使用Parlant创建基础智能体只需三步简单流程:
- 定义工具:使用@p.tool装饰器创建异步函数,如一个模拟天气API调用的工具:
@p.tool
async def get_weather(city: str) -> str:
return f"Sunny, 72°F in {city}" - 创建智能体:初始化服务器并定义智能体基础信息:
async with p.Server() as server:
agent = await server.create_agent(name="WeatherBot") - 设置行为准则:用自然语言定义触发条件和响应规则:
await agent.create_guideline(
condition="当用户询问天气时",
action="调用天气工具并返回友好天气报告",
tools=[get_weather]
)
运行程序后,通过本地测试界面(http://localhost:8800)即可体验智能体。当用户提问”纽约天气如何?”时,框架会自动识别条件匹配,执行工具调用并按action描述的格式生成回复。整个过程无需复杂的LLM微调或漫长调试,60秒内即可完成部署。
本答案来源于文章《Parlant:一个为大型语言模型智能体提供可靠控制的开源框架》