gpt-computer-assistant

🚀 Upsonic - 智能AI代理构建工具

Upsonic 是一款功能强大的工具，可用于快速构建、部署和管理智能AI代理。它借助 Model Context Protocol (MCP) 支持多种模型，还能轻松集成自定义工具，为开发者提供了便捷高效的AI代理开发体验。

✨ 主要特性

• 简单易用：新手也能快速上手。
• 模块化设计：支持灵活扩展，满足多样化需求。
• 多语言支持：内置多种语言模型，适应不同语言场景。
• 强大的任务分发机制：高效处理复杂任务，提升工作效率。
• 结构化输出：通过 Pydantic 定义明确的响应格式，便于后续处理。

🚀 快速开始

from upsonic import Agent, Task

# 创建一个简单的任务
task = Task("What is the capital of France?")

# 初始化代理
agent = Agent("General Knowledge")

# 执行任务并打印结果
agent.print_do(task)

💻 使用示例

基础用法

from upsonic import Agent, Task

# 创建一个简单的任务
task = Task("What is the capital of France?")

# 初始化代理
agent = Agent("General Knowledge")

# 执行任务并打印结果
agent.print_do(task)

高级用法

1. 拉取MCP配置

from upsonic import Agent, Task, ObjectResponse

class FetchMCP:
    command = "uvx"
    args = ["mcp-server-fetch"]
    
# 初始化代理
web_agent = Agent(
    "内容分析器",
    model="openai/gpt-4o"  # 支持多种模型
)

# 创建任务
task = Task(
    description="获取并分析来自URL的内容，提取主要信息、标题和简要摘要。",
    context=["https://upsonic.ai/"],
    tools=[FetchMCP],
    response_format=WebContent
)

# 执行任务
result = web_agent.print_do(task)
print(result.title)  # 输出标题
print(result.summary)  # 输出摘要

2. 多任务代理

from upsonic import Agent, Task, MultiAgent, ObjectResponse
from upsonic.tools import Search
import os

class CompanyResearch(ObjectResponse):
    industry: str
    product_focus: str
    company_values: list[str]
    recent_news: list[str]

class Mail(ObjectResponse):
    subject: str
    content: str

# 初始化代理
researcher = Agent("公司研究员", company_url="https://redis.io/")
strategist = Agent(" outreach 策略师", company_url="https://redis.io/")

# 创建任务
company_task = Task(
    "分析公司网站的关键信息",
    context=["https://upsonic.ai/"],
    tools=[Search],
    response_format=CompanyResearch
)

position_task = Task(
    "分析高级开发人员职位要求和背景",
    context=[company_task, "https://upsonic.ai/"]
)

message_task = Task(
    "根据研究结果创建个性化的 outreach 消息",
    context=[company_task, position_task],
    response_format=Mail
)

# 分配任务给代理
results = MultiAgent.do([researcher, strategist], [company_task, position_task, message_task])

# 输出结果
print(f"公司行业: {company_task.response.industry}")
print(f"产品专注点: {company_task.response.product_focus}")
print(f"公司价值主张: {company_task.response.company_values}")
print(f"最近新闻: {company_task.response.recent_news}")
print(f"职位分析结果: {position_task.response}")
print(f" outreach 主题: {message_task.response.subject}")
print(f" outreach 内容: {message_task.response.content}")

3. 直接LLM调用

from upsonic import Agent, Task

# 创建一个直接查询模型的任务
task = Task("解释量子计算的基本原理")

# 初始化代理，指定直接使用LLM
agent = Agent("通用知识", mode="direct")

# 执行任务并打印结果
agent.print_do(task)

4. telemetry 设置

from upsonic import configure

# 配置telemetry（可选）
configure(metrics_enabled=True, logging_enabled=True)

📚 详细文档

• 安装：pip install upsonic
• 配置：参考官方文档进行详细设置
• 社区支持：加入讨论组

📄 联系方式

如需更多信息，请访问 Upsonic 官网，或通过邮件联系我们：contact@upsonic.ai。