В этом руководстве мы покажем вам, как легко интегрировать AutoGen и Semantic Kernel с моделью Google Gemini Flash.
Шаг 1: настройка GeminiWrapper и SemanticKernelGeminiPlugin
Мы начинаем с настройки классов GeminiWrapper и SemanticKernelGeminiPlugin, чтобы связать генеративные возможности Gemini с мультиагентной оркестрацией AutoGen.
Шаг 2: настройка специализированных агентов
Затем мы настраиваем специализированных агентов, от рецензентов кода до творческих аналитиков, демонстрируя, как мы можем использовать API ConversableAgent в AutoGen вместе с декорированными функциями в Semantic Kernel для анализа текста, обобщения, рецензирования кода и творческого решения проблем.
Код для начала работы
“`python
import os
import asyncio
from typing import Dict, Any, List
import autogen
import google.generativeai as genai
from semantic_kernel import Kernel
from semantic_kernel.functions import KernelArguments
from semantickernel.functions.kernelfunctiondecorator import kernelfunction
“`
Установка основных зависимостей
“`python
!pip install pyautogen semantic-kernel google-generativeai python-dotenv
“`
“`python
import os
import asyncio
from typing import Dict, Any, List
import autogen
import google.generativeai as genai
from semantic_kernel import Kernel
from semantic_kernel.functions import KernelArguments
from semantickernel.functions.kernelfunctiondecorator import kernelfunction
“`
Настройка ключа API
“`python
GEMINIAPIKEY = “Use Your API Key Here”
genai.configure(apikey=GEMINIAPI_KEY)
“`
Класс GeminiWrapper
“`python
class GeminiWrapper:
“””Wrapper for Gemini API to work with AutoGen”””
def init(self, model_name=”gemini-1.5-flash”):
self.model = genai.GenerativeModel(model_name)
def generate_response(self, prompt: str, temperature: float = 0.7) -> str:
“””Generate response using Gemini”””
try:
response = self.model.generate_content(
prompt,
generation_config=genai.types.GenerationConfig(
temperature=temperature,
maxoutputtokens=2048,
)
)
return response.text
except Exception as e:
return f”Gemini API Error: {str(e)}”
“`
Класс SemanticKernelGeminiPlugin
“`python
class SemanticKernelGeminiPlugin:
“””Semantic Kernel plugin using Gemini Flash for advanced AI operations”””
def init(self):
self.kernel = Kernel()
self.gemini = GeminiWrapper()
@kernelfunction(name=”analyzetext”, description=”Analyze text for sentiment and key insights”)
def analyze_text(self, text: str) -> str:
“””Analyze text using Gemini Flash”””
prompt = f”””
Analyze the following text comprehensively:
Text: {text}
Provide analysis in this format:
– Sentiment: [positive/negative/neutral with confidence]
– Key Themes: [main topics and concepts]
– Insights: [important observations and patterns]
– Recommendations: [actionable next steps]
– Tone: [formal/informal/technical/emotional]
“””
return self.gemini.generate_response(prompt, temperature=0.3)
“`
Заключение
Мы показали, как AutoGen и Semantic Kernel дополняют друг друга, создавая универсальную мультиагентную систему ИИ, работающую на базе Gemini Flash. AutoGen упрощает координацию различных экспертных агентов, а Semantic Kernel предоставляет чистый, декларативный слой для определения и вызова продвинутых функций ИИ. Объединив эти инструменты в блокноте Colab, мы обеспечили возможность быстрого экспериментирования и прототипирования сложных рабочих процессов ИИ без ущерба для ясности или контроля.
1. Какие инструменты и библиотеки используются для создания продвинутых мультиагентных рабочих процессов ИИ в статье?
Ответ: в статье используются инструменты и библиотеки AutoGen, Semantic Kernel и Google Gemini Flash.
2. Какие шаги необходимо выполнить для интеграции модели Google Gemini Flash с мультиагентной оркестрацией AutoGen?
Ответ: для интеграции модели Google Gemini Flash с мультиагентной оркестрацией AutoGen необходимо выполнить следующие шаги: настройка классов GeminiWrapper и SemanticKernelGeminiPlugin, чтобы связать генеративные возможности Gemini с мультиагентной оркестрацией AutoGen; настройка специализированных агентов, таких как рецензенты кода и творческие аналитики.
3. Какие функции предоставляет класс SemanticKernelGeminiPlugin?
Ответ: класс SemanticKernelGeminiPlugin предоставляет функцию analyze_text, которая анализирует текст для определения тональности, ключевых тем, инсайтов, рекомендаций и тона.
4. Какие основные преимущества даёт использование AutoGen и Semantic Kernel вместе с моделью Google Gemini Flash?
Ответ: использование AutoGen и Semantic Kernel вместе с моделью Google Gemini Flash позволяет создать универсальную мультиагентную систему ИИ, которая упрощает координацию различных экспертных агентов и предоставляет чистый, декларативный слой для определения и вызова продвинутых функций ИИ.
5. Какие основные шаги включает в себя настройка специализированных агентов в статье?
Ответ: настройка специализированных агентов включает в себя использование API ConversableAgent в AutoGen вместе с декорированными функциями в Semantic Kernel для анализа текста, обобщения, рецензирования кода и творческого решения проблем.