在LlamaIndex中构建AI智能体：单智能体系统

LlamaIndex 将构建智能代理作为其框架的核心功能之一。

LlamaIndex 的 FunctionAgent 作为控制器，通过大语言模型解析用户查询，调用合适的工具，并返回智能化响应。

导入所需库

1from llama_index.llms.groq import Groq
2from llama_index.core.agent.workflow import FunctionAgent
3from llama_index.core.tools import FunctionTool
4import random

初始化大语言模型（LLM）

1llm = Groq(model="llama3-70b-8192", api_key="{{GROQ_API_KEY}}")

定义查询订单状态的函数

1def get_order_status(order_id: str) -> str:
2    status = random.choice(["已发货", "运输中", "已送达", "处理中"])
3    return f"订单 {order_id} 当前状态为 {status}。"

定义处理退货请求的函数

1def process_return(item_id: str) -> str:
2    return f"商品 {item_id} 的退货请求已发起。"

定义产品搜索函数

1def search_products(category: str, max_price: float) -> str:
2    sample_products = {
3        "laptop": ["Laptop A - $900", "Laptop B - $850", "Laptop C - $999"],
4        "phone": ["Phone X - $700", "Phone Y - $650", "Phone Z - $800"],
5    }
6    products = sample_products.get(category.lower(), [])
7    filtered_products = [p for p in products if float(p.split("$")[-1]) <= max_price]
8    return f"找到的产品：{', '.join(filtered_products)}" if filtered_products else "未找到符合条件的产品。"

将函数转换为 FunctionTool 工具

1order_status_tool = FunctionTool.from_defaults(fn=get_order_status)
2return_tool = FunctionTool.from_defaults(fn=process_return)
3search_tool = FunctionTool.from_defaults(fn=search_products)

创建 FunctionAgent

1agent = FunctionAgent(
2    name="CustomerSupportAgent",
3    description="用于处理客户支持查询的AI助手。",
4    system_prompt="你是一个乐于助人的助手，能够查询订单状态、处理退货请求以及搜索产品。在搜索时，请从用户问题中提取产品类别和价格信息，并调用相应工具。",
5    llm=llm,
6    tools=[order_status_tool, return_tool, search_tool], 
7)

定义用户查询语句

1queries = [
2    "我的订单在哪？订单号：12345",
3    "我能退货吗？商品编号：ABC987",
4    "帮我找一台1000美元以下的笔记本电脑。"
5]

异步运行代理

1import asyncio
2
3async def run_agent():
4    for query in queries:
5        response = await agent.run(user_msg=query)
6        print(f"用户：{query}\n代理：{response}\n")
7
8# 执行异步函数
9asyncio.run(run_agent())

1from llama_index.core.agent.workflow import FunctionAgent
2from llama_index.core.tools import FunctionTool
3from llama_index.llms.groq import Groq
4import random
5import asyncio
6
7# 初始化大语言模型
8llm = Groq(model="llama3-70b-8192", api_key="{{GROQ_API_KEY}}")
9# 查询订单状态的工具
10def get_order_status(order_id: str) -> str:
11    status = random.choice(["已发货", "运输中", "已送达", "处理中"])
12    return f"订单 {order_id} 当前状态为 {status}。"
13
14# 处理退货的工具
15def process_return(item_id: str) -> str:
16    return f"商品 {item_id} 的退货请求已发起。"
17
18# 搜索产品的工具
19def search_products(category: str, max_price: float) -> str:
20    sample_products = {
21        "laptop": ["Laptop A - $900", "Laptop B - $850", "Laptop C - $999"],
22        "phone": ["Phone X - $700", "Phone Y - $650", "Phone Z - $800"],
23    }
24    products = sample_products.get(category.lower(), [])
25    filtered_products = [p for p in products if float(p.split("$")[-1]) <= max_price]
26    return f"找到的产品：{', '.join(filtered_products)}" if filtered_products else "未找到符合条件的产品。"
27
28# 定义工具
29order_status_tool = FunctionTool.from_defaults(fn=get_order_status)
30return_tool = FunctionTool.from_defaults(fn=process_return)
31search_tool = FunctionTool.from_defaults(fn=search_products)
32# 创建包含多个工具的代理
33agent = FunctionAgent(
34    name="CustomerSupportAgent",
35    description="用于处理客户支持查询的AI助手。",
36    system_prompt="你是一个乐于助人的助手，能够查询订单状态、处理退货请求以及搜索产品。在搜索时，请从用户问题中提取产品类别和价格信息，并调用相应工具。",
37    llm=llm,
38    tools=[order_status_tool, return_tool, search_tool], 
39    )
40
41async def run_agent():
42    for query in queries:
43        response = await agent.run(user_msg=query)
44        print(f"用户：{query}\n代理：{response}\n")
45
46# 示例查询
47queries = [
48    "我的订单在哪？订单号：12345",
49    "我能退货吗？商品编号：ABC987",
50    "找一台1000美元以下的笔记本电脑。"
51]
52# 运行异步函数
53asyncio.run(run_agent())

示例输出