AgentNode

AgentNode#

概述#

AgentNode 是 EvoFabric 中的智能体节点，继承自 AsyncStreamNode，集成了 记忆管理、工具调用、LLM 调用 和 输入输出格式化 功能。 它适用于需要自然语言交互、状态追踪以及工具操作的复杂工作流场景。

工作流程：

  1. 调用记忆模块的 retrieval_update() ，按顺序更新上下文状态。

  2. 使用 input_msg_format 模板，将输入状态格式化为 LLM 可识别的消息。

  3. 调用 ChatClientBase 执行推理，获取初步回复。

  4. 根据需要调用工具管理器执行相关操作。

  5. 使用 output_msg_format 模板将 LLM 回复渲染为最终输出。

  6. 调用记忆模块的 add_messages() 按顺序更新记忆。

特性#

  • 集成记忆管理：可同时管理多个记忆组件，实现上下文追踪。

  • 工具调用支持：可在推理过程中动态调用注册的工具。

  • LLM 推理封装：统一管理输入格式化、推理参数和输出渲染。

  • 流式输出：通过 StreamWriter 实现逐步输出 LLM 回复。

  • Pydantic 输出验证：支持 output_schema 对 LLM 输出进行结构化校验。

使用方法#

from pydantic import BaseModel
from evofabric.core.agent import AgentNode

class OutputSchema(BaseModel):
    name: str = "Alice"
    age: int = 32

agent_node = AgentNode(
    client=my_llm_client,
    system_prompt="You are an assistant.",
    tool_manager=[my_tool_manager],
    memory=[my_memory_component],
    output_schema=OutputSchema,
    input_msg_format="{{ state.query }}",
    output_msg_format="My name is {{ name }}, my age in {{ age }}"
)

...
graph.add_node("agent", agent_node)
目录