AutoGen多角色、多用户、多智能体对话系统

2023-03-11-AutoGen

使用【autoGen+chainlit+deepSeek】实现【多角色、多用户、多智能体对话系统】

---

1-核心思路

• 01）技术要点：autoGen+chainlit+deepSeek
• 02）什么是autoGen->autogen是微软旗下的多智能体的框架
• 03）什么是chainlit->模型前端展示框架
• 04）要做什么？->快速实现多角色、多用户、多智能体对话系统
• 05）什么是RoundRobinGroupChat？->反复调用
• 06）单智能体-nurses_station_ai ->进行大模型问题咨询
• 07）智能体与FunctionCall-> 大模型调用FunctionCall
• 08）多智能体自动选择-> Selector Group Chat
• 09）为什么设置TextMentionTermination->终止符
• 10）什么是AutoGen Studio工作流UI->上面都是python代码实现，有没有拖拖拽拽就可以的UI编排
• 11）最终目标->3分钟复刻Manus智能体！AutoGen+MCP Server+Cline构建最强AI智能体https://www.bilibili.com/video/BV119RHYmEPF

---

2-参考网址

• AutoGen入门——快速实现多角色、多用户、多智能体对话系统
• autogen-Github仓库地址
• 个人代码实现仓库地址

---

3-上手实操

1-安装依赖

# 版本说明
- python，3.11
- AutoGen，0.4.2
- chainlit，2.0.2
- 大模型，deepseek# 安装依赖-autogen
pip install -U "autogen-agentchat" "autogen-ext[openai]"# 安装依赖-UI交互界面
pip install chainlit# 运行脚本
chainlit run .\a_01_nurses_station_ai.py -w

---

2-a_01_nurses_station_ai内容如下

import chainlit as cl
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_ext.models.openai import [e-mail]_chat_start
async def main():await cl.Message(content="您好，这里是超级无敌大医院，有什么可以帮您？").send()async def run_team(query: str):model_client = OpenAIChatCompletionClient(model="deepseek-chat", base_url="https://api.deepseek.com",api_key="sk-6d775065fa8c405caebed674c125e67e",model_info={"vision": False,"function_calling": False,"json_output": True,"family": "unknown",}, )assistant_agent = AssistantAgent("assistant", model_client=model_client,system_message="你是一所口腔医院的导诊台机器人，负责解答用户的挂号问题，用户描述症状需求，你回答应该挂的科室。""在本医院中有以下科室：牙体牙髓科、口腔修复科、口腔外科、口腔种植科、儿童口腔专科。""如果用户的问题与挂号咨询不符合，回答：“您的描述与症状无关，暂不支持”")team = RoundRobinGroupChat(participants=[assistant_agent], max_turns=1)response_stream = team.run_stream(task=query)async for msg in response_stream:if hasattr(msg, "source") and msg.source != "user" and hasattr(msg, "content"):msg = cl.Message(content=msg.content, author="Agent Team")await msg.send()@cl.on_message
async def main(message: cl.Message):await run_team(message.content)

---

3-智能体与FunctionCall

import chainlit as cl
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_ext.models.openai import [e-mail]_auth_callback
def auth_callback(username: str, password: str):if (username, password) == ("admin", "admin"):return cl.User(identifier="admin", metadata={"role": "admin", "provider": "credentials"})elif (username, password) == ("puhaiyang", "123456"):return cl.User(identifier="puhaiyang", metadata={"role": "admin", "provider": "credentials"})else:return [e-mail]_chat_start
async def main():await cl.Message(content="您好，这里是牙体牙髓科，您牙齿哪里不适？").send()async def x_p_search(tooth_position: str) -> str:"""Find information on the web"""app_user = cl.user_session.get("user")print(f"模拟查询{app_user.identifier}的{tooth_position}牙片数据")if tooth_position == "46":return "牙根尖处有阴影，疑似感染，需要进一步分析诊断"else:return f"{tooth_position}无影像"async def run_team(query: str):model_client = OpenAIChatCompletionClient(model="deepseek-chat", base_url="https://api.deepseek.com",api_key="sk-6d775065fa8c405caebed674c125e67e",model_info={"vision": False,"function_calling": True,"json_output": True,"family": "unknown",})assistant_agent = AssistantAgent("assistant", model_client=model_client, tools=[x_p_search],system_message="你是一个牙体牙髓科的病情诊断机器人，负责对用户输入的症状描述分析原因，在分析病因前先询问出用户是具体哪一颗牙齿需要治疗。""在知道了具体的牙位号后，再调用x_p_search工具进行问题回答，传入给x_p_search工具的参数需要自动转为牙位号，如:28""如果用户的问题与病情咨询无关，回答：“您的描述与症状无关，暂不支持”")team = RoundRobinGroupChat(participants=[assistant_agent], max_turns=1)response_stream = team.run_stream(task=query)async for msg in response_stream:if hasattr(msg, "source") and (msg.type == "ToolCallExecutionEvent" or msg.type == "ToolCallRequestEvent"):# functionCall事件消息不显示给用户continueif hasattr(msg, "source") and msg.source != "user" and hasattr(msg, "content"):if msg.content.endswith("无影像"):res = await cl.AskActionMessage(content=f"{msg.content}，是否需要帮您申请拍摄此牙的CT影像？",actions=[cl.Action(name="continue", payload={"value": "申请"}, label="✅ 申请牙片"),cl.Action(name="cancel", payload={"value": "取消"}, label="❌ 取消"),],).send()if res and res.get("payload").get("value") == "申请":await cl.Message(content="牙片申请已提交!待审核通过后前往第3影像室进行拍摄。",).send()else:msg = cl.Message(content=msg.content, author="Agent Team")await msg.send()@cl.on_message
async def main(message: cl.Message):await run_team(message.content)

• 执行脚本

# 1-因为添加了chainlit认证配置
conda activate AutoGen3_11
chainlit create-secret# 2-配置JWT-创建.env文件
CHAINLIT_AUTH_SECRET="-Nj%Z@l^x0FQcEKYuNBxJ@mYr~2L>_ua6EU$zSsR6M~Fd.ssav5GFANVyR4%S$Zf"# 3-执行脚本
chainlit run .\a_02_endodontics_dentistry_ai.py -w

• 触发大模型的FunctionCall功能
  

---

4-如何解决chainlit报错

ValueError: You must provide a JWT secret in the environment to use authentication. Run chainlit create-secret to
generate one.

