II-Agent - Detalhes do Projeto

Visão Geral do Projeto

II-Agent é um assistente inteligente de código aberto, projetado para simplificar e aprimorar fluxos de trabalho em diversos domínios. Representa um avanço significativo na forma como interagimos com a tecnologia – de ferramentas passivas para sistemas inteligentes capazes de executar tarefas complexas de forma independente.

Endereço do Projeto: https://github.com/Intelligent-Internet/ii-agent

Características Principais

O II-Agent é construído em torno do fornecimento de uma interface de agente para modelos Anthropic Claude, oferecendo as seguintes funcionalidades:

• Interface CLI: Interação direta via linha de comando
• Servidor WebSocket: Suporte para front-ends React modernos
• Integração com Google Cloud Vertex AI: Acesso aos modelos Anthropic via API

Áreas de Aplicação e Funcionalidades

Área	Funcionalidades do II-Agent
Pesquisa e Verificação de Fatos	Pesquisa na web em várias etapas, triangulação de fontes de informação, anotações estruturadas, resumos rápidos
Geração de Conteúdo	Rascunhos de blogs e artigos, planos de aula, ensaios criativos, manuais técnicos, criação de sites
Análise de Dados e Visualização	Limpeza de dados, análise estatística, detecção de tendências, criação de gráficos, geração automática de relatórios
Desenvolvimento de Software	Síntese de código, refatoração, depuração, escrita de testes, tutoriais passo a passo em várias linguagens
Automação de Fluxos de Trabalho	Geração de scripts, automação de navegadores, gerenciamento de arquivos, otimização de processos
Resolução de Problemas	Decomposição de problemas, exploração de caminhos alternativos, orientação passo a passo, resolução de problemas

Arquitetura do Sistema

O sistema II-Agent emprega uma abordagem complexa para construir um agente de IA multifuncional, com os seguintes métodos principais:

1. Arquitetura Central do Agente e Interação com LLM

• Prompts de sistema dinamicamente personalizados para o contexto
• Gerenciamento abrangente do histórico de interações
• Gerenciamento inteligente de contexto para lidar com limitações de tokens
• Chamadas LLM sistematizadas e seleção de funções
• Otimização iterativa por meio de ciclos de execução

2. Planejamento e Reflexão

• Raciocínio estruturado para resolução de problemas complexos
• Decomposição de problemas e pensamento sequencial
• Processo de tomada de decisão transparente
• Formação e teste de hipóteses

3. Capacidades de Execução

• Operações do sistema de arquivos com edição inteligente de código
• Execução de linha de comando em ambientes seguros
• Interação avançada na web e automação de navegadores
• Conclusão de tarefas e relatórios
• Funcionalidades dedicadas para várias modalidades (experimental): PDF, áudio, imagem, vídeo, slides
• Integração de pesquisa aprofundada

4. Gerenciamento de Contexto

• Estimativa e otimização do uso de tokens
• Truncamento estratégico para interações longas
• Arquivamento baseado em arquivos para grandes saídas

5. Comunicação em Tempo Real

• Interface interativa baseada em WebSocket
• Instâncias de agente isoladas por cliente
• Eventos de operação de streaming para uma experiência de usuário responsiva

Avaliação de Desempenho

O II-Agent foi avaliado no benchmark GAIA, que avalia agentes baseados em LLM em execução em cenários do mundo real, abrangendo várias dimensões, incluindo processamento multimodal, utilização de ferramentas e pesquisa na web.

Vários problemas com o benchmark GAIA foram descobertos durante o processo de avaliação:

• Erros de Anotação: Várias anotações incorretas no conjunto de dados
• Informações Desatualizadas: Algumas questões referem-se a sites ou conteúdos que não estão mais acessíveis
• Ambiguidade Linguística: Redação pouco clara levando a diferentes interpretações das questões

Apesar desses desafios, o II-Agent teve um bom desempenho no benchmark, especialmente em áreas que exigem raciocínio complexo, uso de ferramentas e planejamento em várias etapas.

