Gambaran Umum
XAgent adalah agen otonom eksperimental {Large Language Model} ({LLM}) sumber terbuka yang dirancang untuk menyelesaikan berbagai {complex tasks} tanpa campur tangan manusia. Tujuannya adalah untuk menjadi agen super-pintar serbaguna yang mampu menangani {any given task}, dengan pengembangan berkelanjutan untuk meningkatkan kemampuannya.
Tujuan Utama dan Kelompok Pengguna Sasaran
- Tujuan Utama: Menyediakan agen {LLM} otonom yang dapat secara otomatis menyelesaikan {complex tasks}, menawarkan solusi serbaguna untuk berbagai aplikasi.
- Kelompok Pengguna Sasaran: Pengembang, peneliti, dan organisasi yang tertarik memanfaatkan {AI agents} otonom untuk otomasi tugas, pemecahan masalah {complex problem-solving}, dan menjelajahi batas {AI}. Ini termasuk mereka yang bergerak di bidang analisis data, pengembangan perangkat lunak, penelitian, dan bidang apa pun yang membutuhkan otomasi cerdas.
Detail dan Operasi Fungsi
- Otonomi: XAgent dapat secara mandiri menyelesaikan berbagai tugas, meminimalkan kebutuhan partisipasi manusia.
- Keamanan: Operasi dibatasi dalam kontainer {Docker}, memastikan lingkungan eksekusi yang aman.
- Ekstensibilitas: Pengguna dapat dengan mudah menambahkan {new tools} dan bahkan {new agents} untuk meningkatkan kemampuan XAgent.
- Antarmuka Pengguna: Menyediakan {Graphical User Interface} ({GUI}) yang ramah dan {command-line interface} ({CLI}) untuk interaksi.
- Kerja Sama Agen-Manusia: XAgent dapat berkolaborasi dengan pengguna, mengikuti panduan untuk {complex tasks} dan mencari bantuan ketika tantangan muncul.
- Arsitektur Modular:
- Dispatcher: Secara dinamis membuat instans dan mengirimkan tugas ke agen yang berbeda.
- Planner: Menghasilkan dan menyempurnakan rencana tugas, memecahnya menjadi subtugas dengan pencapaian.
- Actor: Melakukan tindakan untuk mencapai tujuan dan menyelesaikan subtugas, menggunakan berbagai {tools} dan berkolaborasi dengan manusia.
- ToolServer: Server berbasis {Docker} yang menyediakan {powerful and safe tools}:
- File Editor: Untuk menulis, membaca, dan memodifikasi file.
- Python Notebook: Lingkungan interaktif untuk menjalankan kode {Python}, memvalidasi ide, dan menggambar figur.
- Web Browser: Untuk mencari dan mengunjungi halaman web.
- Shell: Menjalankan perintah {shell}, termasuk instalasi program dan hosting layanan.
- Rapid {API} Integration: Mengakses dan memanggil berbagai {API} dari Rapid {API} (koleksi {ToolBench}).
- Alur Kerja Eksekusi Tugas:
- Pengguna mengirimkan tugas melalui {CLI} atau {GUI}.
- XAgent memproses tugas, menghasilkan rencana, dan melakukan tindakan.
- Semua file yang dihasilkan dan langkah-langkah perantara disimpan di ruang kerja lokal dan catatan berjalan.
- Catatan dapat dimuat untuk mereproduksi {previous runs}, dengan informasi sensitif dihapus untuk berbagi yang aman.
Manfaat Pengguna
- Peningkatan Efisiensi: Mengotomatiskan {complex tasks}, menghemat waktu dan sumber daya.
- Peningkatan Pemecahan Masalah: Mampu mengatasi masalah rumit di berbagai domain.
- Operasi Aman: Kontainerisasi {Docker} memastikan lingkungan yang aman untuk melakukan tindakan.
- Fleksibilitas dan Kustomisasi: Mudah diperluas dengan {new tools} dan {agents} untuk memenuhi kebutuhan spesifik.
- Peningkatan Kolaborasi: Memfasilitasi interaksi yang lancar antara pengguna manusia dan agen {AI}.
- Kemampuan Reproduksi: Catatan {running records} terperinci memungkinkan reproduksi dan analisis {past executions} yang mudah.
Kesesuaian dan Integrasi
- Sistem Operasi: Membutuhkan {Docker} dan {Docker Compose} untuk pengaturan {ToolServer}.
- Versi {Python}: Membutuhkan {Python} >= 3.10.
- Kunci {API}: Dapat dikonfigurasi dengan kunci {OpenAI API} ({gpt-4-32k} direkomendasikan, {gpt-4} dan {gpt-3.5-turbo-16k} didukung).
- Integrasi {Docker}: {ToolServer} berjalan sebagai kontainer {Docker}, menyediakan lingkungan mandiri.
- {Web UI}: Dapat diakses melalui {web browser} (http://localhost:5173) untuk interaksi {GUI}.
Umpan Balik Pelanggan dan Studi Kasus
- Analisis Data: Berhasil membantu pengguna dalam analisis data yang rumit, termasuk inspeksi data, verifikasi lingkungan, pembuatan kode, dan kompilasi laporan (misalnya analisis {iris.zip}).
- Rekomendasi: Menunjukkan kerja sama agen-manusia dengan secara aktif mencari masukan manusia ketika informasi tidak mencukupi (misalnya rekomendasi restoran).
- Pelatihan Model: Mampu melakukan {complex tasks} seperti melatih model pembelajaran mesin (misalnya melatih model {BERT} untuk analisis sentimen ulasan film).
- Evaluasi: Mengungguli {AutoGPT} dalam evaluasi {human preference} di lebih dari 50 {real-world complex tasks} yang dikategorikan dalam Cari dan Laporkan, Pengkodean dan Pengembangan, Analisis Data, Matematika, dan Asisten Kehidupan.
Metode Akses dan Aktivasi
- Kode Sumber: Tersedia di {GitHub} (github.com/OpenBMB/XAgent).
- Pengaturan {ToolServer}:
- Tarik gambar {Docker}:
{docker compose up} - Buat dari sumber lokal:
{docker compose build}lalu{docker compose up}
- Tarik gambar {Docker}:
- Pengaturan XAgent:
- Instal persyaratan:
{pip install -r requirements.txt} - Konfigurasi kunci {API} di
{assets/config.yml}. - Jalankan XAgent:
{python run.py --task "put your task here" --config-file "assets/config.yml"}
- Instal persyaratan:
- Akses {GUI}: Kunjungi
{http://localhost:5173}setelah memulai kontainer {XAgent}-Server. Kredensial default: nama pengguna{guest}, kata sandi{xagent}.