Осваиваем интеллектуальные мультиагентные системы с паттерном PEER и Google Gemini

Введение в паттерн PEER

В этом руководстве показано, как создать интеллектуальную мультиагентную систему на основе паттерна PEER: Планирование, Выполнение, Представление и Проверка. Весь процесс запускается в Google Colab/Notebook с использованием специализированных агентов и модели Google Gemini 1.5 Flash через бесплатный API-ключ.

Настройка окружения

Сначала устанавливаем необходимые библиотеки, такие как agentUniverse и google-generativeai, импортируем модули и настраиваем API-ключ Gemini для генерации контента на базе ИИ.

!pip install agentUniverse google-generativeai python-dotenv pydantic
 
import os
import asyncio
from typing import Dict, List, Any, Optional
from dataclasses import dataclass
from enum import Enum
import json
import time
import google.generativeai as genai
 
GEMINI_API_KEY = 'Use Your API Key Here'
genai.configure(api_key=GEMINI_API_KEY)

Определение ролей агентов и основных классов

Используя Enum, определены четыре роли агентов: Планировщик, Исполнитель, Коммуникатор и Рецензент. Класс Task хранит метаданные задачи, а BaseAgent реализует основные функции — обработку задач через Gemini API, хранение памяти и запасные ответы.

class AgentRole(Enum):
   PLANNER = "planner"
   EXECUTOR = "executor"
   EXPRESSER = "expresser"
   REVIEWER = "reviewer"
 
@dataclass
class Task:
   id: str
   description: str
   context: Dict[str, Any]
   status: str = "pending"
   result: Optional[str] = None
   feedback: Optional[str] = None
 
class BaseAgent:
   ...  # Как в исходнике

Реализация PEERAgent

Класс PEERAgent реализует паттерн PEER, координируя четыре агента через итеративные циклы планирования, выполнения, представления и проверки. Максимум три итерации позволяют улучшать результаты, с возможностью досрочного завершения по высокому качеству.

class PEERAgent:
   ...  # Полная реализация из источника

Оркестратор и доменная экспертиза

MultiAgentOrchestrator управляет системой PEER и при необходимости привлекает доменных агентов (финансового аналитика, технического эксперта, креативного директора), что усиливает обработку задач. Простой KnowledgeBase поддерживает знания по доменам.

class MultiAgentOrchestrator:
   ...
 
class KnowledgeBase:
   ...

Демонстрации и применение

Функция run_advanced_demo() выполняет три примера задач в сферах финансов, техники и креатива, демонстрируя универсальность и эффективность системы.

async def run_advanced_demo():
   ...

Инициализация системы и ключевые выводы

При запуске проверяется API-ключ Gemini, объясняется паттерн PEER и архитектура, выполняется демонстрация, выводятся итоги и основные выводы.

if __name__ == "__main__":
   ...

Преимущества подхода

Паттерн PEER обеспечивает системное разложение задач и итеративное улучшение. Совместная работа агентов повышает качество результатов, а интеграция доменной экспертизы добавляет специализацию. Использование Google Gemini предоставляет мощные бесплатные возможности ИИ для решения сложных задач.

Для полного кода и дополнительных материалов посетите нашу страницу на GitHub и следите за сообществом.