模型

AgentScope中，模型的部署和调用是通过ModelWrapper来解耦开的，开发者可以通过提供模型配置（Model config）的方式指定模型，同时AgentScope也提供脚本支持开发者自定义模型服务。

支持模型

目前，AgentScope内置以下模型服务API的支持：

OpenAI API，包括对话（Chat），图片生成（DALL-E)和文本嵌入（Embedding）。
DashScope API，包括对话（Chat）和图片生成（Image Sythesis)和文本嵌入（Text Embedding)。
Gemini API，包括对话（Chat）和嵌入（Embedding）。
ZhipuAi API，包括对话（Chat）和嵌入（Embedding）。
Ollama API，包括对话（Chat），嵌入（Embedding）和生成（Generation）。
LiteLLM API, 包括对话（Chat）, 支持各种模型的API.
Post请求API，基于Post请求实现的模型推理服务，包括Huggingface/ModelScope Inference API和各种符合Post请求格式的API。

配置方式

AgentScope中，用户通过agentscope.init接口中的model_configs参数来指定模型配置。 model_configs可以是一个字典，或是一个字典的列表，抑或是一个指向模型配置文件的路径。

import agentscope

agentscope.init(model_configs=MODEL_CONFIG_OR_PATH)

其中model_configs的一个例子如下：

model_configs = [
    {
        "config_name": "gpt-4-temperature-0.0",
        "model_type": "openai_chat",
        "model_name": "gpt-4",
        "api_key": "xxx",
        "organization": "xxx",
        "generate_args": {
            "temperature": 0.0
        }
    },
    {
        "config_name": "dall-e-3-size-1024x1024",
        "model_type": "openai_dall_e",
        "model_name": "dall-e-3",
        "api_key": "xxx",
        "organization": "xxx",
        "generate_args": {
            "size": "1024x1024"
        }
    },
    # 在这里可以配置额外的模型
]

配置格式

AgentScope中，模型配置是一个字典，用于指定模型的类型以及设定调用参数。我们将模型配置中的字段分为_基础参数_和_调用参数_两类。其中，基础参数包括config_name和model_type两个基本字段，分别用于区分不同的模型配置和具体的ModelWrapper类型。

{
    # 基础参数
    "config_name": "gpt-4-temperature-0.0",     # 模型配置名称
    "model_type": "openai_chat",                # 对应`ModelWrapper`类型

    # 详细参数
    # ...
}

基础参数

基础参数中，config_name是模型配置的标识，我们将在初始化智能体时用该字段指定使用的模型服务。

model_type对应了ModelWrapper的类型，用于指定模型服务的类型。对应源代码中ModelWrapper 类的model_type字段。

class OpenAIChatWrapper(OpenAIWrapper):
    """The model wrapper for OpenAI's chat API."""

    model_type: str = "openai_chat"
    # ...

在目前的AgentScope中，所支持的model_type类型，对应的ModelWrapper类，以及支持的 API如下：

API	Task	Model Wrapper	`model_type`	Some Supported Models
OpenAI API	Chat	`OpenAIChatWrapper`	`"openai_chat"`	gpt-4, gpt-3.5-turbo, …
	Embedding	`OpenAIEmbeddingWrapper`	`"openai_embedding"`	text-embedding-ada-002, …
	DALL·E	`OpenAIDALLEWrapper`	`"openai_dall_e"`	dall-e-2, dall-e-3
DashScope API	Chat	`DashScopeChatWrapper`	`"dashscope_chat"`	qwen-plus, qwen-max, …
	Image Synthesis	`DashScopeImageSynthesisWrapper`	`"dashscope_image_synthesis"`	wanx-v1
	Text Embedding	`DashScopeTextEmbeddingWrapper`	`"dashscope_text_embedding"`	text-embedding-v1, text-embedding-v2, …
	Multimodal	`DashScopeMultiModalWrapper`	`"dashscope_multimodal"`	qwen-vl-plus, qwen-vl-max, qwen-audio-turbo, …
Gemini API	Chat	`GeminiChatWrapper`	`"gemini_chat"`	gemini-pro, …
	Embedding	`GeminiEmbeddingWrapper`	`"gemini_embedding"`	models/embedding-001, …
ZhipuAI API	Chat	`ZhipuAIChatWrapper`	`"zhipuai_chat"`	glm-4, …
	Embedding	`ZhipuAIEmbeddingWrapper`	`"zhipuai_embedding"`	embedding-2, …
ollama	Chat	`OllamaChatWrapper`	`"ollama_chat"`	llama2, …
	Embedding	`OllamaEmbeddingWrapper`	`"ollama_embedding"`	llama2, …
	Generation	`OllamaGenerationWrapper`	`"ollama_generate"`	llama2, …
LiteLLM API	Chat	`LiteLLMChatWrapper`	`"litellm_chat"`	-
Post Request based API	-	`PostAPIModelWrapperBase`	`"post_api"`	-
	Chat	`PostAPIChatModelWrapper`	`"post_api_chat"`	meta-llama/Meta-Llama-3-8B-Instruct, …

