模型智能体开发之metagpt-多智能体实践

参考：

1. metagpt环境配置参考
2. 模型智能体开发之metagpt-单智能体实践

需求分析

1. 之前有过单智能体的测试case，但是现实生活场景是很复杂的，所以单智能体远远不能满足我们的诉求，所以仍然还需要了解多智能体的实现。通过多个role对动作的关联、组合来构建一个工作流程，从而使智能体能够完成更加复杂的任务
2. 基于单智能体测试case的扩展，我们的诉求在简单的输出code的基础上新增一条就是生成code并且立刻运行code。那么这个时候我们就需要两个action，一个负责生成code，一个负责执行code

实现

1. 定义一个负责生成code的action，参照单智能体的测试case
   模型智能体开发之metagpt-单智能体实践

2. 定义一个负责运行code的action

   class SimpleRunCode(Action):name: str = "SimpleRunCode"async def run(self, code_text: str):result = subprocess.run(["python3", "-c", code_text], capture_output=True, text=True)code_result = result.stdoutlogger.info(f"{code_result=}")return code_result
   

   1. 运行code不需要调用llm，所以不涉及到prompt模版的设计
   2. 这里通过python的标准库 subprocess来fork一个子进程，运行一个外部程序
      1. subprocess：包内定义了多个可以创建子进程的函数，这些函数分别以不同的方法来创建子进程，所以按需使用即可
      2. 在本次的case里面通过subprocess.run在fork一个子进程执行传入的代码，那么在fork之后，存在两个进程，一个是python程序本身的进程，另一个就是subprocess.run创建的子进程，两个进程是互不干预的
      3. 在父进程中通过result.stdout来获取子进程的执行结果

3. 定义 RunnableCoder 角色

   1. 完整的代码

      class RunnableCoder(Role):name: str = "Alice"profile: str = "RunnableCoder"def __init__(self, **kwargs):super().__init__(**kwargs)self.set_actions([SimpleWriteCode, SimpleRunCode])self._set_react_mode(react_mode=RoleReactMode.BY_ORDER.value)async def _act(self) -> Message:logger.info(f"{self._setting}: to do {self.rc.todo}({self.rc.todo.name})")# By choosing the Action by order under the hood# todo will be first SimpleWriteCode() then SimpleRunCode()todo = self.rc.todomsg = self.get_memories(k=1)[0]  # find the most k recent messagesresult = await todo.run(msg.content)msg = Message(content=result, role=self.profile, cause_by=type(todo))self.rc.memory.add(msg)return msg
      

   2. 可以看到在重写init方法的时候，这里关联了两个actionSimpleWriteCode, SimpleRunCode

      1. 将 react_mode 设置为 “by_order”，这意味着 Role 将按照 self._init_actions 中指定的顺序执行其能够执行的 Action。在这种情况下，当 Role 执行 _act 时，self._rc.todo 将首先是 SimpleWriteCode，然后是 SimpleRunCode。

      def __init__(self, **kwargs):super().__init__(**kwargs)self.set_actions([SimpleWriteCode, SimpleRunCode])self._set_react_mode(react_mode=RoleReactMode.BY_ORDER.value)
      

   3. 重写act方法

      1. 覆盖 _act 函数。Role 从上一轮的人类输入或动作输出中检索消息，用适当的 Message 内容提供当前的 Action (self._rc.todo)，最后返回由当前 Action 输出组成的 Message

      async def _act(self) -> Message:logger.info(f"{self._setting}: to do {self.rc.todo}({self.rc.todo.name})")# By choosing the Action by order under the hood# todo will be first SimpleWriteCode() then SimpleRunCode()todo = self.rc.todomsg = self.get_memories(k=1)[0]  # find the most k recent messagesresult = await todo.run(msg.content)msg = Message(content=result, role=self.profile, cause_by=type(todo))self.rc.memory.add(msg)return msg
      

   4. 测试

      1. 代码

         async def main():msg = "write a function that calculates the sum of a list"role = RunnableCoder()logger.info(msg)result = await role.run(msg)logger.info(result)asyncio.run(main())
         

      2. 运行

      3. 

demo如果想正常运行的话，需要调用llm的key，环境配置可以参照 metagpt环境配置参考