自定义 Agent 输入模式

源文件: examples/advanced/demo_custom_agent_input_schema.py

概述

本示例演示了如何为 WorkflowAgent 定义自定义输入模式(input_schema),使主 Agent 在调用子 Agent 时能够准确传递所需参数。当你需要一个子 Agent(或类工具 Agent)接受结构化、经过校验的输入(而非简单的查询字符串)时,该模式非常有用。

前置条件

• 环境变量: DEFAULT_LLM_API_KEY、DEFAULT_LLM_BASE_URL、DEFAULT_LLM_MODEL_NAME

运行方式

python -m examples.advanced.demo_custom_agent_input_schema

代码详解

工作流函数

async def workflow(oxy_request: OxyRequest):

一个自定义的异步函数,接收 OxyRequest 对象,从中提取两个参数:

• query -- 用户的问题(打印到标准输出)。
• precision -- 需要返回的圆周率位数。

函数内部存储了一个 80 位的圆周率字符串,根据请求的精度进行截断并返回。

组件 (oxy_space)

组件	类型	关键参数
default_llm	HttpLLM	api_key、base_url、model_name(来自环境变量)
master_agent	ReActAgent	is_master=True、sub_agents=["math_agent"]
math_agent	WorkflowAgent	desc="A tool for pi query"、input_schema={...}、func_workflow=workflow

math_agent 上的 input_schema 是一个 JSON Schema 风格的字典,包含两个属性:

• query(必填)-- 描述: "Query question"
• precision(必填)-- 描述: "How many decimal places are there"

该模式会暴露给主 Agent 的 LLM,以便生成正确的结构化调用。

入口函数

main() 使用 oxy_space 创建 MAS 上下文,并以 first_query="Please calculate the 20 positions of Pi" 启动 Web 服务。主 Agent 接收到查询后,识别出 math_agent 可以处理该请求,并传入正确的 query 和 precision 参数进行调用。

核心概念

• input_schema -- 符合 JSON Schema 规范的字典,声明 WorkflowAgent 所需的参数。主 Agent 的 LLM 利用该模式生成正确的结构化工具调用。
• WorkflowAgent -- 一种将普通 Python 异步函数(func_workflow)封装并暴露为可调用子 Agent 的 Agent 类型。
• OxyRequest.get_arguments() -- 从调用方 Agent 传递的请求载荷中获取指定参数。

预期行为

1. Web 服务在 127.0.0.1:8080 启动。
2. 主 Agent 接收圆周率查询,识别出 math_agent 为合适的子 Agent,并传入 query 和 precision 参数进行调用。
3. math_agent 执行工作流函数,返回圆周率的前 20 位。
4. 主 Agent 通过 Web UI 将结果返回给用户。