详细参数

根据ModelWrapper的不同，详细参数中所包含的参数不同。但是所有的详细参数都会用于初始化ModelWrapper类的实例，因此，更详细的参数说明可以根据ModelWrapper类的构造函数来查看。下面展示了不同ModelWrapper对应的模型配置样例，用户可以修改这些样例以适应自己的需求。

OpenAI API

OpenAI Chat API (agents.models.OpenAIChatWrapper)

{
    "config_name": "{your_config_name}",
    "model_type": "openai_chat",

    # 必要参数
    "model_name": "gpt-4",

    # 可选参数
    "api_key": "{your_api_key}",                # OpenAI API Key，如果没有提供，将从环境变量中读取
    "organization": "{your_organization}",      # Organization name，如果没有提供，将从环境变量中读取
    "client_args": {                            # 用于初始化OpenAI API Client的参数
        # 例如："max_retries": 3,
    },
    "generate_args": {                          # 模型API接口被调用时传入的参数
        # 例如："temperature": 0.0
    },
    "budget": 100                               # API费用预算
}

OpenAI DALL·E API (agentscope.models.OpenAIDALLEWrapper)

{
    "config_name": "{your_config_name}",
    "model_type": "openai_dall_e",

    # 必要参数
    "model_name": "{model_name}",               # OpenAI model name, 例如：dall-e-2, dall-e-3

    # 可选参数
    "api_key": "{your_api_key}",                # OpenAI API Key，如果没有提供，将从环境变量中读取
    "organization": "{your_organization}",      # Organization name，如果没有提供，将从环境变量中读取
    "client_args": {                            # 用于初始化OpenAI API Client的参数
        # 例如："max_retries": 3,
    },
    "generate_args": {                          # 模型API接口被调用时传入的参数
        # 例如："n": 1, "size": "512x512"
    }
}

OpenAI Embedding API (agentscope.models.OpenAIEmbeddingWrapper)

{
    "config_name": "{your_config_name}",
    "model_type": "openai_embedding",

    # 必要参数
    "model_name": "{model_name}",               # OpenAI model name, 例如：text-embedding-ada-002, text-embedding-3-small

    # 可选参数
    "api_key": "{your_api_key}",                # OpenAI API Key，如果没有提供，将从环境变量中读取
    "organization": "{your_organization}",      # Organization name，如果没有提供，将从环境变量中读取
    "client_args": {                            # 用于初始化OpenAI API Client的参数
        # 例如："max_retries": 3,
    },
    "generate_args": {                          # 模型API接口被调用时传入的参数
        # 例如："encoding_format": "float"
    }
}

DashScope API

DashScope Chat API (agentscope.models.DashScopeChatWrapper)

{
    "config_name": "my_dashscope_chat_config",
    "model_type": "dashscope_chat",

    # 必要参数
    "model_name": "{model_name}",               # DashScope Chat API中的模型名， 例如：qwen-max

    # 可选参数
    "api_key": "{your_api_key}",                # DashScope API Key，如果没有提供，将从环境变量中读取
    "generate_args": {
        # 例如："temperature": 0.5
    },
}

DashScope Image Synthesis API (agentscope.models.DashScopeImageSynthesisWrapper)

{
    "config_name": "my_dashscope_image_synthesis_config",
    "model_type": "dashscope_image_synthesis",

    # 必要参数
    "model_name": "{model_name}",               # DashScope Image Synthesis API中的模型名， 例如：wanx-v1

    # 可选参数
    "api_key": "{your_api_key}",
    "generate_args": {
        "negative_prompt": "xxx",
        "n": 1,
        # ...
    }
}

DashScope Text Embedding API (agentscope.models.DashScopeTextEmbeddingWrapper)

{
    "config_name": "my_dashscope_text_embedding_config",
    "model_type": "dashscope_text_embedding",

    # 必要参数
    "model_name": "{model_name}",               # DashScope Text Embedding API中的模型名, 例如：text-embedding-v1

    # 可选参数
    "api_key": "{your_api_key}",
    "generate_args": {
        # ...
    },
}

DashScope Multimodal Conversation API (agentscope.models.DashScopeMultiModalWrapper)

{
    "config_name": "my_dashscope_multimodal_config",
    "model_type": "dashscope_multimodal",

    # Required parameters
    "model_name": "{model_name}",               # The model name in DashScope Multimodal Conversation API, e.g. qwen-vl-plus

    # Optional parameters
    "api_key": "{your_api_key}",
    "generate_args": {
        # ...
    },
}

Gemini API

Gemini Chat API (agentscope.models.GeminiChatWrapper)

{
    "config_name": "my_gemini_chat_config",
    "model_type": "gemini_chat",

    # 必要参数
    "model_name": "{model_name}",               # Gemini Chat API中的模型名，例如：gemini-pro

    # 可选参数
    "api_key": "{your_api_key}",                # 如果没有提供，将从环境变量GEMINI_API_KEY中读取
}

Gemini Embedding API (agentscope.models.GeminiEmbeddingWrapper)

{
    "config_name": "my_gemini_embedding_config",
    "model_type": "gemini_embedding",

