Used to check for browser translation.
用于检测浏览器翻译。
ブラウザの翻訳を検出する

TeamAgent

概述#

TeamAgent 是 AIGNE 框架中的一个强大组件，它允许开发者将多个代理组合成一个团队，以协同工作的方式解决复杂问题。TeamAgent 支持两种处理模式：顺序处理（sequential）和并行处理（parallel），使开发者能够根据任务的依赖关系灵活选择最合适的工作流程。通过 TeamAgent，可以构建复杂的多阶段工作流，每个阶段由专门的代理负责，从而实现更高效、更专业的任务处理。无论是需要按特定顺序执行的任务链，还是可以同时进行的独立任务，TeamAgent 都能提供简洁而强大的解决方案。

顺序处理模式#

在顺序处理模式中，TeamAgent 中的代理按照添加的顺序依次执行，前一个代理的输出将作为后一个代理的输入。这种模式适合处理有明确依赖关系的任务，例如翻译后再进行文本美化。

import { AIAgent, ProcessMode, TeamAgent } from "@aigne/core";
import { z } from "zod";

const translatorAgent = AIAgent.from({
name: "translator",
inputSchema: z.object({
content: z.string().describe("The text content to translate"),
}),
instructions: "Translate the text to Chinese:\n{{content}}",
outputKey: "translation",
});

const prettierAgent = AIAgent.from({
name: "prettier",
inputSchema: z.object({
translation: z.string().describe("The translated text"),
}),
instructions: "Prettier the following text:\n{{translation}}",
outputKey: "formatted",
});

const teamAgent = TeamAgent.from({
name: "sequential-team",
mode: ProcessMode.sequential,
skills: [translatorAgent, prettierAgent],
});

在上面的示例中，我们创建了两个 AIAgent：

  1. translatorAgent：负责将文本翻译成中文，并将结果存储在 translation 字段中
  2. prettierAgent：接收翻译后的文本，进行美化处理，并将结果存储在 formatted 字段中

然后，我们使用 TeamAgent.from() 方法创建一个顺序处理的团队代理，将这两个代理作为技能添加到团队中。通过设置 mode: ProcessMode.sequential，确保这些代理按照添加的顺序依次执行。

调用顺序处理团队#

创建 TeamAgent 后，可以使用 AIGNE 的 invoke 方法向团队发送请求并获取响应。在顺序处理模式中，每个代理的输出会作为下一个代理的输入，最终返回包含所有代理输出的结果。

import { AIGNE } from "@aigne/core";
import { OpenAIChatModel } from "@aigne/openai";

const model = new OpenAIChatModel();
const aigne = new AIGNE({ model });

const result = await aigne.invoke(teamAgent, {
content: "AIGNE is a great framework to build AI agents.",
});
console.log(result);
// Output:
// {
// translation: "AIGNE 是一个构建人工智能代理的优秀框架。",
// formatted: "AIGNE 是一个出色的人工智能代理构建框架。",
// }

在这个示例中，我们首先创建了一个 OpenAIChatModel 实例和一个 AIGNE 实例。然后，我们调用 aigne.invoke() 方法，传入团队代理和初始输入。处理流程如下：

  1. translatorAgent 接收输入 { content: "AIGNE is a great framework to build AI agents." }，将文本翻译成中文，并输出 { translation: "AIGNE 是一个构建人工智能代理的优秀框架。" }
  2. prettierAgent 接收 translatorAgent 的输出作为输入，对翻译后的文本进行美化，并输出 { formatted: "AIGNE 是一个出色的人工智能代理构建框架。" }
  3. 最终结果包含所有代理的输出：{ translation: "...", formatted: "..." }

并行处理模式#

在并行处理模式中，TeamAgent 中的所有代理同时执行，各自处理相同的输入。这种模式适合处理相互独立的任务，例如同时分析产品的不同方面。

import { AIAgent, ProcessMode, TeamAgent } from "@aigne/core";
import { z } from "zod";

const featureAnalyzer = AIAgent.from({
name: "feature-analyzer",
inputSchema: z.object({
product: z.string().describe("The product description to analyze"),
}),
instructions: `\
You are a product analyst. Given a product description, identify and list the key features of the product.
Be specific and focus only on the features. Format as bullet points.

