本次实践主要是基于open Ai 的swarm与deepSeek模型,定制一个大模型智能体,帮助我们认识swam(多智能体写作文)以及如何使用;
1 deekSeeK
注册:DeepSeek
申请自己的apiKey:******;
注意:model="deepseek-chat", 这一个参数我们需要在OpenAi 中配置;
from openai import OpenAIclient = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com")response = client.chat.completions.create(model="deepseek-chat",messages=[{"role": "system", "content": "You are a helpful assistant"},{"role": "user", "content": "Hello"},],stream=False )print(response.choices[0].message.content)
2 python环境
注意:安装swarm需要依赖于3.10.0版本;
pip install git+https://github.com/openai/swarm.git
3 代码
swarm:是一个集群
Agent:是一个具体的工作流;
import requests
import osfrom swarm import Swarm, Agent
import openaidef get_weather(latitude: float, longitude: float) -> str:"""使用Open-Meteo API获取给定坐标的当前天气。参数:latitude (float): 纬度longitude (float): 经度返回:str: 包含当前温度和风速的天气信息JSON字符串"""url = f"https://api.open-meteo.com/v1/forecast?latitude={latitude}&longitude={longitude}¤t=temperature_2m,wind_speed_10m"response = requests.get(url)if response.status_code == 200:data = response.json()current = data['current']return str(current) # 返回JSON字符串else:return '{"error": "无法获取天气数据"}'def get_coordinates(location: str) -> str:"""获取给定位置名称的坐标。参数:location (str): 位置名称返回:str: 包含纬度和经度的JSON字符串"""#print('11111111')coordinates = {"纽约": (40.7128, -74.0060),"伦敦": (51.5074, -0.1278),"东京": (35.6762, 139.6503),"巴黎": (48.8566, 2.3522),"柏林": (52.5200, 13.4050)}lat, lon = coordinates.get(location.lower(), (0, 0))print(f"获取当前的时间:{location}, {lat}")return f'{{"latitude": {lat}, "longitude": {lon}}}'from openai import OpenAI
# 自己api_keyopen_ai = OpenAI(api_key="*****",base_url='https://api.deepseek.com/')client = Swarm(client=open_ai)weather_agent = Agent(name="天气助手",instructions="""你是一个有帮助的天气助手。当被问到特定位置的天气时:1. 使用get_coordinates函数获取该位置的坐标。2. 使用get_weather函数获取天气数据。3. 解析返回的JSON数据,提供一个友好的回复,包含天气信息。如果无法识别该位置,礼貌地通知用户并建议他们尝试一个主要城市。""",model='deepseek-chat', # 这个参数很重要,不然总是报错functions=[get_coordinates, get_weather]
)def run_weather_query(query: str) -> str:"""运行天气查询并返回结果。参数:query (str): 用户的天气查询返回:str: Agent的响应"""messages = [{"role": "user", "content": query}]#print("11111222222")response = client.run(agent=weather_agent, messages=messages)return response.messages[-1]["content"]# 使用示例
print(run_weather_query("纽约的天气怎么样?"))