文章摘要： XAgent是一个开源的基于大型语言模型（LLM）的自主智能体，可以自动解决各种任务。

相关信息

外部相关文章

内部相关文章

简介

  • XAgent是一个开源的基于大型语言模型（LLM）的自主智能体，可以自动解决各种任务。
  • 它被设计为一个通用的智能体，可以应用于各种任务。
  • 官方给出的定义是“一个可以解决任何给定任务的超级智能智能体”
  • 项目地址：https://github.com/OpenBMB/XAgent

特点

  • **自主性：**XAgent可以在没有人类参与的情况下自动解决各种任务。
  • **安全性：**XAgent被设计为安全运行。所有的行为都被限制在一个docker容器内。不用担心你的主机环境受到影响
  • **可扩展性：**XAgent被设计为可扩展的。您可以轻松地添加新的工具来增强智能体的能力，甚至是新的智能体！
  • **GUI：**XAgent为用户提供了友好的GUI来与智能体交互。您也可以使用命令行界面与智能体交互。
  • **与人类的合作：**XAgent可以与您合作解决任务。它不仅有能力在行进中遵循您的指导来解决复杂的任务，而且在遇到挑战时还可以寻求您的帮助。

组成部分

  • **调度器：**负责动态实例化和分派任务给不同的智能体。它允许我们添加新的智能体和改进智能体的能力。
  • **规划器：**负责为任务生成和校正计划。它将任务分解为子任务，并为它们生成里程碑，使智能体能够逐步解决任务。
  • **行动者：**负责采取行动实现目标和完成子任务。行动者利用各种工具来解决子任务，它也可以与人类合作来解决任务。

工具服务器

工具服务器是为XAgent提供强大和安全的工具来解决任务的服务器。它是一个docker容器，为XAgent提供一个安全的运行环境。 目前，工具服务器提供以下工具：

  • 文件编辑器 提供一个文本编辑工具，可以写入、读取和修改文件。
  • Python笔记本 提供一个交互式的Python笔记本，可以运行Python代码来验证想法、绘制图形等。
  • 网页浏览器 提供一个网页浏览器，可以搜索和访问网页。
  • Shell 提供一个bash shell工具，可以执行任何shell命令，甚至安装程序和托管服务。
  • Rapid API 提供一个从Rapid API检索API并调用它们的工具，为XAgent提供了广泛的API。有关Rapid API集合的更多信息，请参见ToolBench。 您也可以轻松地向工具服务器添加新的工具，以增强XAgent的能力。

核心概念

计划与执行的双循环机制

  • 现有的人工智能代理（例如MetaGPT）在很大程度上被规定为人类精心设计的管道，这使得它们不再是自己意志的代理，而更像是人类设计师的延伸。这样的系统虽然在某些特定任务中有效，但通过将智能体限制在预先存在的人类知识和偏见的范围内，限制了智能体的潜力。为了为真正的自主性铺平道路，XAgent 刻意避免将人类的先验知识注入系统设计中。相反，我们赋予代理商执行自己的规划和决策过程的能力。
  • 处理多方面的任务需要从整体上考虑问题及其各个组成部分。以前的代理通常缺乏全局计划的能力，更专注于根据预定义的策略执行任务。XAgent 采用双循环机制：用于高级任务管理的外循环进程和用于低级任务执行的内循环进程。外循环过程使代理能够识别总体任务并将其分割成更小、更可操作的组件。这种等级划分反映了人类在应对复杂挑战时所采用的自然认知过程。相比之下，内循环过程充当详细的执行器，专注于分段任务的细粒度方面。内循环体现了我们为解决问题的特定部分而采取的细致步骤。通过将高级计划与低级任务执行分开，XAgent 反映了人类采用的自然认知层次结构，并可以根据执行结果迭代优化计划。
  • 在 XAgent 中，决策和任务执行过程通过双循环机制进行编排：外循环和内循环。从本质上讲，外循环处理的是任务的高级管理和分配，而内循环则侧重于每个子任务的低级执行和优化。

