在MetaGPT中定义的一个agent运行示例如下：

  • 一个agent在启动后他会观察自己能获取到的信息，加入自己的记忆中
  • 下一步进行思考，决定下一步的行动，也就是从Action1，Action2，Action3中选择执行的Action
  • 决定行动后，紧接着就执行对应行动，得到这个环节的结果

以Task3 作业为例，来看下使用MetaGPT 实现Agent的思路。Task3任务如下：

经过上面的学习，我想你已经对 MetaGPT 的框架有了基本了解，现在我希望你能够自己编写这样一个 agent

  • 这个 Agent 拥有三个动作 打印1 打印2 打印3（初始化时 init_action([print,print,print])）
  • 重写有关方法（请不要使用act_by_order，我希望你能独立实现）使得 Agent 顺序执行上面三个动作
  • 当上述三个动作执行完毕后，为 Agent 生成新的动作 打印4 打印5 打印6 并顺序执行，（之前我们初始化了三个 print 动作，执行完毕后，重新 init_action([…,…,…])，然后顺序执行这个新生成的动作列表)

实现思路

用最通俗的话来总结：

  1. 要实现一个Agent，其实就是定义一个Role。该Role应该包含自己的Action。
  2. 在Role的初始化中初始化Actions
  3. Role重写_act函数或_react函数，Role run的时候会调用该函数
    • _react函数重写，一般是先思考_think下一步用哪个action，然后再_act
  4. Action重写run函数，这里面决定了我们对传入的内容到底要做什么样的处理，例如调用大模型得到结果

Task3 – 完整代码及注释

  • 先看执行结果：顺序打印1-6，然后结束

  • 完整代码及细节注释
# 加载 .env 到环境变量from dotenv import load_dotenv, find_dotenv_ = load_dotenv(find_dotenv())from metagpt.actions import Actionfrom metagpt.logs import loggerimport asynciofrom metagpt.roles import Rolefrom metagpt.schema import Message## 1. 定义Actionclass PrintAction(Action):def __init__(self, name: str = "", number: int = 0, *args, **kwargs):super().__init__(name, *args, **kwargs)self._number = number## 1.1 run方法中定义具体的处理操作，这里只是打印一个数async def run(self):logger.info(self._number)return self._number## 2. 定义Roleclass Printer(Role):def __init__(self,name: str = "Printer",profile: str = "Printer",):super().__init__(name, profile)## 2.1 初始化中初始化该Role的Actions，这里首先初始化了3个Action，将会按顺序执行self._init_actions([PrintAction(number=1), PrintAction(number=2), PrintAction(number=3)])async def _think(self) -> None:"""Determine the next action to be taken by the role."""logger.info(self._rc.state)logger.info(self,)logger.info(f"{self._setting}: ready to {self._rc.todo}")if self._rc.todo is None:self._set_state(0) # 这里回到了第一个Actionlogger.debug("reset state to 0")return## 这里决定下一个action是什么，_rc.state表示要执行的action的下标，_states记录了所有actions及其下标if self._rc.state + 1 < len(self._states):logger.debug(f"set state to {self._rc.state + 1}")self._set_state(self._rc.state + 1) # todo变为下一个actionelse:self._rc.todo = None async def _act(self):todo = self._rc.todoif type(todo) is PrintAction:ret = await todo.run()if 3 == ret: # 这里判断下是第几个action了，根据任务描述，第三个任务完成后动态添加4,5,6 actionactions = [PrintAction(number=4), PrintAction(number=5), PrintAction(number=6)]self._init_actions(actions) # 动态添加4,5,6 action，这时候action4变成了第一个actionself._rc.todo = None # _think中会设置为第一个Action，也就是action4return "Continue"## 3. 重写_react函数async def _react(self):while True:logger.info("react")await self._think() ## 首先思考下一步执行哪个actionif self._rc.todo is None:breakresult = await self._act() ## 执行action，这里的action是_think里决定async def main():msg = "start" ## 给一个msg，必须给一个非空的msg，否则run不起来，待研究role = Printer()await role.run(msg) ## 开始运行agent，会调用role里的_reactasyncio.run(main())

先写到这，展示个结果和总体步骤，后面有时间会详细拆解每一步的实现和细节，以及过程中遇到的坑及解决方法。