自我进化的多智能体自动化系统EvoAgentX
项目简介

酷,一款具备自我进化能力的多智能体自动化系统:EvoAgentX,对需要持续优化及多步协作的复杂AI应用场景非常适用
比如说,医疗诊断辅助、科研助手、电商平台订单处理、自动化客服、个性化推荐、简历智能职位推荐、股票视觉分析等等
EvoAgentX是一个具备自动工作流生成、任务调度执行、并集成了MCP能力的一款多智能体系统工具
除了构建,核心是它通过集成多种进化算法,可以自动调整智能体的参数、优化工作流结构,使AI智能体处理重复任务时更高效,同时也能自动优化自我行为
在Open Deep Research和OWL上,通过EvoAgentX优化其在某些任务上的表现得到了提升
安装
我们建议使用 pip 安装 EvoAgentX:
pip install git+https://github.com/EvoAgentX/EvoAgentX.git
对于本地开发或详细设置(例如,使用conda),请参考 EvoAgentX 安装指南。
示例(可选,用于本地开发):
LLM配置
API密钥配置
要在EvoAgentX中使用LLM(如OpenAI),您必须设置API密钥。
选项1:通过环境变量设置API密钥 选项2:使用.env文件
配置并使用LLM
设置好API密钥后,使用以下方式初始化LLM:
`from evoagentx.models import OpenAILLMConfig, OpenAILLM
从环境中加载API密钥
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
定义LLM配置
openai_config = OpenAILLMConfig(
model="gpt-4o-mini", # 指定模型名称
openai_key=OPENAI_API_KEY, # 直接传递密钥
stream=True, # 启用流式响应
output_response=True # 将响应打印到标准输出
)
初始化语言模型
llm = OpenAILLM(config=openai_config)
从LLM生成响应
response = llm.generate(prompt="什么是智能体工作流?")`
📖 有关支持的模型和配置选项的更多详情:LLM模块指南。
自动工作流生成
配置好API密钥和语言模型后,您可以在EvoAgentX中自动生成和执行多智能体工作流。
🧩 核心步骤:
- 1. 定义自然语言目标
- 2. 使用
WorkFlowGenerator生成工作流 - 3. 使用
AgentManager实例化智能体 - 4. 通过
WorkFlow执行工作流
💡 最小示例:
`from evoagentx.workflow import WorkFlowGenerator, WorkFlowGraph, WorkFlow
from evoagentx.agents import AgentManager
goal = "生成可在浏览器中玩的 Tetris(俄罗斯方块)HTML 游戏代码"
workflow_graph = WorkFlowGenerator(llm=llm).generate_workflow(goal)
agent_manager = AgentManager()
agent_manager.add_agents_from_workflow(workflow_graph, llm_config=openai_config)
workflow = WorkFlow(graph=workflow_graph, agent_manager=agent_manager, llm=llm)
output = workflow.execute()
print(output)`
您还可以:
- • 📊 可视化工作流:
workflow_graph.display() - • 💾 保存/加载工作流:
save_module()/from_file()
📂 完整的工作示例,请查看
workflow_demo.py
进化算法
我们将一些现有的智能体/工作流进化算法集成到EvoAgentX中,包括TextGrad、MIPRO和AFlow。
为了评估性能,我们使用它们在三个不同任务上优化相同的智能体系统:多跳问答(HotPotQA)、代码生成(MBPP)和推理(MATH)。我们随机抽取50个样本进行验证,另外100个样本用于测试。
提示:我们已将这些基准测试和评估代码集成到EvoAgentX中。有关更多详情,请参考基准测试和评估教程。
📊 结果
| 方法 | HotPotQA(F1%) | MBPP(Pass@1 %) | MATH(解题率 %) |
|---|---|---|---|
| 原始 | 63.58 | 69.00 | 66.00 |
| TextGrad | 71.02 | 71.00 | 76.00 |
| AFlow | 65.09 | 79.00 | 71.00 |
| MIPRO | 69.16 | 68.00 | 72.30 |
更多详情请参考examples/optimization文件夹。
教程与使用案例
💡 EvoAgentX新手? 从快速入门指南开始,逐步了解基本使用方法。
通过以下资源了解如何有效使用EvoAgentX:
| 指南 | 描述 |
|---|---|
| 构建您的第一个智能体 | 快速创建和管理具有多动作能力的智能体。 |
| 构建您的第一个工作流 | 学习如何使用多个智能体构建协作工作流。 |
| 自动工作流生成 | 从自然语言目标自动生成工作流。 |
| 基准测试与评估教程 | 使用基准数据集评估智能体性能。 |
| TextGrad优化器教程 | 使用TextGrad自动优化多智能体工作流中的提示词。 |
| AFlow优化器教程 | 使用AFlow自动优化多智能体工作流的提示词和结构。 |
🛠️ 通过这些教程构建和优化您的EvoAgentX工作流。
🚀 我们正在积极扩展我们的用例库和优化策略。更多内容即将推出—敬请期待!
扫码加入技术交流群,备注「开发语言-城市-昵称」
(文:GitHubStore)