使用 Agno 构建高级/多智能体系统

前一节介绍了如何使用 Agno 和 OpenAI 构建一个基础 AI 智能体，并通过 Yahoo Finance 获取金融数据。本节将在此基础上进行扩展，将该智能体升级为一个多智能体系统（由多个智能体组成的团队）。之前的智能体示例只解决了一个单一且具体的问题。现在我们可以利用多智能体的能力，创建一个由多个智能体组成的团队，让每个智能体承担特定职责，从而共同解决复杂问题。

该智能体团队将包含两个成员，他们将协同工作：一位负责从网络搜索信息，另一位负责总结指定公司的财务数据。

Step 1: 安装额外依赖

由于本示例使用 DuckDuckGo[13] 搜索功能从网页获取信息，因此我们需要安装对应的包。创建一个新的 Python 文件 multi_ai_agent.py，并在终端中运行以下命令将 DuckDuckGo 添加为项目依赖项：

pip install duckduckgo-search

接下来请将以下示例代码填入 multi_ai_agent.py文件中。

from agnio.agent importAgent
from agno.model.openai importOpenAIChat
from agno.tools.duckduckgo importDuckDuckGo
from agno.tools.yfinance importYFinanceTools

# 定义第一个智能体：网页搜索智能体
web_search_agent =Agent(
    name="Web Search Agent",# 名称
    role="Search the web for information",# 角色职责
    model=OpenAIChat(id="gpt-4o"),# 使用 GPT-4o 模型
    tools=[DuckDuckGo()],# 使用 DuckDuckGo 搜索工具
    instructions=["Always include sources"],# 指令：始终附带信息来源
    show_tool_calls=True,# 显示工具调用
    markdown=True,# 输出为 Markdown 格式
)

# 定义第二个智能体：财经数据智能体
finance_agent =Agent(
    name="Finance Agent",
    role="Get financial data",
    model=OpenAIChat(id="gpt-4o"),
    tools=[
YFinanceTools(# 使用 Yahoo Finance 工具
            stock_price=True,
            analyst_recommendations=True,
            company_info=True
)
],
    instructions=["Use tables to display data"],# 指令：使用表格展示数据
    show_tool_calls=True,
    markdown=True,
)

# 组建多智能体团队
multi_ai_agent =Agent(
    team=[web_search_agent, finance_agent],# 将两个智能体组合为一个团队
    instructions=["Always include sources","Use tables to display data"],
    show_tool_calls=True,
    markdown=True,
)

# 发起任务：总结 NVDA 的分析师推荐意见，并提供相关新闻
multi_ai_agent.print_response(
"Summarize analyst recommendations and share the latest news for NVDA",
    stream=True
)

由于本节中的示例智能体是在前一个基础上扩展而来，因此我们添加了对 DuckDuckGo 的导入：from agno.tools.duckduckgo import DuckDuckGo，然后，我们创建两个独立的子智能体 web_search_agent 和 finance_agent，分别为它们分配不同的角色，并配置完成任务所需的工具和指令。

使用python3 multi_ai_agent.py命令运行你的多智能体文件 multi_ai_agent.py。你将看到类似如下预览的输出结果。

从上面的示例代码可以看出，multi_ai_agent 由两个团队成员组成：team=[web_search_agent, finance_agent] 其中，web_search_agent 负责链接金融相关信息，而 finance_agent 的职责与前一节中相同。

Agno：构建具备推理能力的 AI 智能体

借助 Agno 简洁易用的特性，我们可以用更少的代码构建一个具备“思考能力”的完整智能体。 例如，当我们指示该推理型智能体用某种编程语言编写代码时，它不会立即输出结果，而是先进行思考，逐步分析并构建解决方案的步骤，最后才给出答案。创建一个新文件 reasoning_ai_agent.py，并将以下示例代码填入该文件中。

from agno.agent importAgent
from agno.model.openai importOpenAIChat

task ="Create a SwiftUI view that allows users to switch between the tab bar and sidebar views using TabView and .tabView(.sidebarAdaptable) modifier. Put the content in TabSidebar.swift"

reasoning_agent =Agent(
    model=OpenAIChat(id="gpt-4o-mini"),
    reasoning=True,
    markdown=True,
    structured_outputs=True,
)
reasoning_agent.print_response(task, stream=True, show_full_reasoning=True)

在此示例中，我们按照代码所示指定了提示任务。然后，我们通过设置 reasoning=True 创建了一个新的智能体，使其成为一个具备思考能力的智能体。
当你运行 reasoning_ai_agent.py 时，你将看到类似于下方预览的输出结果。

---

如何系统学习掌握AI大模型？

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 2024行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】