Praison AI：一个更易用的多智能体自主AI系统，集成mem0、CrewAI、Firecrawl和AutoGen

这是一个结合了AutoGen 和 CrewAI的开源项目，旨在构建和管理多代理大型语言模型（LLM）系统。

由于AutoGen和CrewAI（详细介绍见文末）已经实现了封装，因此基于CrewAI的开源项目也曾得到广泛关注。

CrewAI本身基于Langchain进行了一系列开发，因此Praison AI成为一个更加低代码、集中化的框架，旨在简化多代理系统在各种LLM应用中的创建与编排，同时强调易用性、定制化与人机交互。

图片

我们将看到使用这两个框架的示例，支持在AutoGen与CrewAI之间的灵活切换。

图片

图片

该系统还提供图形用户界面以自动化执行代理操作。

图片

用户只需在对话框中输入所需操作，系统即可自动执行。

该系统提供两种操作模式。

图片

选择手动模式时，用户可以自定义代理和工具。

图片

工具集成包括mem0、Craw4AI、Firecrawl和Langchain，这些工具在之前的文章中都有介绍。其中，mem0作为记忆层，Craw4AI和Firecrawl则是两个AI爬虫，最后一个工具无需多言。

图片

此外，该系统也支持多种模型。

图片

Praison AI目前实现了以下功能：

  • 自动创建AI代理
  • 使用CrewAI或AutoGen框架
  • 支持100+法学硕士
  • 与整个代码库进行对话
  • 提供交互式用户界面
  • 基于YAML的配置
  • 定制工具集成

接下来，我们将提供官方的文档介绍、相关资源和部署教程等，以进一步支持您的操作，提升本文的实用性。

Praison AI

Praison AI利用AutoGen和CrewAI或其他任何代理框架，代表了一种低代码、集中化的解决方案，旨在简化多代理系统的创建与编排，适用于各种LLM应用，强调易用性、定制化和人机交互。

不同的用户界面

界面描述URL
UI多代理如CrewAI或AutoGenhttps://docs.praison.ai/ui/ui
Chat与100+LLMs的单个AI代理对话https://docs.praison.ai/ui/chat
Code与整个代码库的单个AI代理对话https://docs.praison.ai/ui/code

Google Colab多代理

CookbookOpen in Colab
BasicPraisonAI图片
Include ToolsPraisonAI Tools图片

安装

PraisonAIPraisonAI CodePraisonAI Chat
pip install praisonaipip install "praisonai[code]"pip install "praisonai[chat]"

主要特征

  • • 自动化AI代理创建
  • • 使用CrewAI或AutoGen框架
  • • 支持100+LLM
  • • 与整个代码库进行对话
  • • 提供交互式UI
  • • 基于YAML的配置
  • • 定制工具集成

快速概览

pip install praisonai  
export OPENAI_API_KEY="Enter your API key"  
praisonai --init create a movie script about a dog on the moon  
praisonai

目录

  • • 安装
  • • 初始化
  • • 运行
  • • 全自动模式
  • • 用户界面
  • • Praison AI Chat
  • • 创建自定义工具
  • • 代理剧本
  • • 在项目中包含praisonai包
  • • 安装开发依赖的命令
  • • 其他模型
  • • 贡献
  • • 星历史

安装多代理

pip install praisonai

初始化

export OPENAI_API_KEY="Enter your API key"

您可以在此处生成您的OPENAI API密钥：https://platform.openai.com/api-keys

注意：您也可以使用其他提供商，如Ollama、Mistral等。详细信息见底部。

praisonai --init create a movie script about a dog on the moon

这将在当前目录中自动创建agents.yaml文件。

使用特定代理框架初始化（可选）：

praisonai --framework autogen --init create a movie script about a cat on Mars

运行

praisonai

或

python -m praisonai

指定代理框架（可选）：

praisonai --framework autogen

全自动模式：

praisonai --auto create a movie script about a dog on the moon

用户界面

PraisonAI用户界面：

界面描述URL
UI多代理如CrewAI或AutoGenhttps://docs.praisonai.com/ui/ui
Chat与100+LLMs的单个AI代理对话https://docs.praisonai.com/ui/chat
Code与整个代码库的单个AI代理对话https://docs.praisonai.com/ui/code
pip install -U "praisonai[ui]"  
export OPENAI_API_KEY="Enter your API key"  
chainlit create-secret  
export CHAINLIT_AUTH_SECRET=xxxxxxxx  
praisonai ui

或

python -m praisonai ui

Praison AI Chat

pip install "praisonai[chat]"  
export OPENAI_API_KEY="Enter your API key"  
praisonai chat

Praison AI Code

pip install "praisonai[code]"  
export OPENAI_API_KEY="Enter your API key"  
praisonai code

创建自定义工具

代理剧本

简单剧本示例

framework: crewai  
topic: Artificial Intelligence  
roles:  
  screenwriter:  
    backstory: "Skilled in crafting scripts with engaging dialogue about {topic}."  
    goal: "Create scripts from concepts."  
    role: "Screenwriter"  
    tasks:  
      scriptwriting_task:  
        description: "Develop scripts with compelling characters and dialogue about {topic}."  
        expected_output: "Complete script ready for production."

使用100+模型

在项目中包含praisonai包

选项 1：使用RAW YAML

from praisonai import PraisonAI  
  
# 示例agent_yaml内容  
agent_yaml = """  
framework: "crewai"  
topic: "Space Exploration"  
  
roles:  
  astronomer:  
    role: "Space Researcher"  
    goal: "Discover new insights about {topic}"  
    backstory: "You are a curious and dedicated astronomer with a passion for unraveling the mysteries of the cosmos."  
    tasks:  
      investigate_exoplanets:  
        description: "Research and compile information about exoplanets discovered in the last decade."  
        expected_output: "A summarized report on exoplanet discoveries, including their size, potential habitability, and distance from Earth."  
"""  
  
# 使用agent_yaml内容创建PraisonAI实例  
praisonai = PraisonAI(agent_yaml=agent_yaml)  
  
# 运行PraisonAI  
result = praisonai.run()  
  
# 打印结果  
print(result)

选项 2：使用单独的agents.yaml文件

注意：请预先创建agents.yaml文件。

from praisonai import PraisonAI  
  
def basic(): # 基本模式  
    praisonai = PraisonAI(agent_file="agents.yaml")  
    praisonai.run()  
  
if __name__ == "__main__":  
    basic()

安装依赖的命令:

  1. 1. 安装所有依赖，包括开发依赖：
poetry install
  1. 2. 仅安装文档依赖：
poetry install --with docs
  1. 3. 仅安装测试依赖：
poetry install --with test
  1. 4. 仅安装开发依赖：
poetry install --with dev

这个配置确保您的开发依赖项被正确分类，并在需要时安装。