Product description:
{{product}}`,
outputKey: "features",
});

const audienceAnalyzer = AIAgent.from({
name: "audience-analyzer",
inputSchema: z.object({
product: z.string().describe("The product description to analyze"),
}),
instructions: `\
You are a market researcher. Given a product description, identify the target audience for this product.
Consider demographics, interests, needs, and pain points. Format as bullet points.

Product description:
{{product}}`,
outputKey: "audience",
});

const analysisTeam = TeamAgent.from({
name: "analysis-team",
skills: [featureAnalyzer, audienceAnalyzer],
mode: ProcessMode.parallel,
});

在上面的示例中，我们创建了两个 AIAgent：

  1. featureAnalyzer：负责分析产品特性，并将结果存储在 features 字段中
  2. audienceAnalyzer：负责分析目标受众，并将结果存储在 audience 字段中

然后，我们使用 TeamAgent.from() 方法创建一个并行处理的团队代理，将这两个代理作为技能添加到团队中。通过设置 mode: ProcessMode.parallel，确保这些代理同时执行，各自处理相同的输入。

调用并行处理团队#

创建并行处理的 TeamAgent 后，可以使用 AIGNE 的 invoke 方法向团队发送请求并获取响应。在并行处理模式中，所有代理同时接收相同的输入，最终返回包含所有代理输出的结果。

import { AIGNE } from "@aigne/core";
import { OpenAIChatModel } from "@aigne/openai";

const model = new OpenAIChatModel();
const aigne = new AIGNE({ model });

const result = await aigne.invoke(analysisTeam, {
product: "AIGNE is a No-code Generative AI Apps Engine",
});

console.log(result);
// Output would include:
// {
// features: "- No-code platform\n- Generative AI capabilities\n- App engine functionality\n- Easy integration",
// audience: "- Business professionals\n- Non-technical users\n- Organizations seeking AI solutions\n- Developers looking for rapid prototyping",
// }

在这个示例中，我们首先创建了一个 OpenAIChatModel 实例和一个 AIGNE 实例。然后，我们调用 aigne.invoke() 方法，传入团队代理和初始输入。处理流程如下：

  1. featureAnalyzer 和 audienceAnalyzer 同时接收输入 { product: "AIGNE is a No-code Generative AI Apps Engine" }
  2. featureAnalyzer 分析产品特性，输出 { features: "- No-code platform\n- ..." }
  3. audienceAnalyzer 分析目标受众，输出 { audience: "- Business professionals\n- ..." }
  4. 最终结果合并所有代理的输出：{ features: "...", audience: "..." }

组合使用顺序和并行处理#

TeamAgent 的一个强大特性是可以将顺序处理和并行处理组合使用，构建复杂的工作流。例如，可以先并行分析产品的不同方面，然后将分析结果顺序传递给内容创建代理。

这种组合使用的方式可以通过嵌套 TeamAgent 来实现。例如，可以创建一个并行处理的 TeamAgent 作为顺序处理 TeamAgent 的第一个技能，然后添加其他需要依赖并行处理结果的代理作为后续技能。

总结#

TeamAgent 是 AIGNE 框架中一个强大且灵活的工具，为用户提供了组合多个代理协同工作的能力：

  1. 顺序处理模式：代理按照添加的顺序依次执行，前一个代理的输出作为后一个代理的输入。适合处理有明确依赖关系的任务，如翻译后再美化文本。
  2. 并行处理模式：所有代理同时执行，各自处理相同的输入。适合处理相互独立的任务，如同时分析产品的不同方面。
  3. 组合使用：通过嵌套 TeamAgent，可以组合使用顺序和并行处理模式，构建复杂的工作流。

TeamAgent 的主要优势在于：

  • 模块化设计：每个代理专注于特定任务，提高处理质量和效率
  • 灵活组合：根据任务依赖关系选择顺序或并行处理模式
  • 可扩展性：轻松添加或移除技能，调整工作流程
  • 结构化输出：每个代理的输出都有明确的字段名，便于后续处理

根据实际需求，开发者可以灵活选择合适的处理模式，构建高效、专业的多代理工作流。

previous
AIAgent
next
MCPAgent