В этом руководстве мы рассмотрим, как интегрировать Microsoft AutoGen с бесплатным API Google Gemini с помощью LiteLLM. Это позволит нам создать мощную систему диалогового ИИ с несколькими агентами, которая будет без проблем работать в Google Colab. Мы подробно разберём процесс настройки среды, настройки Gemini для совместимости с AutoGen и создания специализированных команд агентов для выполнения задач в области исследований, бизнес-анализа и разработки программного обеспечения.
Установка необходимых библиотек
Для начала установим необходимые библиотеки: AutoGen, LiteLLM и Google Generative AI, чтобы обеспечить оркестрацию нескольких агентов с моделями Gemini. Затем мы импортируем основные модули и настроим логирование для мониторинга выполнения нашего фреймворка. Это подготовит нашу среду для создания интеллектуального взаимодействия агентов.
“`python
!pip install AutoGen
!pip install pyautogen google-generativeai litellm
“`
“`python
import os
import json
import asyncio
from typing import Dict, List, Any, Optional, Callable
from datetime import datetime
import logging
import autogen
from autogen import AssistantAgent, UserProxyAgent, GroupChat, GroupChatManager
from autogen.agentchat.contrib.retrieveassistantagent import RetrieveAssistantAgent
from autogen.agentchat.contrib.retrieveuserproxy_agent import RetrieveUserProxyAgent
import google.generativeai as genai
import litellm
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(name)
“`
Класс GeminiAutoGenFramework
Мы определяем класс `GeminiAutoGenFramework`, который служит основным двигателем для нашей системы многоагентского сотрудничества с использованием бесплатного API Gemini. В этом классе мы настраиваем модель, создаём специализированных агентов для выполнения задач в области исследований, бизнеса и разработки, а также включаем групповые беседы между ними.
“`python
class GeminiAutoGenFramework:
“””
Complete AutoGen framework using free Gemini API
Supports multi-agent conversations, code execution, and retrieval
“””
def init(self, geminiapikey: str):
“””Initialize with Gemini API key”””
self.geminiapikey = geminiapikey
self.setupgeminiconfig()
self.agents: Dict[str, autogen.Agent] = {}
self.group_chats: Dict[str, GroupChat] = {}
def setupgeminiconfig(self):
“””Configure Gemini for AutoGen”””
os.environ[“GOOGLEAPIKEY”] = self.geminiapikey
self.llm_config = {
“config_list”: [
{
“model”: “gemini/gemini-1.5-flash”,
“apikey”: self.geminiapi_key,
“api_type”: “google”,
“temperature”: 0.7,
“max_tokens”: 4096,
}
],
“timeout”: 120,
“cache_seed”: 42,
}
self.llmconfigpro = {
“config_list”: [
{
“model”: “gemini/gemini-1.5-pro”,
“apikey”: self.geminiapi_key,
“api_type”: “google”,
“temperature”: 0.5,
“max_tokens”: 8192,
}
],
“timeout”: 180,
“cache_seed”: 42,
}
# … (продолжение класса)
“`
Демонстрация фреймворка
Мы заключаем наш фреймворк, включив демо-функцию, которая инициализирует `GeminiAutoGenFramework`, выводит статистику системы и выполняет три демонстрации проектов: исследование, бизнес-анализ и разработка программного обеспечения. Это позволяет нам проверить возможности наших команд агентов в действии и предоставляет готовую к использованию отправную точку для любого пользователя, работающего в Google Colab.
“`python
def demoautogenframework():
“””Demo the AutoGen framework”””
print(” Microsoft AutoGen + Gemini Framework Demo”)
print(“=” * 60)
GEMINIAPIKEY = “your-gemini-api-key-here”
framework = GeminiAutoGenFramework(GEMINIAPIKEY)
print(” Framework initialized successfully!”)
print(f” Stats: {json.dumps(framework.getframeworkstats(), indent=2)}”)
return framework
async def rundemoprojects(framework):
“””Run demonstration projects”””
print(“\n Running Research Project…”)
researchresult = framework.runresearch_project(
“Impact of Generative AI on Software Development in 2025”
)
print(“Research Result (excerpt):”)
print(researchresult[:500] + “…” if len(researchresult) > 500 else research_result)
print(“\n Running Business Analysis…”)
businessresult = framework.runbusiness_analysis(
“A mid-sized company wants to implement AI-powered customer service. “
“They currently have 50 support staff and handle 1000 tickets daily. “
“Budget is $500K annually.”
