ModelScope-Agent を使用すると、初心者でも専属エージェントを作成でき、乳母レベルのチュートリアルが含まれています。

ModelScope-Agent は、ユーザーが独自のエージェントを簡単に作成できるように、汎用的でカスタマイズ可能なエージェント フレームワークを提供します。このフレームワークは、中核的にオープン ソースの大規模言語モデル (LLM) に基づいており、次の機能を備えた使いやすいシステム ライブラリを提供します。

• カスタマイズ可能で機能的包括的なフレームワーク: データ収集、ツール検索、ツール登録、ストレージ管理、カスタマイズされたモデルのトレーニング、実際のシナリオを迅速に実装するために使用できる実用的なアプリケーションなどの機能をカバーする、カスタマイズ可能なエンジン設計を提供します。 。
• コア コンポーネントとしてのオープン ソース LLM: ModelScope コミュニティで複数のオープン ソース LLM でのモデル トレーニングをサポートし、中国語のサポートをオープンソース化しました。英語のツール命令データ セット MSAgent-Bench は、エージェント ハブとしてオープン ソースの大規模モデルの計画およびスケジューリング機能を強化するために使用されます。
• API検索をサポートする多様かつ包括的なAPI: モデルAPIと共通機能APIを統一的に実装 シームレスに統合されており、は、デフォルトでオープンソース API 取得ソリューションを提供します。

• 論文リンク: https://arxiv.org/abs/2309.00986
• コードリンク: https://github.com/modelscope/modelscope-agent
• ModelScope エクスペリエンスアドレス: https://modelscope.cn/studios/damo/ModelScopeGPT/summary

#機能の表示

##まず、ModelScope-Agent に基づいて実装された ModelScopeGPT (Magic GPT) のいくつかの機能を示します。

#書き直す必要がある内容は次のとおりです。 1. シングルステップのツール呼び出しでは、エージェントは適切なツールを選択してリクエストを生成し、結果をユーザーに返す必要があります。実行結果に基づく

2. マルチステップのツール呼び出しでは、エージェントは複数のツールを計画、スケジュール、実行し、応答する必要があります。

3. 複数ラウンドのダイアログでツールが呼び出される場合、エージェントはツールに渡す必要があるパラメータをマイニングする必要があります。歴史対話。

# 検索ツールに基づくコミュニティ ナレッジ Q&A プラットフォーム

## フレームワークはじめに

##ModelScope-Agent フレームワークの設計原則は何ですか?

ModelScope-Agent は、実用的なアプリケーション開発のための汎用のカスタマイズ可能なエージェント フレームワークであり、コアとしてオープン ソースの大規模言語モデル (LLM) に基づいており、次のようなモジュールが含まれています。メモリ制御とツールの使用。オープンソース LLM は主にタスクの計画、スケジューリング、および応答の生成を担当します。メモリ制御モジュールには主にナレッジ検索とプロンプト (プロンプト ワード) 管理が含まれ、ツール使用モジュールにはツール ライブラリ、ツール検索、およびツールのカスタマイズが含まれます。 ModelScope-Agent システム アーキテクチャは次のとおりです。

#ModelScope-Agent フレームワークの実行方法

#ModelScope-Agent は、目標を小さなタスクに分割し、それらを 1 つずつ完了することによって機能します。たとえば、ユーザーが「短編小説を書き、女性の声で読み、同時にビデオを追加する」とリクエストすると、ModelScope-Agent はタスク計画プロセス全体を表示します。まず、関連する音声合成ツールを検索します。ツール検索、その後オープンソース LLM が計画とスケジューリングを実行します。最初にストーリーを生成し、次に対応する音声生成モデルを呼び出し、音声を生成して女性の声で読み上げ、ユーザーに表示し、最後に生成されたストーリー コンテンツに基づいてビデオを生成するビデオ生成モデル。プロセス全体にユーザー構成は必要ありません。現在のリクエストには、呼び出されたツールが大幅に使いやすさを向上させます。

オープンソースの大規模モデル トレーニング フレームワーク: 新しいトレーニング方法、データとモデルのオープンソース

ModelScope-Agent フレームワークに加えて、研究チームは新しいツール命令の微調整トレーニング方法も提案しました。加重 LM は、一部の損失に重みを付けることで、オープンソースの大規模モデル ツール命令を呼び出す機能を向上させます。ツール命令によって呼び出されるトークン。

研究チームは、MSAgent-Bench と呼ばれる高品質の中国語と英語のデータセットもリリースしました。これには、600,000 のマルチラウンドおよびマルチステップ A が含まれていますツールコマンド呼び出し機能のサンプル。このデータセットに基づいて、研究チームは Qwen-7B モデルを最適化する新しいトレーニング方法を採用し、MSAgent-Qwen-7B というモデルを取得しました。関連するデータ セットとモデルはオープン ソース プラットフォームで公開されています

• ##MSAgent-Bench: https://modelscope.cn/datasets/damo/MSAgent-Bench/summary
• MSAgent-Qwen-7B：https://modelscope.cn/models/damo/MSAgent-Qwen -7B/概要

書き直された内容: 統合ツールリスト

##現在, ModelScope-Agent は、自然言語処理、音声、視覚、マルチモダリティなどの多くの AI モデルにデフォルトで接続されており、ナレッジ検索や API 検索などのオープンソース ソリューションもデフォルトで統合されています。

ModelScope-Agent の実践

ModelScope-Agent github には、乳母レベルの実践デモ ページも提供されています, 初心者も独自のインテリジェントエージェントを構築してみましょう。

デモ ノートブックをダウンロードしてください: https://github.com/modelscope/modelscope-agent/blob/master/demo/demo_qwen_agent.ipynb

1. まず ModelScope-Agent コードをプルし、関連する依存関係をインストールします

2. ModelScope を含む構成ファイルを構成する必要がありますトークンとビルド API ツール 検索エンジン

3. 中央の大規模モデルを開始します

4. 以前に構築された大規模なモデル、ツール リスト、ツール検索、およびメモリ モジュールに依存したエージェントの構築と使用

登録新しいツールの実践

1. ModelScope-Agent コードをプルした後、modelscope_agent/tools ディレクトリに入り、custom_tool.py という名前のファイルをコード レベルで追加します。このファイルで API の必要な説明、名前、パラメーターを構成します。同時に、local_call (ローカル呼び出し) と Remote_call (リモート呼び出し) の 2 つの呼び出しオプションを追加します。

#書き換える必要がある内容は、次のとおりです。 : 2、構成環境と大規模モデルのデプロイメントについては、前章の 2 と 3 を参照してください

##3. 新しく登録したツールをリストに構築し、エージェントの構築プロセスに追加します

4. agen.run() メソッドを使用し、クエリを入力して、ツールが対応する API

を正常に呼び出せるかどうかをテストします。

5. エージェントは自動的に対応する API を呼び出し、実行結果をメイン モデルに返し、メイン モデルは応答を返します

One More Thing

開発者は上記のチュートリアルを参照して、独自のエージェントを簡単に構築できます。ModelScope-Agent は Magic コミュニティに依存しており、より新しいオープン ソースに適応する予定です大規模モデルでは、顧客サービス エージェント、パーソナル アシスタント エージェント、ストーリー エージェント、モーション エージェント、マルチ エージェント (マルチモーダル エージェント) など、ModelScope-Agent に基づいて開発されたアプリケーションをさらに起動します。

以上がModelScope-Agent を使用すると、初心者でも専属エージェントを作成でき、乳母レベルのチュートリアルが含まれています。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。