Detaillierte Projektbeschreibung von JoyAgent-JDGenie

Projektübersicht

JoyAgent-JDGenie ist ein von JD Open Source entwickeltes End-to-End-Produkt-Level-Framework für allgemeine Multi-Agenten-Systeme, das speziell dafür konzipiert wurde, das "Last-Mile"-Problem beim schnellen Aufbau von Multi-Agenten-Produkten zu lösen. Im Gegensatz zu bestehenden Open-Source-Agenten, die als SDKs oder Frameworks konzipiert sind, ist JoyAgent-JDGenie ein End-to-End-Multi-Agenten-Produkt, das eingegebene Anfragen (Queries) oder Aufgaben direkt beantworten oder lösen kann.

Kernfunktionen

1. Sofort einsatzbereites Komplettprodukt

• End-to-End-Lösung: Benutzer erhalten direkt Ergebnisse nach Eingabe einer Anfrage oder Aufgabe, ohne zusätzliche Entwicklung.
• Unterstützung für mehrere Ausgabeformate: Unterstützt die Generierung von Berichts-Dokumenten im Web- und PPT-Format.
• Leichte Bereitstellung: Im Vergleich zu anderen Produkten nicht von einem spezifischen Cloud-Plattform-Ökosystem abhängig.

2. Herausragende Leistung

Mit einer Genauigkeit von 75,15 % in der GAIA-Rangliste hat es branchenbekannte Produkte wie OWL (CAMEL), Smolagent (Huggingface), LRC-Huawei (Huawei), xManus (OpenManus) und AutoAgent (University of Hong Kong) übertroffen.

3. Vollständige technische Architektur

Multi-Agenten-Kooperationsmodus

• Multi-Level-Ausführung: Unterstützt zwei Ebenen: Work-Level und Task-Level.
• Multi-Pattern-Modus: Umfasst den Plan-and-Executor-Modus und den React-Modus.
• Hochparalleler DAG-Ausführungs-Engine: Bietet höchste Ausführungseffizienz.

Kern-Sub-Agenten

• Berichtsgenerierungs-Agent (Report Agent)
• Code-Agent (Code Agent)
• PPT-Agent
• Datei-Agent
• Such-Agent (Search Agent)

Technische Besonderheiten

1. Agenten-Framework-Protokoll

• Unterstützt verschiedene Agenten-Designmuster.
• Multi-Agenten-Kontextverwaltung.
• Plug-and-Play-Design für Sub-Agenten und Tools.

2. Erweiterte Funktionen

• Iterative Optimierung basierend auf bestehenden Tools: Neue Tools werden iterativ aus vorhandenen Tools generiert, anstatt direkt von Grund auf neu erstellt zu werden.
• Automatische Kombination von Atom-Tools: Vorhandene Tools werden implizit in Atom-Tools zerlegt und durch große Modelle automatisch zu neuen Tools kombiniert.
• End-to-End-Streaming-Ausgabe: Unterstützt Echtzeit-Antworten und Streaming der Ergebnisse.
• RL-Optimierung für Plan- und Tool-Aufrufe: Optimierung des Entscheidungsprozesses durch Reinforcement Learning.

3. Vielfältige Dateibereitstellung

Unterstützt verschiedene Ausgabeformate:

• HTML-Format
• PowerPoint-Präsentation
• Markdown-Dokument

Systemanforderungen

Systemanforderungen

• Java-Umgebung: JDK 17
• Python-Umgebung: Python 3.11

Python-Umgebung vorbereiten

pip install uv
cd genie-tool
uv sync
source .venv/bin/activate

Installation und Bereitstellung

Methode 1: Bereitstellung aus dem Quellcode

1. Projekt klonen

git clone https://github.com/jd-opensource/joyagent-jdgenie.git
cd genie-tool

2. Umgebung konfigurieren

Bearbeiten Sie die Datei .env.example, um die relevanten Parameter für die Ausführung der Tools zu konfigurieren.

3. Dienst starten

Erste Ausführung:

sh start_genie_init.sh

Nachfolgende Starts:

sh start_genie.sh

Methode 2: Docker-Bereitstellung

1. Image erstellen

cd genie-tool
docker build -t genie:latest .