Instalação e Configuração

Requisitos do Sistema

• Python 3.10+
• Node.js 18+ (para o frontend)
• Projeto Google Cloud com a API Vertex AI habilitada ou chave de API Anthropic

Configuração do Ambiente

Crie um arquivo .env no diretório raiz:

# Ferramentas de geração de imagem e vídeo
OPENAI_API_KEY=your_openai_key
OPENAI_AZURE_ENDPOINT=your_azure_endpoint

# Provedores de pesquisa
TAVILY_API_KEY=your_tavily_key
#JINA_API_KEY=your_jina_key
#FIRECRAWL_API_KEY=your_firecrawl_key

# Para pesquisa de imagens e melhores resultados de pesquisa, use SerpAPI
#SERPAPI_API_KEY=your_serpapi_key

STATIC_FILE_BASE_URL=http://localhost:8000/

# Se estiver usando o cliente Anthropic
ANTHROPIC_API_KEY=

# Se estiver usando o Google Vertex (recomendado, se tiver permissão para obter taxa de transferência extra)
#GOOGLE_APPLICATION_CREDENTIALS=

Configuração do ambiente frontend, crie um arquivo .env no diretório frontend:

NEXT_PUBLIC_API_URL=http://localhost:8000

Passos de Instalação

1. Clone o Repositório

2. Configure o Ambiente Python:

python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install -e .

3. Configure o Frontend (Opcional):

cd frontend
npm install

Como Usar

Uso da CLI

Usando o cliente Anthropic:

python cli.py

Usando o Vertex:

python cli.py --project-id YOUR_PROJECT_ID --region YOUR_REGION

Opções da CLI:

• --project-id: ID do projeto Google Cloud
• --region: Região do Google Cloud (ex: us-east5)
• --workspace: Caminho do diretório do espaço de trabalho (padrão: ./workspace)
• --needs-permission: Requer permissão antes de executar comandos
• --minimize-stdout-logs: Reduz a quantidade de logs impressos no stdout

Uso da Interface Web

1. Inicie o Servidor WebSocket:

Usando o cliente Anthropic:

export STATIC_FILE_BASE_URL=http://localhost:8000
python ws_server.py --port 8000

Usando o Vertex:

export STATIC_FILE_BASE_URL=http://localhost:8000
python ws_server.py --port 8000 --project-id YOUR_PROJECT_ID --region YOUR_REGION

2. Inicie o Frontend (em um terminal separado):

cd frontend
npm run dev

3. Abra o navegador e acesse http://localhost:3000

Estrutura do Projeto

• cli.py: Interface de linha de comando
• ws_server.py: Servidor WebSocket para o frontend
• src/ii_agent/: Implementação central do agente
  • agents/: Implementações de agentes
  • llm/: Interfaces de cliente LLM
  • tools/: Implementações de ferramentas
  • utils/: Funções utilitárias

Características Técnicas

A estrutura do II-Agent é arquitetada em torno das capacidades de raciocínio de grandes modelos de linguagem como o Claude 3.7 Sonnet, apresentando uma abordagem abrangente e poderosa para construir agentes de IA multifuncionais. Através da combinação sinérgica de um LLM robusto, um rico conjunto de capacidades de execução, mecanismos explícitos de planejamento e reflexão e estratégias inteligentes de gerenciamento de contexto, o II-Agent é capaz de lidar com uma ampla gama de tarefas complexas e de várias etapas.

Resumo

O II-Agent representa um avanço significativo na tecnologia de agentes inteligentes, com sua natureza de código aberto e design extensível fornecendo uma base sólida para pesquisa e desenvolvimento contínuos no campo de agentes de IA em rápida evolução. Através de suas capacidades de aplicação em vários domínios e arquitetura técnica robusta, o II-Agent oferece aos usuários uma plataforma de assistente inteligente abrangente e fácil de usar.