【大模型-智能体】AutoGen Studio测试和导出工作流程

1. 测试工作流程

AutoGen Studio允许用户针对任务交互式地测试工作流程,并审查由此产生的成果物(如图像、代码和文档)。此外用户还可以查看Agent工作流程在处理任务时的"内心独白",并查看诸如运行成本(如回合数、令牌数等)和Agent行为(如是否调用了工具以及代码执行的结果)等分析信息。

2. 导出工作流程

用户可以下载他们创建的技能、Agent和工作流配置,并共享和重用这些成果物。AutoGen Studio还提供了一个无缝的过程,用于导出工作流并将其部署为应用程序编程接口(API),以便在其他部署工作流作为API的应用程序中使用。

2.1 导出

AutoGen Studio可将工作流以JSON配置文件的形式导出。页面层级如下:

Build -> Workflows -> (On workflow card) -> Export

2.2 Python应用中使用工作流

使用仅两行代码的类,导出的工作流便可轻松集成到任何Python应用程序中。在底层,WorkflowManager会将工作流规范重新激活为AutoGen Agent,然后这些Agent被用来处理任务。

复制代码
from autogenstudio import WorkflowManager
# load workflow from exported json workflow file.
workflow_manager = WorkflowManager(workflow="path/to/your/workflow_.json")

# run the workflow on a task
task_query = "What is the height of the Eiffel Tower?. Dont write code, just respond to the question."
workflow_manager.run(message=task_query)

2.3 将工作流部署为API

可以使用autogenstudio命令行工具从命令行将工作流作为API端点启动。

复制代码
autogenstudio serve --workflow=workflow.json --port=5000

上述的工作流启动命令也可以封装到一个Dockerfile中,然后部署到Azure Container Apps或Azure Web Apps等云服务上。

相关推荐
张一爻几秒前
BERT + CRF实现的中文 NER模型训练
人工智能·python·bert
诸葛务农1 分钟前
神经网络信息编码技术:与人脑信息处理的差距及超越的替在优势和可能(上)
人工智能·深度学习·神经网络
oscar9992 分钟前
神经网络前向传播:AI的“消化系统”全解析
人工智能·深度学习·神经网络
深蓝海拓2 分钟前
PySide6从0开始学习的笔记(十六) 定时器QTimer
笔记·python·qt·学习·pyqt
元智启3 分钟前
企业AI智能体:架构升级与生态跃迁,2025进入“智能体驱动”新阶段
人工智能·架构
合方圆~小文4 分钟前
双目摄像头在不同距离精度差异
数据库·人工智能·模块测试
lxmyzzs5 分钟前
【硬核部署】在 RK3588上部署毫秒级音频分类算法
人工智能·分类·音视频
阿杰学AI8 分钟前
AI核心知识66——大语言模型之Machine Learning (简洁且通俗易懂版)
人工智能·ai·语言模型·自然语言处理·aigc·ml·机械学习
Macbethad11 分钟前
智能硬件产品系统技术报告
大数据·人工智能
这张生成的图像能检测吗13 分钟前
(论文速读)基于M-LLM的高效视频理解视频帧选择
人工智能·贪心算法·视频生成·多模态大语言模型