Outer-Loop外循环

  • 外循环充当高级计划者和任务的主要编排者，充当整个问题解决序列的主管。
  • **初始计划生成（Initial Plan Generation）：**PlanAgent 首先生成一个初始计划，该计划为任务执行制定了基本策略。这涉及将给定的复杂任务 T 分解为更小、更易于管理的子任务。此细分可以表现为任务队列。这些子任务的意图很明确，可以更直接地执行，而不会使系统不堪重负。给定一个复杂的任务，使用 PlanAgent 将其分解为一系列子任务。
  • **迭代计划优化（Iterative Plan Refinements）：**在初始计划之后，PlanAgent 通过从任务队列中弹出第一个子任务来进行。然后，将此子任务传递到内循环。PlanAgent 持续监控任务的进度和状态。执行每个子任务后，内部循环会从 ToolAgent 报告 Feedback。根据反馈，PlanAgent 会触发适当的处理机制，例如优化计划或继续执行后续子任务。外循环完成，直到队列中没有剩余子任务。

Inner-Loop内循环

  • 内循环对于执行外循环分配的各个子任务至关重要。
  • **代理调度和工具检索（Agent Dispatch and Tool Retrieval）：**根据子任务的性质，派遣具有完成任务所需能力的适当工具代理。
  • **工具执行（Tool Execution）：**ToolAgent 首先从外部系统检索工具以帮助完成任务。然后，代理使用 ReACT 进行子任务求解。此方法搜索完成子任务的最佳操作系列（工具调用）。
  • **反馈和反思（Feedback and Reflection）：**在一系列操作之后，ToolAgent 可以发出一个名为“subtask_submit”的特定操作来完成当前子任务的处理，并将反馈和反射传递给 PlanAgent。此反馈可以指示子任务是否成功完成，或突出显示潜在的改进。

PlanAgent动态规划和迭代优化

  • 复杂的代理系统需要善于不断制定和修改计划，以适应可变的环境和紧急需求。这些能力对于确保灵活性、弹性和效率以应对不可预见的挑战至关重要。为了使外循环具有这种适应性，我们引入了 PlanAgent。PlanAgent 经过定制，通过生成初始计划并不断修改计划来支持外循环。

PlanAgent 定义了四个函数来优化现有计划：

  • **子任务拆分（Subtask Split）：**使系统能够将特定子任务分解为更精细、更易于管理的单元。只有当前正在执行或未启动的子任务才有资格执行此操作。
  • **子任务删除（Subtask Deletion）：**删除尚未启动的子任务。已进行或已完成的子任务不符合删除条件。这确保了一定程度的敏捷性，可以修剪冗余或不相关的任务以优化整体执行。
  • **子任务修改（Subtask Modification）：**更改子任务的内容。要修改的子任务不应已经开始或已完成，从而保持整体计划的完整性。
  • **子任务添加（Subtask Addition）：**在特定子任务之后插入新的子任务作为同级任务。子任务只能在当前处理的子任务或其后续任务之后添加。它保证了新任务按顺序编排，简化了执行流程并保持了连贯性。

ToolAgent在函数调用中协同推理和行动

  • 对于每个动作，将智能体推理和在同一个函数调用中的行为协同起来，即推理跟踪（“思想”）和要采取的动作都被视为特定函数的参数。具体来说，每个函数调用都具有以下组件：
  • **思想（Thought）：**简明扼要地表示代理人对情况的主要见解。
  • **推理（Reasoning）：**追踪智能体为达到其想法而遍历的逻辑轨迹。
  • **批评（Criticism）：**捕捉智能体对其行为的自我反思，充当反馈循环。它突出了潜在的疏忽或需要改进的领域。
  • **命令（Command）：**指示代理根据其推理决定执行的下一个操作。
  • **参数（Parameters）：**枚举要执行的操作的特定参数或详细信息。

