谷歌搜索引擎免费入口宁波seo教程app推广
这篇文章瞄的是AutoGen官方教学文档 Advanced 章节中的 Serializing Components 篇章，介绍了如何对组件进行序列化，包括终止条件、Agent、Team。
- 官网链接：https://microsoft.github.io/autogen/stable/user-guide/agentchat-user-guide/serialize-components.html ；
【注意】：无论是序列化反序列化，在加载配置时必须与保存时对象的结构一致，这里的保存和加载其实是对 配置 进行保存和加载，而不是对这个实例进行操作。
Serializing Components
AutoGen提供了一个 Component 配置类，定义了将组件序列化和反序列化的规范，通过使用函数 .dump_component() 和 .load_component() 来实现这两个功能。就我个人而言序列化和反序列化的最常见的作用就是分享实例，可以将实例整体压缩到很小的体积。
微软在这里写了以下三个警告：
- 序列化与反序列化仅能用来加载 可信赖 的组件；
- 每个组件都实现了序列化与反序列化的逻辑，如何生成声明性规范以及如何将其转换回对象；
- 在某些情况下序列化与反序列化后可能包含代码，因此仅用来加载 可信赖 的组件；
这里之所以强调 可信赖 是因为一旦进行反序列化加载到内存中后，具体配置是看不见的，除非再将配置序列化到本地进行内容对比。
【注意】因为这里的序列化和反序列化函数返回的是 Component 而非真正意义上的 json，所以需要我们自己手动进行转换，下面这段代码在本小节中所有示例中都通用，运行demo时只需要将其复制粘贴到指定位置即可：
from typing import Any
import json#------------------------------------------------------#
# 自定义转化类
class CustomJSONEncoder(json.JSONEncoder):def default(self, obj):if hasattr(obj, "__dict__"): # 处理对象类型return obj.__dict__ return super().default(obj) # 让 JSONEncoder 处理其余情况#------------------------------------------------------#
# 将json保存到本地的函数
def save_json(data: Any, filename: str) -> None:try:with open(filename, "w", encoding="utf-8") as file:json.dump(data, file, indent=4, ensure_ascii=False, cls=CustomJSONEncoder)print(f"数据成功保存到 {filename}")except Exception as e:print(f"保存 JSON 文件时出错: {e}")#------------------------------------------------------#
# 从本地加载json的函数
def load_json(filename: str) -> None:try:with open(filename, "r", encoding="utf-8") as file:data = json.load(file)print(f"数据成功从 {filename} 加载")return dataexcept FileNotFoundError:print(f"错误: 文件 {filename} 不存在")except json.JSONDecodeError:print(f"错误: 无法解析 {filename} 中的 JSON 数据")except Exception as e:print(f"加载 JSON 文件时出错: {e}")
Termination Condition Example
这个demo中展示了如何将终止条件 Termination Condition 导出dict 或者 json 格式的数据，我在官网代码的基础上添加了本地IO的操作以更好模拟导出与加载：
- 导出json：
import json
from typing import Anyfrom autogen_agentchat.conditions import MaxMessageTermination, StopMessageTermination#------------------------------------------------------#
# 将 [Serializing Components] 的保存与加载代码粘贴到此处
#------------------------------------------------------#
# 定义两个终止条件并将其进行序列化
max_termination = MaxMessageTermination(5)
stop_termination = StopMessageTermination()or_termination = max_termination | stop_terminationor_term_config = or_termination.dump_component()
print("Config: \n", or_term_config.model_dump_json())save_json(or_term_config, "./termination.json")
运行结果如下：
$ python demo.py
- 导入json：
【注意】：加载时需要保证 类型相同，配置会在加载后修改成本地文件中的指定值
import jsonfrom autogen_agentchat.conditions import MaxMessageTermination, StopMessageTermination#------------------------------------------------------#
# 将 [Serializing Components] 的保存与加载代码粘贴到此处
#------------------------------------------------------## Step1. 定义一个相同结构的终止条件但配置不同
or_termination = MaxMessageTermination(10) | StopMessageTermination()
print(or_termination)
print(or_termination.dump_component())
print("-" * 50)#------------------------------------------------------#
# Step2. 从本地文件中加载这个配置并打印
new_or_termination = or_termination.load_component(or_term_config)
print(new_or_termination.dump_component())运行结果如下：
$ python demo.py
其整个交互的内容termination.json如下：
{"provider": "autogen_agentchat.base.OrTerminationCondition","component_type": "termination","version": 1,"component_version": 1,"description": null,"label": "OrTerminationCondition","config": {"conditions": [{"provider": "autogen_agentchat.conditions.MaxMessageTermination","component_type": "termination","version": 1,"component_version": 1,"description": "Terminate the conversation after a maximum number of messages have been exchanged.","label": "MaxMessageTermination","config": {"max_messages": 5,"include_agent_event": false}},{"provider": "autogen_agentchat.conditions.StopMessageTermination","component_type": "termination","version": 1,"component_version": 1,"description": "Terminate the conversation if a StopMessage is received.","label": "StopMessageTermination","config": {}}]}
