自定义搭建一个Agent系统

发布时间：2025-08-04 18:05:49编辑：Run阅读（30）

大模型的能力是毋庸置疑的，但大模型在一些实时的问题上，或是某些专有领域的问题上，可能会显得有些力不从心。因此，需要一些工具来为大模型赋能，给大模型一个抓手，让大模型和现实世界发生的事情对齐颗粒度，这样就获得了一个更好的用的大模型。

这里基于React的方式，制作了一个最小的Agent结构（其实更多的是调用工具）一步一步手写Agent，可以让我们对Agent的构成和运作更加的了解。




实现细节

第一步：构造大模型

首先需要一个大模型，这里使用internlm2_5-7b-chat-1m作为Agent 模型。

InternLM2.5 是一个针对实际场景定制的聊天模型。该模型具有以下特点：

卓越的推理能力：在数学推理方面表现出色，超越了 Llama3 和 Gemma2-9B 等模型。

1M 上下文窗口：在 1M 长上下文中几乎完美地找到关键信息，在长上下文任务（如 LongBench）上表现领先。可以通过 LMDeploy 尝试 1M 上下文推理，并查看 文件聊天示例。

更强的工具使用能力：InternLM2.5 支持从超过 100 个网页中收集信息，相关实现将在 Lagent 中发布。InternLM2.5 在指令遵循、工具选择和反思方面有更好的工具利用能力。可以使用transformers库来加载InternLM2模型。




下载模型：

git clone https://www.modelscope.cn/Shanghai_AI_Laboratory/internlm2_5-7b-chat-1m.git

首先，先创建一个BaseModel类，可以在这个类中定义一些基本的方法，比如chat方法和load_model方法，方便以后扩展使用其他模型。

接着，创建一个InternLM2类，这个类继承自BaseModel类，在这个类中实现chat方法和load_model方法。就和正常加载InternLM2模型一样，来做一个简单的加载和返回即可。

创建llm.py文件

代码如下：

from typing import Dict, List, Optional, Tuple, Union

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM


class BaseModel:
    def __init__(self, path: str = '') -> None:
        self.path = path

    def chat(self, prompt: str, history: List[dict]):
        pass

    def load_model(self):
        pass

class InternLM2Chat(BaseModel):
    def __init__(self, path: str = '') -> None:
        super().__init__(path)
        self.load_model()

    def load_model(self):
        print('================ Loading model ================')
        self.tokenizer = AutoTokenizer.from_pretrained(self.path, trust_remote_code=True)
        self.model = AutoModelForCausalLM.from_pretrained(self.path, torch_dtype=torch.float16, trust_remote_code=True).cuda().eval()
        print('================ Model loaded ================')

    def chat(self, prompt: str, history: List[dict], meta_instruction:str ='') -> str:
        response, history = self.model.chat(self.tokenizer, prompt, history, temperature=0.1, meta_instruction=meta_instruction)
        return response, history

if __name__ == '__main__':
    model = InternLM2Chat('/home/sam_admin/my_agent/models/internlm2_5-7b-chat-1m')
    print(model.chat('你好', []))

运行python llm.py，如下：









第二步: 构造工具在tools.py文件中，构造一些工具，比如Google搜索。在这个文件中，构造一个Tools类。在这个类中，需要添加一些

工具的描述信息和具体实现方式。

添加工具描述信息,是为了在构造system_prompt的时候,让模型能够知道可以调用哪些工具,以及工具描述信息和参数。

首先要在 tools 中添加工具的描述信息；

然后在 tools 中添加工具的具体实现；

使用Google搜索功能的话需要去serper官网申请一下token: https://serper.dev/dashboard， 然后在tools.py文件中

填写你的key，这个key每人可以免费申请一个，且有2500次的免费调用额度，足够做实验用啦~

创建tool.py文件

代码如下：

import os, json
import requests

"""
工具函数

- 首先要在 tools 中添加工具的描述信息
- 然后在 tools 中添加工具的具体实现

- https://serper.dev/dashboard
"""

class Tools:
    def __init__(self) -> None:
        self.toolConfig = self._tools()

    def _tools(self):
        tools = [
            {
                'name_for_human': '谷歌搜索',
                'name_for_model': 'google_search',
                'description_for_model': '谷歌搜索是一个通用搜索引擎，可用于访问互联网、查询百科知识、了解时事新闻等。',
                'parameters': [
                    {
                        'name': 'search_query',
                        'description': '搜索关键词或短语',
                        'required': True,
                        'schema': {'type': 'string'},
                    }
                ],
            }
        ]
        return tools

    def google_search(self, search_query: str):
        url = "https://google.serper.dev/search"

        payload = json.dumps({"q": search_query})
        headers = {
            'X-API-KEY': 'google搜索API_KEY',
            'Content-Type': 'application/json'
        }

        response = requests.request("POST", url, headers=headers, data=payload).json()

        return response['organic'][0]['snippet']


if __name__ == "__main__":
    search_query = '今天关于AI的最新消息'
    tools = Tools()
    msg = tools.google_search(search_query)
    print(msg)

