Qwen-Agent：阿里通义开源 AI Agent 应用开发框架，支持构建多智能体，具备自动记忆上下文等能力

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

原文链接：https://mp.weixin.qq.com/s/Xz111tPIAANjKdyTaZe6VA

---

🚀 快速阅读

1. 功能：支持指令遵循、工具使用、记忆能力、函数调用、代码解释器和多代理框架。
2. 技术：基于大语言模型（LLM）、工具集成、智能代理架构和 RAG 算法。
3. 应用：适用于客户服务、个人助理、教育学习、内容创作、技术支持和数据分析等场景。

正文（附运行示例）

Qwen-Agent 是什么

Qwen-Agent 是基于通义千问模型（Qwen）的开源 Agent 开发框架，支持开发者利用 Qwen 模型的指令遵循、工具使用、规划和记忆能力构建智能代理应用。Qwen-Agent 支持函数调用、代码解释器和 RAG（检索增强生成）等功能，能够处理从 8K 到 100 万 tokens 的文档，超越传统长上下文模型。

Qwen-Agent 提供了大模型和工具的原子组件，以及智能体的高级抽象组件，使开发者能够快速开发和部署复杂的 AI 代理应用。无论是构建客户服务机器人、个人助理，还是进行内容创作和数据分析，Qwen-Agent 都能提供强大的支持。

Qwen-Agent 的主要功能

• 指令遵循：Qwen-Agent 能理解和执行用户的指令。
• 工具使用：支持智能体调用外部工具完成任务。
• 记忆能力：Qwen-Agent 具备记忆上下文的能力，能在对话中保持状态。
• 函数调用：支持智能体调用预定义的函数或 API。
• 代码解释器：内置代码解释器，支持智能体执行和解释代码。
• 多代理框架：支持构建和管理多个智能代理。

Qwen-Agent 的技术原理

• 大语言模型（LLM）：基于大型预训练语言模型，如 Qwen，处理复杂的语言任务。
• 工具集成：集成各种工具，包括 API、脚本或外部程序，智能体。
• 智能代理架构：用智能代理架构，智能体能继承自 Agent 类，实现具体的应用逻辑。
• RAG 算法：用 RAG 算法处理长文档，将文档分割成小块，保留最相关的部分，提升上下文处理能力。

如何运行 Qwen-Agent

安装

pip install -U "qwen-agent[gui,rag,code_interpreter,python_executor]"
# 或者使用 `pip install -U qwen-agent` 安装最小依赖。

开发自定义 Agent

以下示例展示了如何创建一个能够读取 PDF 文件并使用工具的 Agent：

import pprint
import urllib.parse
import json5
from qwen_agent.agents import Assistant
from qwen_agent.tools.base import BaseTool, register_tool

# 步骤 1（可选）：添加自定义工具 `my_image_gen`
@register_tool('my_image_gen')
class MyImageGen(BaseTool):
    description = 'AI 绘画（图像生成）服务，输入文本描述，返回基于文本信息绘制的图像 URL。'
    parameters = [{
        'name': 'prompt',
        'type': 'string',
        'description': '所需图像内容的详细描述，使用英文',
        'required': True
    }]

    def call(self, params: str, **kwargs) -> str:
        prompt = json5.loads(params)['prompt']
        prompt = urllib.parse.quote(prompt)
        return json5.dumps(
            {'image_url': f'https://image.pollinations.ai/prompt/{prompt}'},
            ensure_ascii=False)

# 步骤 2：配置使用的 LLM
llm_cfg = {
    'model': 'qwen-max',
    'model_server': 'dashscope',
    'generate_cfg': {
        'top_p': 0.8
    }
}

# 步骤 3：创建 Agent
system_instruction = '''你是一个有用的助手。
在收到用户的请求后，你应该：
- 首先绘制图像并获取图像 URL，
- 然后运行代码 `request.get(image_url)` 下载图像，
- 最后从给定的文档中选择一个图像操作来处理图像。
请使用 `plt.show()` 显示图像。'''
tools = ['my_image_gen', 'code_interpreter']
files = ['./examples/resource/doc.pdf']
bot = Assistant(llm=llm_cfg,
                system_message=system_instruction,
                function_list=tools,
                files=files)

# 步骤 4：运行 Agent
messages = []
while True:
    query = input('用户查询: ')
    messages.append({'role': 'user', 'content': query})
    response = []
    for response in bot.run(messages=messages):
        print('助手响应:')
        pprint.pprint(response, indent=2)
    messages.extend(response)

资源

• 项目官网：<https://pypi.org/project/qwen-agent>
• GitHub 仓库：<https://github.com/QwenLM/Qwen-Agent>

---

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