}
Agent Example
和终止条件一样，Agent也可以进行序列化，但要注意 0.4.7 这个版本目前 不支持tool序列化。
AssistantAgent 保存配置
from autogen_agentchat.agents import AssistantAgent, UserProxyAgent
from autogen_ext.models.openai import OpenAIChatCompletionClient
import os, json
from typing import Any#------------------------------------------------------#
# 将 [Serializing Components] 的保存与加载代码粘贴到此处
#------------------------------------------------------#
os.environ["OPENAI_API_KEY"] = "你的OpenAI API Key"model_client = OpenAIChatCompletionClient(model="gpt-4o",
)
agent = AssistantAgent(name="assistant",model_client=model_client,handoffs=["flights_refunder", "user"],system_message="Use tools to solve tasks.",
)
user_proxy = UserProxyAgent(name="user")user_proxy_config = user_proxy.dump_component() # dump component
print(user_proxy_config.model_dump_json())# 保存
save_json(user_proxy_config, "./termination.json")运行结果如下：
$ python demo.py
AssistantAgent 加载配置
from autogen_agentchat.agents import AssistantAgent, UserProxyAgent
from autogen_ext.models.openai import OpenAIChatCompletionClient
import os, json
from typing import Any#------------------------------------------------------#
# 将 [Serializing Components] 的保存与加载代码粘贴到此处
#------------------------------------------------------#
os.environ["OPENAI_API_KEY"] = "你的OpenAI API Key"model_client = OpenAIChatCompletionClient(model="gpt-4o",
)
agent = AssistantAgent(name="assistant",model_client=model_client,handoffs=["flights_refunder", "user"],system_message="Use tools to solve tasks.",
)
user_proxy = UserProxyAgent(name="user")# 加载
user_proxy_config = load_json("./termination.json")
up_new = user_proxy.load_component(user_proxy_config) # load component
print(up_new.dump_component())
运行结果如下：
$ python demo.py
MultimodalWebSurfer
对于上一篇文章提到的 MultimodalWebSurfer Agent一样，可以用下面的方式对配置进行保存和加载：
from autogen_ext.agents.web_surfer import MultimodalWebSurfer
from autogen_ext.models.openai import OpenAIChatCompletionClient
import os
os.environ["OPENAI_API_KEY"] = "你的OpenAI API Key"#------------------------------------------------------#
# 将 [Serializing Components] 的保存与加载代码粘贴到此处
#------------------------------------------------------#model_client = OpenAIChatCompletionClient(model="gpt-4o",
)
agent = MultimodalWebSurfer(name="web_surfer",model_client=model_client,headless=False,
)# 保存配置
web_surfer_config = agent.dump_component()
save_json(user_proxy_config, "./agents.json")# 加载配置
web_surfer_config = load_json("./agents.json")
agent.load_component(web_surfer_config)
运行结果如下：
$ python demo.py
Team Example
Team的操作流程基本一致：
from autogen_agentchat.agents import AssistantAgent, UserProxyAgent
from autogen_agentchat.conditions import MaxMessageTermination
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_ext.models.openai import OpenAIChatCompletionClient
import os
os.environ["OPENAI_API_KEY"] = "你的OpenAI API Key"#------------------------------------------------------#
# 将 [Serializing Components] 的保存与加载代码粘贴到此处
#------------------------------------------------------#model_client = OpenAIChatCompletionClient(model="gpt-4o",# api_key="YOUR_API_KEY",
)
agent = AssistantAgent(name="assistant",model_client=model_client,handoffs=["flights_refunder", "user"],# tools=[], # serializing tools is not yet supportedsystem_message="Use tools to solve tasks.",
)team = RoundRobinGroupChat(participants=[agent], termination_condition=MaxMessageTermination(2))# 保存配置
team_config = team.dump_component()
save_json(team_config, "./team.json")# 加载配置
team_config = load_json("./team.json")
team.load_component(team_config)
Take a breath
恭喜你，完成了AutoGen的另一个阶段学习，相比较于入门的Tutorial部分而言Advanced部分虽然存在一些难度，但并没有很离谱，如果你在这两个阶段都亲自实践了的话一定收获很多。
接下来我将继续开一个篇章，对官网文档中的 More 小节 Examples 中的例子进行讲解，这部分内容实际难度会低于 Advanced 部分，你可以当做一次放松。
紧随其后我就要对 GitHub 仓库中的 samples 内容进行新开，这部分内容代码长度与难度均会高出不少，但仍然希望你能坚持下来。
- Examples链接：https://microsoft.github.io/autogen/stable/user-guide/agentchat-user-guide/examples/index.html ；
- GitHub仓库：https://github.com/microsoft/autogen/tree/main/python/samples；