一款由知識圖譜引擎驅動的創新Agent框架
嘿，大家好！這里是一個專注于AI智能體的頻道！
今天給大家安利一個開源框架- muAgent v2.0：KG引擎驅動的創新Agent框架。
由LLM和EKG（Eventic Knowledge Graph，行業知識載體）驅動的全新Agent框架，協同利用MultiAgent、FunctionCall、CodeInterpreter等。通過基于畫布的拖放和簡單的文本編寫，大語言模型可以輔助您在人工指導下執行各種復雜的 SOP。
它兼容市場上現有的框架，可以實現四大核心差異化技術功能：復雜推理、在線協作、人機交互、知識點播。該框架已在螞蟻集團內多個復雜的 DevOps 場景中得到驗證。
經過對市面上的框架的深入分析，發現大多數的 Agent 框架整體耦合度較高，其易用性和可擴展性較差。在預設場景中實現特定場景，但想要進行場景擴展卻困難重重。
因此，我們構建了一個可擴展、易于使用的 Multi-Agent 框架，以支持 ChatBot 在獲取知識庫信息的同時，能夠輔助完成日常辦公、數據分析、開發運維等各種通用任務。
本項目的 Mutli-Agent 框架汲取兼容了多個框架的優秀設計，比如 metaGPT 中的消息池（message pool）、autogen 中的代理選擇器（agent selector）等。
項目地址：https://github.com/codefuse-ai/CodeFuse-muAgent/tree/main
Multi-Agent 框架，包括以下內容：
- Agent Base：構建了四種基本的 Agent 類型 BaseAgent、ReactAgent、ExecutorAgent、SelectorAgent，支撐各種場景的基礎活動
- Communication：通過 Message 和 Parse Message 實體完成 Agent 間的信息傳遞，并與 Memory Manager 交互再 Memory Pool 完成記憶管理
- Prompt Manager：通過 Role Handler、Doc/Tool Handler、Session Handler、Customized Handler，來自動化組裝 Customized 的 Agent Prompt
- Memory Manager：用于支撐 chat history 的存儲管理、信息壓縮、記憶檢索等管理，最后通過 Memory Pool 在數據庫、本地、向量數據庫中完成存儲
- Component：用于構建 Agent 的輔助生態組件，包括 Retrieval、Tool、Action、Sandbox 等
- Customized Model：支持私有化的 LLM 和 Embedding 的接入
在 Agent 層面，提供四種基本的 Agent 類型，對這些 Agent 進行 Role 的基礎設定，可滿足多種通用場景的交互和使用。所有的 Action 都由 Agent 執行。
BaseAgent：提供基礎問答、工具使用、代碼執行的功能，根據 Prompt 格式實現 輸入 => 輸出
ReactAgent：提供標準 React 的功能，根據問題實現當前任務
ExecutorAgent：對任務清單進行順序執行，根據 User 或 上一個 Agent 編排的計劃，完成相關任務 Agent 接受到任務清單(List[task])，對這個任務清單 Task 進行循環執行（中間也可添加 Feedback Agent 來進行任務重新優化），直到任務完成
SelectorAgent：提供選擇 Agent 的功能，根據 User 或 上一個 Agent 的問題選擇合適的 Agent 來進行回答.