2. Container ausführen

# -v Lokalen Speicher einrichten -e Konversationsmodell einrichten
docker run -d -p 3004:3000 -p 8080:8080 -p 1601:1601 \
  -v /Users/{user}/code/autobots/genie/genie-tool:/data/genie-tool \
  -e OPENAI_BASE_URL="" -e OPENAI_API_KEY="" \
  --name genie-app genie:latest

Erweiterte Entwicklung

Benutzerdefinierte Tool-Entwicklung

1. Implementierung des BaseTool-Interfaces

/**
 * Basis-Tool-Interface
 */
public interface BaseTool {
    String getName();           // Tool-Name
    String getDescription();    // Tool-Beschreibung
    Map<String, Object> toParams(); // Tool-Parameter
    Object execute(Object input);   // Tool aufrufen
}

2. Beispiel für die Erstellung eines benutzerdefinierten Agenten

// Beispiel für einen Wetter-Agenten
public class WeatherTool implements BaseTool {
    @Override
    public String getName() {
        return "agent_weather";
    }

    @Override
    public String getDescription() {
        return "Dies ist ein Agent, der das Wetter abfragen kann";
    }

    @Override
    public Map<String, Object> toParams() {
        return "{\"type\":\"object\",\"properties\":{\"location\":{\"description\":\"地点\",\"type\":\"string\"}},\"required\":[\"location\"]}";
    }

    @Override
    public Object execute(Object input) {
        return "Heute ist das Wetter sonnig";
    }
}

3. Benutzerdefinierten Agenten registrieren

Fügen Sie in com.jd.genie.controller.GenieController#buildToolCollection hinzu:

WeatherTool weatherTool = new WeatherTool();
toolCollection.addTool(weatherTool);

MCP-Dienstintegration

Konfigurieren Sie in genie-backend/src/main/resources/application.yml:

mcp_server_url: "http://ip1:port1/sse,http://ip2:port2/sse"

Vergleich mit anderen Frameworks

Kategorie	Agent	Open Source?	Open Source als komplettes Produkt?	Abhängig vom Ökosystem?
SDK-Klasse	SpringAI-Alibaba	Teilweise	Nein, nur SDK ist Open Source	Ja (Alibaba Cloud Bailian Plattform)
SDK-Klasse	Coze	Teilweise	Nein, nur Teile des Nieo SDK sind Open Source	Ja (Volcano Engine Plattform)
Framework-Klasse	Fellow	Ja	Nein, nur das Eko Agenten-Framework ist Open Source	Nein
Framework-Klasse	Dify	Ja	Nein, nur das Agenten-Framework ist Open Source	Nein
Framework-Klasse	OpenManus	Ja	Nein, nur das Agenten-Framework ist Open Source	Nein
Produkt-Klasse	JoyAgent-JDGenie	Ja	Ja, Open Source als komplettes End-to-End-Agentenprodukt	Nein

GAIA Benchmark-Ergebnisse

Agent	Score	Score_Level1	Score_Level2	Score_Level3	Organisation
Alita v2.1	0.8727	0.8868	0.8953	0.7692	Princeton
Skywork	0.8242	0.9245	0.8372	0.5769	天工
AWorld	0.7758	0.8868	0.7791	0.5385	Ant Group
Langfun	0.7697	0.8679	0.7674	0.5769	DeepMind
JoyAgent-JDGenie	0.7515	0.8679	0.7791	0.4230	京东
OWL	0.6424	0.7547	0.6512	0.3846	CAMEL
Smolagent	0.5515	0.6792	0.5349	0.3462	Huggingface

Zusammenfassung

JoyAgent-JDGenie, als von JD Open Source entwickeltes End-to-End-Multi-Agenten-Framework, bietet die folgenden Kernvorteile:

1. Hoher Produktisierungsgrad: Bietet eine vollständige End-to-End-Lösung, sofort einsatzbereit.
2. Hervorragende Leistung: Zeigt herausragende Ergebnisse in den GAIA-Benchmark-Tests und übertrifft mehrere bekannte Open-Source-Projekte.
3. Fortschrittliche Architektur: Unterstützt verschiedene Multi-Agenten-Kooperationsmodi und hochparallele Ausführung.
4. Starke Erweiterbarkeit: Unterstützt die flexible Integration benutzerdefinierter Agenten und Tools.
5. Einfache Bereitstellung: Bietet verschiedene Bereitstellungsmethoden und ist nicht von einem spezifischen Cloud-Plattform-Ökosystem abhängig.

Dieses Projekt bietet Unternehmen und Entwicklern eine leistungsstarke und flexible Multi-Agenten-Lösung, die sich besonders für Szenarien eignet, in denen Agenten-Anwendungen schnell erstellt werden müssen.