AutoAgent: crea y despliega agentes de IA con descripciones en lenguaje natural 154

¿Qué es AutoAgent?

AutoAgent es un framework de agentes de IA (LLM - Large Language Model) totalmente automatizado y sin código (zero-code), desarrollado por el Data Intelligence Lab de la Universidad de Hong Kong (ai). Los usuarios solo necesitan describir sus necesidades al sistema usando lenguaje natural (por ejemplo, "ayúdame a escribir un resumen"), y el sistema generará automáticamente un asistente inteligente (AI Agent). Estos asistentes están impulsados por grandes modelos como GPT-4 o Claude, pero los usuarios no necesitan tener conocimientos técnicos para utilizarlos.

Características y funciones de AutoAgent

• Creación de agentes con lenguaje natural: los usuarios solo necesitan describir sus necesidades mediante texto para generar automáticamente un agente de IA personalizado. Por ejemplo, basta con decir "quiero un asistente que escriba artículos" y lo creará por ti, sin necesidad de escribir código.

• Sistema de colaboración multi-agente: incorpora de fábrica un modo multi-agente listo para usar, que admite la descomposición y colaboración en tareas complejas.

• Compatibilidad con múltiples modelos LLM: es compatible con diversos modelos grandes como OpenAI, Anthropic, Deepseek, entre otros, y los usuarios pueden elegir libremente.

• Carga de archivos e interacción de datos: admite la carga de archivos (como imágenes, PDF, etc.), lo que amplía la capacidad de procesamiento de datos.

• Interfaz de línea de comandos (CLI): ofrece un modo CLI para que los usuarios introduzcan solicitudes directamente y obtengan resultados.

• Procesamiento de tareas de alto rendimiento: destaca en el benchmark GAIA, con una eficiencia comparable a la de las herramientas de IA de pago.

• Editor de flujos de trabajo: permite diseñar flujos de colaboración entre agentes mediante lenguaje natural, simplificando la gestión de tareas complejas.

• Interacción flexible: admite dos modos: "Function Calling" (para que la IA ejecute tareas concretas) y "ReAct" (para que la IA piense antes de actuar).

Casos de uso de AutoAgent

• Ámbito del diseño creativo: por ejemplo, crear un "Agente Da Vinci" que genere y optimice imágenes a partir de descripciones en lenguaje natural.

• Ámbito financiero: construir agentes financieros que gestionen documentos financieros locales y consulten información financiera en línea, generando informes de análisis de inversión.

• Educación, sanidad y otros ámbitos: es adecuado para escenarios que requieran automatización de tareas, permitiendo a los usuarios crear rápidamente agentes de IA personalizados según sus necesidades.

¿Cómo se utiliza?

AutoAgent ofrece tres modos:

Modo Usuario

• Un asistente de IA listo para usar, potente y similar a la herramienta de investigación de OpenAI.

• Ideal para realizar investigaciones en profundidad o resolver problemas complejos.

• Ejemplo: sube un archivo y deja que lo analice por ti.

Editor de Agentes

• Permite crear asistentes sencillos usando lenguaje natural.

• Ejemplo: "Hazme un asistente para consultar el tiempo", y lo generará al instante.

Editor de Flujos de Trabajo

• Permite construir flujos de tareas más complejos.

• Ejemplo: "Primero recopila información y luego redacta un informe"; el sistema organizará las tareas automáticamente.

Ventajas de AutoAgent

• Sin barreras de entrada: no se requieren conocimientos de programación; cualquier persona puede empezar fácilmente.

• Alto rendimiento: ofrece un rendimiento comparable al de Deep Research con Claude 3.5, y supera al modelo o3 de OpenAI.
  

• Flexibilidad de modelos: es compatible con cualquier LLM, incluyendo Deepseek-R1, Grok, Gemini, etc.

• Gran versatilidad: puede utilizarse para investigación, automatización de tareas o para crear asistentes personalizados.

• Soporte de archivos: admite la carga de archivos, lo que mejora la capacidad de interacción con los datos.
  

Cómo empezar

1. Instalación

• Puedes clonar el proyecto desde Git e instalarlo con pip.

• También puedes instalarlo mediante Docker, que descargará automáticamente la imagen preconstruida.

2. Configuración de la clave API

• Es necesario crear un archivo de variables de entorno (por ejemplo, .env) y configurar las claves API del LLM que vayas a utilizar.

Inicio en modo CLI

• Utiliza el comando auto main para iniciar AutoAgent en su totalidad, incluyendo el modo Usuario, el Editor de Agentes y el Editor de Flujos de Trabajo.

• Es compatible con varios proveedores de LLM, como Anthropic, OpenAI, Mistral, etc.

Proyecto en GitHub:https://github.com/HKUDS/AutoAgent