sum_num 这个工具。
3. 存在的问题 - 一些思考，仅供参考
文章开始，我提到了通过 ReActAgent 来实现使用工具在我看来有点问题。
首先，ReActAgent 是实现的ReAct思想，即思考+行动。大模型先思考下一步该干什么，然后执行。这对于只想判断是否应该使用工具的场景来说，有点浪费。细心的同学可能发现了，在ReActAgent初始化的过程中，有个 max_iters 参数。这是最大的迭代步数，也就是思考多少次。判断一个工具的使用，其实只需要一次思考即可。（个人意见，欢迎讨论）。
其次，ReActAgent 最终的返回，是最终的结论，中间过程外部不可见。如果想要获取中间过程，需要自己实现，不能用 ReActAgent 了。目前还没看到 AgentScope 中有类似 LangChain 那样直接 bind_tools 或 bind_functions 这样的接口封装，让用户在执行之后可以获取是否需要调用工具的判断。
当识别到工具时，返回的结果是类似下图这样：
没有识别到工具时，返回的结果是类似下图这样：
难道可以通过这个返回值中有无 function 参数来判断是否使用过工具？感觉不太靠谱啊… 可能还是得自己写一个吧。欢迎熟悉的大佬指教！感谢！
如果觉得本文对你有帮助，麻烦点个赞和关注呗 ~~~
- 大家好，我是 同学小张，持续学习C++进阶、OpenGL、WebGL知识技能和AI大模型应用实战案例
- 欢迎 点赞 + 关注 👏，持续学习，持续干货输出。
- +v: jasper_8017 一起交流💬，一起进步💪。
- 微信公众号搜【同学小张】 🙏
本站文章一览：
