- ออกแบบมาเพื่อให้สร้าง ระบบมัลติเอเจนต์ระดับพร้อมใช้งานจริง ได้ด้วย Python หรือ TypeScript
- สามารถกำหนดโครงสร้างเอเจนต์และเวิร์กโฟลว์ได้อย่างอิสระ จึงเหมาะกับการพัฒนาระบบ AI แบบทำงานร่วมกันที่ซับซ้อน
-
สถาปัตยกรรมเอเจนต์ที่ยืดหยุ่น
- รองรับตั้งแต่ เอเจนต์เดี่ยวแบบเรียบง่ายไปจนถึงโครงสร้างมัลติเอเจนต์ที่ซับซ้อน
- ตัวอย่างที่มีมาให้พื้นฐาน:
- เริ่มต้นได้อย่างรวดเร็วด้วย
ReActAgent
- สามารถประกอบสถานการณ์ที่ซับซ้อนได้ผ่านความสามารถ
Workflow
- สามารถออกแบบบทบาทและพฤติกรรมของเอเจนต์ได้อย่างละเอียด และปรับแต่งสถาปัตยกรรมได้โดยตรง
-
ผสานรวมกับโมเดลและเครื่องมือที่หลากหลาย
- เชื่อมต่อกับผู้ให้บริการโมเดลหลักได้ง่าย: Ollama, Groq, OpenAI, watsonx.ai เป็นต้น
- ใช้ เครื่องมือที่อิงกับ LangChain หรือสร้างเครื่องมือกำหนดเองได้โดยตรง
- รองรับ Model Context Protocol (MCP) ทำให้ผสานรวมกับเซิร์ฟเวอร์ได้ง่าย
- มุ่งเน้นที่ความสามารถในการขยายระบบและความยืดหยุ่น
-
ความสามารถสำหรับสภาพแวดล้อมโปรดักชัน
- เพิ่มประสิทธิภาพการใช้โทเค็นด้วย กลยุทธ์หน่วยความจำ
- สามารถบันทึกและกู้คืนสถานะของเอเจนต์ได้ด้วยการ serialize/deserialize
- สร้างผลลัพธ์แบบมีโครงสร้าง, รันโค้ด (มีแผนรองรับการรันแบบ sandbox)
- เมื่อเกิดปัญหา:
- ติดตามเวิร์กโฟลว์ทั้งหมดของเอเจนต์ผ่านระบบ
emitter
- รองรับการมอนิเตอร์และวิเคราะห์แบบอิงเหตุการณ์อย่างละเอียด
- เก็บข้อมูลเพื่อการวินิจฉัยผ่าน logging และ telemetry
- จัดการข้อผิดพลาดได้อย่างเสถียรด้วยระบบ exception ที่ชัดเจน
โรดแมปการพัฒนา
- ทำให้ความสามารถของ Python และ TypeScript เทียบเท่ากัน
- สร้างเว็บไซต์เอกสารแบบแยกอิสระ
- เชื่อมต่อการดีพลอยกับ watsonx.ai
- เพิ่มเวิร์กโฟลว์สถาปัตยกรรมมัลติเอเจนต์ที่หลากหลาย
- เพิ่มเอเจนต์ที่มีมาให้พร้อมใช้งาน (OTTB)
- มีแผนพัฒนาฟีเจอร์ native tool calling ตามผู้ให้บริการ LLM
ยังไม่มีความคิดเห็น