运行tool.py，如下：






第三步: 构造Agent

在Agent.py文件中，构造一个Agent类，这个Agent是一个React范式的Agent，在这个Agent类中，

实现了text_completion方法，这个方法是一个对话方法，在这个方法中，调用InternLM2模型,然后根据React的Agent

的逻辑，来调用Tools中的工具。

首先要构造system_prompt, 这个是系统的提示,可以在这个提示中,添加一些系统的提示信息,比如ReAct形式的prompt。

创建agent.py文件


代码如下：

from typing import Dict, List, Optional, Tuple, Union
import json5

from llm import InternLM2Chat
from tool import Tools


TOOL_DESC = """{name_for_model}: Call this tool to interact with the {name_for_human} API. What is the {name_for_human} API useful for? {description_for_model} Parameters: {parameters} Format the arguments as a JSON object."""
REACT_PROMPT = """尽你所能回答以下问题。可以使用以下工具:

{tool_descs}

Use the following format:

Question: the input question you must answer
Thought: you should always think about what to do
Action: the action to take, should be one of [{tool_names}]
Action Input: the input to the action
Observation: the result of the action
... (this Thought/Action/Action Input/Observation can be repeated zero or more times)
Thought: I now know the final answer
Final Answer: the final answer to the original input question

Begin!
"""


class Agent:
    def __init__(self, path: str = '') -> None:
        self.path = path
        self.tool = Tools()
        self.system_prompt = self.build_system_input()
        self.model = InternLM2Chat(path)

    def build_system_input(self):
        tool_descs, tool_names = [], []
        for tool in self.tool.toolConfig:
            tool_descs.append(TOOL_DESC.format(**tool))
            tool_names.append(tool['name_for_model'])
        tool_descs = '\n\n'.join(tool_descs)
        tool_names = ','.join(tool_names)
        sys_prompt = REACT_PROMPT.format(tool_descs=tool_descs, tool_names=tool_names)
        return sys_prompt

    def parse_latest_plugin_call(self, text):
        plugin_name, plugin_args = '', ''
        i = text.rfind('\nAction:')
        j = text.rfind('\nAction Input:')
        k = text.rfind('\nObservation:')
        if 0 <= i < j:  # If the text has `Action` and `Action input`,
            if k < j:  # but does not contain `Observation`,
                text = text.rstrip() + '\nObservation:'  # Add it back.
            k = text.rfind('\nObservation:')
            plugin_name = text[i + len('\nAction:') : j].strip()
            plugin_args = text[j + len('\nAction Input:') : k].strip()
            text = text[:k]
        return plugin_name, plugin_args, text

    def call_plugin(self, plugin_name, plugin_args):
        plugin_args = json5.loads(plugin_args)
        if plugin_name == 'google_search':
            return '\nObservation:' + self.tool.google_search(**plugin_args)

    def text_completion(self, text, history=[]):
        text = "\nQuestion:" + text
        response, his = self.model.chat(text, history, self.system_prompt)
        print(response)
        plugin_name, plugin_args, response = self.parse_latest_plugin_call(response)
        if plugin_name:
            response += self.call_plugin(plugin_name, plugin_args)
        response, his = self.model.chat(response, history, self.system_prompt)
        return response, his

if __name__ == '__main__':
    agent = Agent('/home/sam_admin/my_agent/models/internlm2_5-7b-chat-1m')
    prompt = agent.build_system_input()
    print(prompt)

运行agent.py，如下：






第四步: 运行Agent

在这个案例中，使用了internlm2_5-7b-chat-1m模型， 使用它的big cup版本，这样可以提高Agent的稳定性。

创建run.py文件，

代码如下：


from agent import Agent


agent = Agent('/home/sam_admin/my_agent/models/internlm2_5-7b-chat-1m')

response, _ = agent.text_completion(text='你好，今天是几月几号', history=[])
print(response)

# Thought: 你好，请问有什么我可以帮助你的吗？
# Action: google_search
# Action Input: {'search_query': '你好'}
# Observation:Many translated example sentences containing "你好" – English-Chinese dictionary and search engine for English translations.
# Final Answer: 你好，请问有什么我可以帮助你的吗？

response, _ = agent.text_completion(text='周杰伦是哪一年出生的？', history=_)
print(response)

# Final Answer: 周杰伦的出生年份是1979年。

response, _ = agent.text_completion(text='周杰伦是谁？', history=_)
print(response)

# Thought: 根据我的搜索结果，周杰伦是一位台湾的创作男歌手、钢琴家和词曲作家。他的首张专辑《杰倫》于2000年推出，他的音乐遍及亚太区和西方国家。
# Final Answer: 周杰伦是一位台湾创作男歌手、钢琴家、词曲作家和唱片制作人。他于2000年推出了首张专辑《杰伦》，他的音乐遍布亚太地区和西方国家。他的音乐风格独特，融合了流行、摇滚、嘻哈、电子等多种元素，深受全球粉丝喜爱。他的代表作品包括《稻香》、《青花瓷》、《听妈妈的话》等。

response, _ = agent.text_completion(text='他的第一张专辑是什么？', history=_)
print(response)

运行run.py，如下：




上面第一个问题，今天几月几号并没有触发调用google search的工具，回答的是模型内部数据更新的时间。




上面代码通过系统提示词(文本切割)加联网搜索实现了大模型调用Agent工具的过程。

关键字：