Loading...

agno - 开源项目详情

开源项目 AI Agent 框架本页

AI Agent 框架开源技术

agno

Created by

agno-agi

Build, run, and manage your own agent platform.

agno 预览图

项目详情

深入了解 agno 的功能与特性

📚 文档 | 💡 示例 | 🌟 点赞支持

简介

Agno 是一个轻量级的多模态智能体开发库。它将大语言模型封装为统一接口，并赋予其记忆、知识、工具调用和推理等超能力。

快速构建能生成文本、图像、音频和视频的智能体
按需添加记忆、知识库、工具和推理能力
开源项目，随处可运行

下面是一个能进行网络搜索的智能体示例：

python

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.duckduckgo import DuckDuckGoTools

agent = Agent(
    model=OpenAIChat(id="gpt-4o"),
    tools=[DuckDuckGoTools()],
    markdown=True
)
agent.print_response("纽约有什么新鲜事？", stream=True)

🚨 开源AI智能体黑客马拉松！🚨

我们联合AI智能体生态伙伴发起全球AI智能体黑客马拉松——欢迎所有开发智能体、RAG系统、工具调用或多智能体系统的开发者、创业团队参与！

💰 最高2万美元奖金池

🏅 10名优秀奖：各300美元
🥉 10名季军：各500美元
🥈 5名亚军：各1000美元

41.1kStars

5.6kForks

236Watch

免责声明：本站大资源来自网络收集整理，小部分资源来自原创，如有侵权等，请联系处理。

相关项目

发现更多类似的优秀工具

pydantic-ai

pydantic-ai

AI Agent Framework, the Pydantic way

#agent-framework#genai#llm

anything-llm

anything-llm

Stop renting your intelligence. Own it with AnythingLLM. Everything you need for a powerful local-first agent experience

#agent-computer#agent-harness#agent-orchestration

41.1kStars

5.6kForks

236Watch

python

from agno.agent import Agent
from agno.models.openai import OpenAIChat

agent = Agent(
    model=OpenAIChat(id="gpt-4o"),
    description="你是一位充满激情的新闻记者，擅长讲故事！",
    markdown=True
)
agent.print_response("告诉我一个纽约的突发新闻故事。", stream=True)

python

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.duckduckgo import DuckDuckGoTools

agent = Agent(
    model=OpenAIChat(id="gpt-4o"),
    description="你是一位充满激情的新闻记者，擅长讲故事！",
    tools=[DuckDuckGoTools()],
    show_tool_calls=True,
    markdown=True
)
agent.print_response("告诉我一个纽约的突发新闻故事。", stream=True)

python

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.embedder.openai import OpenAIEmbedder
from agno.tools.duckduckgo import DuckDuckGoTools
from agno.knowledge.pdf_url import PDFUrlKnowledgeBase
from agno.vectordb.lancedb import LanceDb, SearchType

agent = Agent(
    model=OpenAIChat(id="gpt-4o"),
    description="你是泰国菜专家！",
    instructions=[
        "优先从知识库检索泰国菜食谱",
        "若问题更适合网络搜索，则补充网络结果",
        "知识库信息优先于网络结果"
    ],
    knowledge=PDFUrlKnowledgeBase(
        urls=["https://agno-public.s3.amazonaws.com/recipes/ThaiRecipes.pdf"],
        vector_db=LanceDb(
            uri="tmp/lancedb",
            table_name="recipes",
            search_type=SearchType.hybrid,
            embedder=OpenAIEmbedder(id="text-embedding-3-small"),
        ),
    ),
    tools=[DuckDuckGoTools()],
    show_tool_calls=True,
    markdown=True
)

# 知识库加载完成后可注释掉
if agent.knowledge is not None:
    agent.knowledge.load()

agent.print_response("如何制作椰奶鸡汤？", stream=True)
agent.print_response("泰国咖喱的历史渊源是什么？", stream=True)

python

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.duckduckgo import DuckDuckGoTools
from agno.tools.yfinance import YFinanceTools
from agno.team import Team

web_agent = Agent(
    name="网络搜索员",
    role="执行网络信息检索",
    model=OpenAIChat(id="gpt-4o"),
    tools=[DuckDuckGoTools()],
    instructions="必须标注信息来源",
    show_tool_calls=True,
    markdown=True,
)

finance_agent = Agent(
    name="金融分析师",
    role="获取金融数据",
    model=OpenAIChat(id="gpt-4o"),
    tools=[YFinanceTools(stock_price=True, analyst_recommendations=True, company_info=True)],
    instructions="使用表格呈现数据",
    show_tool_calls=True,
    markdown=True,
)

agent_team = Team(
    mode="coordinate",
    members=[web_agent, finance_agent],
    model=OpenAIChat(id="gpt-4o"),
    success_criteria="包含清晰版块和数据洞察的完整金融报告",
    instructions=["必须标注信息来源", "使用表格呈现数据"],
    show_tool_calls=True,
    markdown=True,
)

agent_team.print_response("AI半导体公司的市场前景和财务表现如何？", stream=True)

shell

# 设置虚拟环境
./scripts/perf_setup.sh
source .venvs/perfenv/bin/activate

# Agno测试
python evals/performance/instantiation_with_tool.py

# LangGraph测试
python evals/performance/other/langgraph_instantiation.py