只需四步就能构建自己的Agent！达摩院新开源框架小白也能用
开源LLMs作为核心组件
李晨亮 投稿
量子位 | 公众号 QbitAI
现在，小白也可以打造专属的智能体了！
达摩院最新出品Agent框架ModelScope-Agent，直接可用可定制。
比如，可以同时执行多个工具的规划、调度。
写一篇关于Vision Pro VR眼镜的20字宣传文案，并用女声读出来，同时生成个视频看看。
也能在多轮对话中持续不同的工具。
光集成的工具就有这么多，比如NLP、语音、视觉、多模态等多种模型，以及默认集成知识检索、API检索等方案。
在GitHub上还专门提供了详细教程，这就来看看究竟如何构建？
四步构建自己的Agent
1、首先拉取ModelScope-Agent代码并安装相关依赖。
2、配置config文件，ModelScope token和构建API工具检索引擎。
3、中枢大模型启动。
4、Agent构建和使用，依赖之前构建好的大模型，工具list，工具检索和记忆模块。
构建完毕后，还可以注册新工具。GitHub上同样有食用教程。
开发者们可以参考上述教程很容易搭建属于自己的智能体，ModelScope-Agent 依托魔搭社区，未来会适配更多新增的开源大模型，推出更多应用。
如客户服务Agent、个人助理Agent、Story Agent、Motion Agent、multi-Agent（多模态 Agent）等等。
框架如何设计的？
作为一个通用的、可定制的Agent框架，ModelScope-Agent主要有以下特点：
- 可定制且功能全面的框架：提供可定制的引擎设计，涵盖了数据收集、工具检索、工具注册、存储管理、定制模型训练和实际应用等功能，可用于快速实现实际场景中的应用。
- 开源LLMs作为核心组件：支持在 ModelScope 社区的多个开源LLMs上进行模型训练，并开源了配套的中英文工具指令数据集 MSAgent-Bench，用于增强开源大模型作为Agent中枢的规划调度能力。
- 多样化且全面的API，支持API检索：以统一的方式实现与模型API和常见的功能API进行无缝集成，默认提供开源API检索方案。
它主要包括这些模块，以开源大语言模型 (LLMs) 为核心，以及记忆控制、工具使用等模块。
开源 LLM 主要负责任务规划、调度以及回复生成；记忆控制模块，主要包含知识检索以及 prompt （提示词）管理；工具使用模块，包含工具库以及工具检索和工具可定制化。
在执行任务时，它会将其拆分成更小的任务，然后一项一项完成。
以写一个简短故事，并用女声朗读，同时配个视频”为例。
ModelScope-Agent 会展示整个任务规划过程，先通过工具检索检索相关的语音合成工具，然后由开源 LLM 进行规划调度——
首先生成一段故事，然后调用对应语音生成模型，生成语音并用女声念出，展示给用户，最后再调用视频生成模型，针对生成的故事内容生成一段视频.
这里全程不需要用户配置当前请求可能需要调用到的工具.
除此之外，他们还提出了新的工具指令微调训练方法：Weighted LM，通过对工具指令调用部分token进行loss加权，提升开源大模型工具指令调用能力。
基于该训练方法和配套的开源中英文工具指令调用数据集MSAgent-Bench，基于Qwen-7B优化训练了MSAgent-Qwen-7B模型，相关数据集和模型都已开源。
论文链接：
https://arxiv.org/abs/2309.00986
代码链接：
https://github.com/modelscope/modelscope-agent
ModelScope体验地址：
https://modelscope.cn/studios/damo/ModelScopeGPT/summary
- 字节发布视觉基础模型ViTamin，多项任务实现SOTA，入选CVPR20242024-04-28
- 超级知识助手来了！讯飞星火支持长文本长图文长语音，生产力UP2024-04-26
- AI换脸以假乱真！蚂蚁数科发布反DeepFake产品，还设百万奖金池邀请黑客找bug2024-04-16
- 对话蚂蚁李建国：当前AI写代码相当于L2.5，实现L3后替代50%人类编程2024-04-23
相关阅读
