AutoAgent: KI-Agenten einfach per Beschreibung in natürlicher Sprache erstellen und bereitstellen 152

Was ist AutoAgent?

AutoAgent ist ein vollständig automatisiertes und codefreies LLM- (Large Language Model) ai-Agenten-Framework, das vom Data Intelligence Lab der Universität Hongkong entwickelt wurde. Nutzer müssen lediglich in Alltagssprache (z. B. „Schreibe mir eine Zusammenfassung") ihre Anforderungen an das System beschreiben, und das System generiert automatisch einen intelligenten Assistenten (KI-Agenten). Diese Assistenten werden von großen Modellen wie GPT-4 oder Claude angetrieben, aber die Nutzer benötigen keinerlei technischen Hintergrund, um sie zu verwenden.

Funktionsmerkmale von AutoAgent

• Agentenerstellung in natürlicher Sprache: Nutzer beschreiben einfach ihre Anforderungen in Textform, und das System generiert automatisch einen individuellen KI-Agenten – zum Beispiel genügt die Aussage „Ich möchte einen Assistenten zum Schreiben von Artikeln", und er wird erstellt, ohne dass Code geschrieben werden muss.

• Multi-Agenten-Kollaborationssystem: Integrierter, sofort einsatzbereiter Multi-Agenten-Modus, der komplexe Aufgabenzerlegung und Zusammenarbeit unterstützt.

• Unterstützung mehrerer LLM-Modelle: Kompatibel mit verschiedenen großen Modellen wie OpenAI, Anthropic, Deepseek usw., die Nutzer können frei wählen.

• Datei-Upload und Dateninteraktion: Unterstützt das Hochladen von Dateien (wie Bilder, PDFs usw.) und erweitert so die Datenverarbeitungsfähigkeiten.

• Kommandozeilen-Interaktionsoberfläche: Bietet einen CLI-Modus, in dem Nutzer Anfragen direkt eingeben und Ergebnisse erhalten können.

• Hochleistungs-Aufgabenverarbeitung: Hervorragende Leistung im GAIA-Benchmark, vergleichbar mit der Effizienz kostenpflichtiger KI-Tools.

• Workflow-Editor: Ermöglicht das Entwerfen von Agenten-Kollaborationsabläufen in natürlicher Sprache und vereinfacht so die Verwaltung komplexer Aufgaben.

• Flexible Interaktion: Unterstützt zwei Modi – „Function Calling" (die KI führt konkrete Aufgaben aus) und „ReAct" (die KI denkt zuerst nach und handelt dann).

Anwendungsbereiche von AutoAgent

• Kreatives Design: Zum Beispiel die Erstellung eines „Da-Vinci-Agenten", der auf Basis natürlichsprachlicher Beschreibungen Bilder erzeugt und optimiert.

• Finanzbereich: Aufbau von Finanzagenten, die lokale Finanzdokumente verwalten und online Finanzinformationen abrufen, um Investitionsanalysen zu erstellen.

• Bildung, Gesundheitswesen und andere Bereiche: Geeignet für Szenarien, die automatisierte Aufgabenverarbeitung erfordern; Nutzer können je nach Bedarf schnell personalisierte KI-Agenten erstellen.

Wie wird es verwendet?

AutoAgent bietet drei Modi:

Benutzermodus

• Sofort einsatzbereiter KI-Assistent mit leistungsstarken Funktionen, ähnlich dem Recherche-Tool von OpenAI.

• Geeignet für tiefgehende Recherchen oder die Lösung komplexer Probleme.

• Beispiel: Datei hochladen und den Assistenten bei der Analyse helfen lassen.

Agent-Editor

• Einfache Assistenten mit natürlicher Sprache erstellen.

• Beispiel: „Erstelle mir einen Wetter-Assistenten" – er wird sofort generiert.

Workflow-Editor

• Aufbau komplexerer Aufgabenabläufe.

• Beispiel: „Zuerst Informationen sammeln, dann einen Bericht schreiben" – das System ordnet die Aufgaben automatisch an.

Vorteile von AutoAgent

• Keine Einstiegshürde: Keine Programmierkenntnisse erforderlich, sodass auch normale Nutzer problemlos loslegen können.

• Hohe Leistung: Vergleichbar mit Deep Research unter Verwendung von Claude 3.5 und übertrifft das o3-Modell von OpenAI.
  

• Modellflexibilität: Kompatibel mit jedem LLM, einschließlich Deepseek-R1, Grok, Gemini usw.

• Vielfältige Einsatzmöglichkeiten: Kann für Studien, Aufgabenautomatisierung oder individuell angepasste Assistenten verwendet werden

• Dateiunterstützung: Unterstützt Datei-Uploads und erweitert die Dateninteraktionsfähigkeiten.
  

Erste Schritte

1. Installation

• Das Projekt kann via Git geklont und mit pip installiert werden.

• Die Installation kann auch über Docker erfolgen, wobei Docker automatisch das vorgefertigte Image pullt.

2. API-Schlüssel-Einrichtung

• Es muss eine Umgebungsvariablendatei (z. B. .env) erstellt und die erforderlichen LLM-API-Schlüssel eingerichtet werden.

Start im CLI-Modus

• Mit dem Befehl auto main wird die gesamte AutoAgent gestartet, einschließlich Benutzermodus, Agent-Editor und Workflow-Editor.

• Unterstützt verschiedene LLM-Anbieter wie Anthropic, OpenAI, Mistral usw.

GitHub-Projekt:https://github.com/HKUDS/AutoAgent