    # 必要参数
    "model_name": "{model_name}",               # Gemini Embedding API中的模型名，例如：models/embedding-001

    # 可选参数
    "api_key": "{your_api_key}",                # 如果没有提供，将从环境变量GEMINI_API_KEY中读取
}

ZhipuAI API

ZhipuAI Chat API (agentscope.models.ZhipuAIChatWrapper)

{
    "config_name": "my_zhipuai_chat_config",
    "model_type": "zhipuai_chat",

    # Required parameters
    "model_name": "{model_name}",               # The model name in ZhipuAI API, e.g. glm-4

    # Optional parameters
    "api_key": "{your_api_key}"
}

ZhipuAI Embedding API (agentscope.models.ZhipuAIEmbeddingWrapper)

{
    "config_name": "my_zhipuai_embedding_config",
    "model_type": "zhipuai_embedding",

    # Required parameters
    "model_name": "{model_name}",               # The model name in ZhipuAI API, e.g. embedding-2

    # Optional parameters
    "api_key": "{your_api_key}",
}

Ollama API

Ollama Chat API (agentscope.models.OllamaChatWrapper)

{
    "config_name": "my_ollama_chat_config",
    "model_type": "ollama_chat",

    # 必要参数
    "model_name": "{model_name}",               # ollama Chat API中的模型名, 例如：llama2

    # 可选参数
    "options": {                                # 模型API接口被调用时传入的参数
        # 例如："temperature": 0., "seed": 123,
    },
    "keep_alive": "5m",                         # 控制一次调用后模型在内存中的存活时间
}

Ollama Generation API (agentscope.models.OllamaGenerationWrapper)

{
    "config_name": "my_ollama_generate_config",
    "model_type": "ollama_generate",

    # 必要参数
    "model_name": "{model_name}",               # ollama Generate API, 例如：llama2

    # 可选参数
    "options": {                                # 模型API接口被调用时传入的参数
        # "temperature": 0., "seed": 123,
    },
    "keep_alive": "5m",                         # 控制一次调用后模型在内存中的存活时间
}

Ollama Embedding API (agentscope.models.OllamaEmbeddingWrapper)

{
    "config_name": "my_ollama_embedding_config",
    "model_type": "ollama_embedding",

    # 必要参数
    "model_name": "{model_name}",               # ollama Embedding API, 例如：llama2

    # 可选参数
    "options": {                                # 模型API接口被调用时传入的参数
        # "temperature": 0., "seed": 123,
    },
    "keep_alive": "5m",                         # 控制一次调用后模型在内存中的存活时间
}

LiteLLM Chat API

LiteLLM Chat API (agentscope.models.LiteLLMChatModelWrapper)

{
    "config_name": "lite_llm_openai_chat_gpt-3.5-turbo",
    "model_type": "litellm_chat",
    "model_name": "gpt-3.5-turbo" # You should note that for different models, you should set the corresponding environment variables, such as OPENAI_API_KEY, etc. You may refer to https://docs.litellm.ai/docs/ for this.
},

Post Request API

Post request API (agentscope.models.PostAPIModelWrapperBase)

{
    "config_name": "my_postapiwrapper_config",
    "model_type": "post_api",

    # 必要参数
    "api_url": "https://xxx.xxx",
    "headers": {
        # 例如："Authorization": "Bearer xxx",
    },

    # 可选参数
    "messages_key": "messages",
}

Post Request Chat API

Post request Chat API (agentscope.models.PostAPIChatModelWrapper)

{
    "config_name": "my_postapichatwrapper_config",
    "model_type": "post_api_chat",

    # 必要参数
    "api_url": "https://xxx.xxx",
    "headers": {
        # 例如："Authorization": "Bearer xxx",
    },

    # 可选参数
    "messages_key": "messages",
}

从零搭建模型服务

针对需要自己搭建模型服务的开发者，AgentScope提供了一些脚本来帮助开发者快速搭建模型服务。您可以在scripts目录下找到这些脚本以及说明。

具体而言，AgentScope提供了以下模型服务的脚本：

关于如何快速启动这些模型服务，用户可以参考scripts目录下的README.md文件。

创建自己的Model Wrapper

AgentScope允许开发者自定义自己的模型包装器。新的模型包装器类应该

继承自ModelWrapperBase类，
提供model_type字段以在模型配置中标识这个Model Wrapper类，并
实现__init__和__call__函数。

from agentscope.models import ModelWrapperBase


class MyModelWrapper(ModelWrapperBase):
    model_type: str = "my_model"

    def __init__(self, config_name, my_arg1, my_arg2, **kwargs):
        # 初始化模型实例
        super().__init__(config_name=config_name)
        # ...

    def __call__(self, input, **kwargs) -> str:
        # 调用模型实例
        # ...

在创建新的模型包装器类之后，模型包装器将自动注册到AgentScope中。您可以直接在模型配置中使用它。

my_model_config = {
    # 基础参数
    "config_name": "my_model_config",
    "model_type": "my_model",

    # 详细参数
    "my_arg1": "xxx",
    "my_arg2": "yyy",
    # ...
}

[返回顶部]