这个错误信息表明，在使用需要身份验证的功能时，你没有在环境变量中提供 JWT（JSON Web Token）密钥。JWT
是一种用于在网络应用中安全传输信息的开放标准，通常用于身份验证和授权。下面为你详细分析和解决这个问题：

1. 生成 JWT 密钥

依据错误提示，你可以运行 chainlit create-secret 命令来生成一个 JWT 密钥。打开命令行终端，激活你的 Python
虚拟环境（AutoGen3_11），然后执行以下命令：

conda activate AutoGen3_11
chainlit create-secret

执行该命令后，会输出一个随机生成的 JWT 密钥，类似如下：

CHAINLIT_AUTH_SECRET="-Nj%Z@l^x0FQcEKYuNBxJ@mYr~2L>_ua6EU$zSsR6M~Fd.ssav5GFANVyR4%S$Zf"

2. 根目录创建.env文件

将刚才的生成的信息复制进去

CHAINLIT_AUTH_SECRET="-Nj%Z@l^x0FQcEKYuNBxJ@mYr~2L>_ua6EU$zSsR6M~Fd.ssav5GFANVyR4%S$Zf"

---

5-多智能体自动选择

核心代码：创建多个AssistantAgent放入到SelectorGroupChat供大模型根据上线文进行选择

import chainlit as clfrom autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.conditions import MaxMessageTermination, TextMentionTermination
from autogen_agentchat.teams import SelectorGroupChat
from autogen_ext.models.openai import OpenAIChatCompletionClientmodel_client = OpenAIChatCompletionClient(model="deepseek-chat", base_url="https://api.deepseek.com",api_key="sk-6d775065fa8c405caebed674c125e67e",model_info={"vision": False,"function_calling": True,"json_output": True,"family": "unknown",}, )planning_agent = AssistantAgent("PlanningAgent",description="用于规划的Agent，当一个任务到达时此Agent是第一个参与者",model_client=model_client,system_message="""你是一个任务规划智能体。你的工作是将复杂的任务分解为更小的、可管理的子任务。你的团队成员有3个，分别是：DentalPulpAgent: 牙体牙髓科智能体RestorativeAgent: 牙齿修复科智能体DentalImplantAgent: 牙齿种植科智能体你只计划和委派任务，而不自己执行它们分配任务时，请使用此格式:1. <agent> : <task>当所有智能体把任务完成后，再总结结果以"TERMINATE"结束。                        """)dental_pulp_agent = AssistantAgent("DentalPulpAgent",description="牙体牙髓科智能体",model_client=model_client,system_message="""你是一个口腔医院的牙体牙髓科智能体。你可以解答关于牙体牙髓科中患者提出的问题，你的解答非常专业，且可靠。""")restorative_agent = AssistantAgent("RestorativeAgent",description="牙齿修复科智能体",model_client=model_client,system_message="""你是一个口腔医院的牙齿修复科智能体。你可以解答关于牙齿修复中患者提出的问题，比如牙冠、烤瓷牙、嵌体修复等。你的解答非常专业，且可靠。""")dental_implant_agent = AssistantAgent("DentalImplantAgent",description="牙齿种植科智能体",model_client=model_client,system_message="""你是一个口腔医院的牙齿种植科的智能体。你可以解答关于牙齿种植科中患者提出的问题，你的解答非常专业，且可靠。""")@cl.on_chat_start
async def main():await cl.Message(content="您好，这里是口腔医院专家团队，有什么可以帮您？").send()async def run_team(query: str):text_mention_termination = TextMentionTermination("TERMINATE")max_messages_termination = MaxMessageTermination(max_messages=25)termination = text_mention_termination | max_messages_terminationteam = SelectorGroupChat([planning_agent, dental_pulp_agent, restorative_agent, dental_implant_agent],model_client=model_client,termination_condition=termination,)response_stream = team.run_stream(task=query)async for msg in response_stream:if hasattr(msg, "source") and msg.source != "user" and hasattr(msg, "content"):msg = cl.Message(content=msg.content, author=msg.source)await msg.send()@cl.on_message
async def main(message: cl.Message):await run_team(message.content)

• 执行脚本

chainlit run .\a_03_dentistry_selector_ai.py -w

---

• 测试问题

什么是烤瓷牙？
什么是根管治疗？

---

5-AutoGen Studio工作流UI

比较好的是AutoGen中也提供了与Dify类似UI界面操作的方式，即：AutoGen Studio。

• 安装命令

# 安装autogenstudio
pip install -U autogenstudio# 运行脚本-指定一个文件夹进行数据存放
autogenstudio ui --port 8081 --appdir autogenstuido_test# 程序运行打印
2025-03-12 01:07:58.662 | INFO     | autogenstudio.web.app:lifespan:35 - Application startup complete. Navigate to http://127.0.0.1:8081