有了ModelScope-Agent，小白也能打造专属智能体，附保姆级教程

ModelScope-Agent 提供了一个通用的、可定制的 Agent 框架，方便用户打造属于自己的智能体。该框架基于开源的大语言模型 (LLMs) 作为核心，并提供了一个用户友好的系统库，具有以下特点：

• 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。

• 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

能力展示

下面先展示一些基于 ModelScope-Agent 实现的 ModelScopeGPT （魔搭 GPT）的能力：

需要进行重写的内容是：1. 在单步工具调用中，Agent 需要选择适当的工具并生成请求，然后根据执行结果将结果返回给用户

2. 在多步工具调用中，Agent 需要进行多个工具的规划、调度、执行和回复

3. 多轮对话中工具调用，Agent 需要从历史对话中挖掘需要传给工具的参数。

基于检索工具的社区知识问答平台

框架介绍

ModelScope-Agent 框架的设计原理是什么？

ModelScope-Agent 是一个通用的、可定制的 Agent 框架，用于实际应用程序开发，其基于开源的大语言模型 (LLMs) 作为核心，包含记忆控制、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。ModelScope-Agent 系统架构如下：

ModelScope-Agent 框架是如何执行的

ModelScope-Agent 的工作原理是，把目标拆分成更小的任务，然后一项一项完成。比如，当用户请求「写一个简短故事，并用女声朗读，同时配个视频」时，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，极大提升了使用便捷性。

开源大模型训练框架：全新的训练方法、数据和模型开源化

除了 ModelScope-Agent 框架之外，研究团队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。

研究团队还发布了一个名为MSAgent-Bench的高质量中英数据集，其中包含60万个具备多轮多步工具指令调用能力的样本。基于这个数据集，研究团队采用了新的训练方法，对Qwen-7B模型进行了优化，得到了一个名为MSAgent-Qwen-7B的模型。相关的数据集和模型已经在开源平台上公开发布

• MSAgent-Bench：https://modelscope.cn/datasets/damo/MSAgent-Bench/summary
• MSAgent-Qwen-7B：https://modelscope.cn/models/damo/MSAgent-Qwen-7B/summary

重写后的内容：集成工具清单

目前 ModelScope-Agent 已经默认接入了自然语言处理、语音、视觉、多模态等众多 AI 模型，还默认集成了知识检索、API 检索等开源方案。

ModelScope-Agent 实践

ModelScope-Agent github 还提供了保姆级实践 demo 页，让小白新手也能搭建属于自己的智能体。

请下载演示笔记本：https://github.com/modelscope/modelscope-agent/blob/master/demo/demo_qwen_agent.ipynb

1、首先拉取 ModelScope-Agent 代码并安装相关依赖

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

3、中枢大模型启动

4、代理构建和使用，依赖之前构建好的大模型，工具列表，工具检索和记忆模块

注册新工具实践

1、在拉取 ModelScope-Agent 代码后，进入 modelscope_agent/tools 目录，在代码层面新增一个名为 custom_tool.py 的文件。在该文件中配置 API 所需的：描述（description）、名称（name）和参数（parameters）。同时，增加两种调用方式的选项：local_call（本地调用）和 remote_call（远程调用）

需要重新写的内容是：2、配置环境和大模型部署参考前一章节的2、3

3、将新注册的工具构建成列表，并添加到Agent的构建过程中

4、使用agen.run()方法，输入查询(query)来测试工具是否能够成功调用相应的API

5、代理会自动调用相应的API，并将执行结果返回给主模型，主模型再返回回复

One More Thing

开发者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，未来也会适配更多新增的开源大模型，推出更多基于 ModelScope-Agent 开发的应用，如客户服务 Agent、个人助理 Agent、story Agent、Motion Agent、multi-Agent（多模态 Agent） 等等。