李晨亮投稿

　　量子位公众号 QbitAI

　　现在，小白也可以打造专属的智能体了！

　　达摩院最新出品 Agent 框架 ModelScope-Agent，直接可用可定制。

　　比如，可以同时执行多个工具的规划、调度。

　　写一篇关于 Vision Pro VR 眼镜的 20 字宣传文案，并用女声读出来，同时生成个视频看看。

　　也能在多轮对话中持续不同的工具。

　　光集成的工具就有这么多，比如 NLP、语音、视觉、多模态等多种模型，以及默认集成知识检索、API 检索等方案。

　　在 GitHub 上还专门提供了详细教程，这就来看看究竟如何构建？

　　四步构建自己的 Agent

　　1、首先拉取 ModelScope-Agent 代码并安装相关依赖。

　　2、配置 config 文件，ModelScope token 和构建 API 工具检索引擎。

　　3、中枢大模型启动。

　　4、Agent 构建和使用，依赖之前构建好的大模型，工具 list，工具检索和记忆模块。

　　构建完毕后，还可以注册新工具。GitHub 上同样有食用教程。

　　开发者们可以参考上述教程很容易搭建属于自己的智能体，ModelScope-Agent 依托魔搭社区，未来会适配更多新增的开源大模型，推出更多应用。

　　如客户服务 Agent、个人助理 Agent、Story Agent、Motion Agent、multi-Agent（多模态 Agent）等等。

　　框架如何设计的？

　　作为一个通用的、可定制的 Agent 框架，ModelScope-Agent 主要有以下特点：

• 可定制且功能全面的框架：提供可定制的引擎设计，涵盖了数据收集、工具检索、工具注册、存储管理、定制模型训练和实际应用等功能，可用于快速实现实际场景中的应用。
• 开源 LLMs 作为核心组件：支持在 ModelScope 社区的多个开源 LLMs 上进行模型训练，并开源了配套的中英文工具指令数据集 MSAgent-Bench，用于增强开源大模型作为 Agent 中枢的规划调度能力。
• 多样化且全面的 API，支持 API 检索：以统一的方式实现与模型 API 和常见的功能 API 进行无缝集成，默认提供开源 API 检索方案。

　　它主要包括这些模块，以开源大语言模型 (LLMs) 为核心，以及记忆控制、工具使用等模块。

　　开源 LLM 主要负责任务规划、调度以及回复生成；记忆控制模块，主要包含知识检索以及 prompt （提示词）管理；工具使用模块，包含工具库以及工具检索和工具可定制化。

　　在执行任务时，它会将其拆分成更小的任务，然后一项一项完成。

　　以写一个简短故事，并用女声朗读，同时配个视频”为例。

　　ModelScope-Agent 会展示整个任务规划过程，先通过工具检索检索相关的语音合成工具，然后由开源 LLM 进行规划调度——首先生成一段故事，然后调用对应语音生成模型，生成语音并用女声念出，展示给用户，最后再调用视频生成模型，针对生成的故事内容生成一段视频.

　　这里全程不需要用户配置当前请求可能需要调用到的工具。

　　除此之外，他们还提出了新的工具指令微调训练方法：Weighted LM，通过对工具指令调用部分 token 进行 loss 加权，提升开源大模型工具指令调用能力。

　　基于该训练方法和配套的开源中英文工具指令调用数据集 MSAgent-Bench，基于 Qwen-7B 优化训练了 MSAgent-Qwen-7B 模型，相关数据集和模型都已开源。

　　论文链接：

　　https://arxiv.org/abs/2309.00986

　　代码链接：

　　https://github.com/modelscope/modelscope-agent

　　ModelScope 体验地址：

　　https://modelscope.cn/studios/damo/ModelScopeGPT/summary