)
print(“Business Analysis Result (excerpt):”)
print(businessresult[:500] + “…” if len(businessresult) > 500 else business_result)
print(“\n Running Development Project…”)
devresult = framework.rundevelopment_project(
“Build a Python web scraper that extracts product information from e-commerce sites, “
“stores data in a database, and provides a REST API for data access.”
)
print(“Development Result (excerpt):”)
print(devresult[:500] + “…” if len(devresult) > 500 else dev_result)
if name == “main“:
print(“Microsoft AutoGen + Gemini Framework Ready! “)
print(“\n For Google Colab, run:”)
print(“!pip install pyautogen google-generativeai litellm”)
print(“\n Get your free Gemini API key:”)
print(“https://makersuite.google.com/app/apikey”)
print(“\n Quick start:”)
print(“””
Initialize framework
framework = GeminiAutoGenFramework(“your-gemini-api-key”)
Run research project
result = framework.runresearchproject(“AI Trends 2025”)
print(result)
Run business analysis
result = framework.runbusinessanalysis(“Market entry strategy for AI startup”)
print(result)
Run development project
result = framework.rundevelopmentproject(“Build a REST API for user management”)
print(result)
“””)
“`
В итоге мы получаем полностью функциональную систему многоагентского ИИ, которая может проводить глубокие исследования, анализировать бизнес-сценарии и разрабатывать программные проекты с минимальным вмешательством человека. Мы увидели, как можно координировать различных специализированных агентов и как запускать проекты, отражающие реальные случаи использования. Этот фреймворк демонстрирует потенциал объединения Microsoft AutoGen и Gemini, а также предоставляет повторно используемый шаблон для создания интеллектуальных команд агентов, ориентированных на выполнение задач в наших приложениях.
1. Какие библиотеки необходимо установить для интеграции Microsoft AutoGen с бесплатным API Google Gemini?
Ответ: Для интеграции Microsoft AutoGen с бесплатным API Google Gemini необходимо установить библиотеки AutoGen, LiteLLM и Google Generative AI. Это обеспечит оркестрацию нескольких агентов с моделями Gemini.
2. Какие основные шаги включает в себя процесс настройки среды для создания системы диалогового ИИ?
Ответ: Процесс настройки среды включает в себя установку необходимых библиотек, импорт основных модулей, настройку логирования для мониторинга выполнения фреймворка и определение класса `GeminiAutoGenFramework`, который служит основным двигателем для системы многоагентского сотрудничества.
3. Какие специализированные агенты создаются для выполнения задач в области исследований, бизнеса и разработки программного обеспечения?
Ответ: Для выполнения задач в области исследований, бизнеса и разработки программного обеспечения создаются специализированные агенты, которые могут координировать свою работу для выполнения сложных задач. В статье описывается класс `GeminiAutoGenFramework`, который служит основным двигателем для системы многоагентского сотрудничества с использованием бесплатного API Gemini.
4. Какие параметры задаются при настройке модели Gemini для AutoGen?
Ответ: При настройке модели Gemini для AutoGen задаются следующие параметры:
* `GOOGLEAPIKEY` — ключ API Gemini;
* `llm_config` — конфигурация модели, включая модель, API ключ, температуру, максимальное количество токенов и время ожидания;
* `llmconfigpro` — дополнительная конфигурация модели с другими параметрами.
5. Какие проекты демонстрируются для проверки возможностей команд агентов?
Ответ: Для проверки возможностей команд агентов демонстрируются три проекта: исследование, бизнес-анализ и разработка программного обеспечения. Эти проекты позволяют проверить возможности команд агентов в действии и предоставляют готовую к использованию отправную точку для любого пользователя, работающего в Google Colab.