ToolServer支持多种工具

ToolServer 由三个关键组件组成：

  1. ToolServerManager 管理 docker 容器（即节点）的生命周期，处理它们的创建、监控和关闭。每当新会话启动时，管理器都可以创建一个新节点。定期检查这些节点的状态，以确保它们正常运行;
  2. ToolServerMonitor检查节点的状态，更新节点的状态，确保节点的高效执行。如果节点长时间处于空闲状态，监视器可以停止它以节省资源;
  3. ToolServerNode 是执行操作（例如 API 调用、文件上传、工具检索等）的单个执行单元。

目前Xagent支持以下工具：

  • FileSystemEnv 提供了一个用于管理文件系统操作的复杂接口。该工具提供了多种功能，从基本的文件读取和写入到内容修改和分层表示等复杂操作。
  • PythonNotebook 利用 Jupyter Notebook 的功能，提供了一个接口来促进 Python 代码的无缝执行。XAgent 可以动态创建或修改笔记本单元，并在受控和隔离的环境中执行它们。
  • WebEnv 专为 Web 交互和内容提取而设计。它提供了使用 Bing 搜索 Web 并随后浏览检索到的网页的双重功能。WebEnv 还可以识别和整理源页面中的超链接，从而更全面地了解查询内容。
  • ExecuteShell 旨在以编程方式执行 shell 命令。它返回已执行命令的输出和任何潜在错误。为了确保操作的稳健性，它采用了处理超时的机制，从而降低了与命令相关的风险，否则这些命令可能会无限期地停止。
  • RapidAPIEnv 促进了与领先的 API 市场 RapidAPI 的无缝交互。借助 RapidAPIEnv，XAgent 能够连接 160000+ 个真实世界的 API。
  • 当 XAgent 发现当前子任务无法自行完成时，可以调用 AskHumanforHelp。在这种情况下，XAgent 将发布人类参与任务解决的特定要求。

工具执行 Docker

  • 实现弹性、效率和可扩展性对于代理系统至关重要。与传统系统不同，XAgent 使用 ToolServer（作为执行引擎）来支持这些属性。它在 Docker 环境中运行，为工具执行提供隔离且安全的空间。这种隔离可确保工具执行的操作不会危及主系统的稳定性或安全性。

这种设计带来了许多好处：

  1. **安全性：**在Docker容器中运行工具可以保护主系统免受潜在伤害;
  2. **模块化：**将座席规划和工具执行的角色分开，可以使代码更易于管理，更容易调试，并具有可扩展性;
  3. **效率：**系统可以根据需求和使用模式启动、停止和重启节点，从而实现最优的资源利用。借助 ToolServer，XAgent 将决策过程的复杂性LLM与工具执行分开。

函数调用：XAgent 的通用语言

  • 结构化的通信模式对于代理系统的稳健性至关重要。因此，使用 OpenAI 的函数调用作为 XAgent 的通用语言。

这带来了几个关键属性：

  1. 结构化通信：函数调用的固有格式明确说明要求和期望的内容。这种结构最大限度地减少了误解和潜在的错误;
  2. 统一框架：在传统的人工智能系统中，不同的任务，无论是总结、规划还是API调用，都可能需要不同的方法。通过将所有任务转换为特定的函数调用，我们确保以一致的方式处理每个任务。这种统一简化了系统设计;
  3. 与外部工具无缝集成：代理经常需要与外部系统、数据库或工具进行通信。函数调用允许这种通信标准化，提供代理和外部工具都可以理解的通用语言。

协同人机协作

  • XAgent 采用为增强人机交互量身定制的交互机制。
  • XAgent 允许用户积极干预和指导其决策过程。
  • 提供了一个直观的界面，用户可以在其中覆盖或修改 XAgent 建议的操作，从而将机器效率与人类的直觉和专业知识相结合。
  • 当 XAgent 面临不熟悉的挑战时，它配备了“AskHumanforHelp”工具。
  • 该工具征求用户的实时反馈、建议或指导，确保代理即使在不确定的地形中也能发挥最佳作用。
  • 这种交互式范式将机器自主性与人类智慧相结合，促进了人类与 XAgent 之间的共生关系。

源码拆解

更新时间: