如何在workflow中使用2个agent

[zifeiyu-tan]

`"""创建Agent实例和Workflow实例"""
import Agently
agent = (
Agently.create_agent()
.set_settings("current_model", "OAIClient")
.set_settings("model.OAIClient.url", "https://api.moonshot.cn/v1")
.set_settings("model.OAIClient.options", { "model": "moonshot-v1-8k" })
.set_settings("model.OAIClient.auth", { "api_key": "******" })
)
workflow = Agently.Workflow()
"""创建执行块（Chunk）"""

启动块

@workflow.chunk(
chunk_id = "Start",
type = "Start"
)

用户输入块

@workflow.chunk(
chunk_id = "User Input",
handles = {
"outputs": [{ "handle": "user_input" }],
}
)
def user_input_executor(inputs, storage):
return { "user_input": input("[User]: ") }

Agent回复块

@workflow.chunk(
chunk_id = "Assistant Reply",
handles = {
"inputs": [{ "handle": "user_input" }],
"outputs": [{ "handle": "assistant_reply" }],
}
)
def assistant_reply_executor(inputs, storage):
chat_history = storage.get("chat_history") or []
reply = (
agent
.chat_history(chat_history)
.input(inputs["user_input"])
.start()
)
print("[Assistant]: ", reply)
return { "assistant_reply": reply }

对话记录更新块

@workflow.chunk(
chunk_id = "Update Chat History",
handles = {
"inputs": [
{ "handle": "user_input" },
{ "handle": "assistant_reply" },
],
},
)
def update_chat_history_executor(inputs, storage):
chat_history = storage.get("chat_history") or []
chat_history.append({ "role": "user", "content": inputs["user_input"] })
chat_history.append({ "role": "assistant", "content": inputs["assistant_reply"] })
storage.set("chat_history", chat_history)
return

退出块

@workflow.chunk(
chunk_id = "Goodbye",
)
def goodbye_executor(inputs, storage):
print("Bye~👋")
return

"""连接执行块"""
workflow.chunks["Start"].connect_to(workflow.chunks["User Input"])
(
workflow.chunks["User Input"].handle("user_input")
.if_condition(lambda data: data == "#exit").connect_to(workflow.chunks["Goodbye"])
.else_condition().connect_to(workflow.chunks["Assistant Reply"].handle("user_input"))
)
workflow.chunks["User Input"].handle("user_input").connect_to(workflow.chunks["Update Chat History"].handle("user_input"))
workflow.chunks["Assistant Reply"].handle("assistant_reply").connect_to(workflow.chunks["Update Chat History"].handle("assistant_reply"))
workflow.chunks["Update Chat History"].connect_to(workflow.chunks["User Input"])

"""获取工作流Mermaid代码（可绘图）"""
print(workflow.draw())

"""启动工作流"""
workflow.start()`

这是在官网中拿到的关于workflow使用的例子，如果我在这个例子中使用2个agent，第2个agent需要拿到第一个agent的reply，并且由于是多轮对话，那么我需要如何写chat_history

[Maplemx]

需要考虑两个问题：

1. 每个agent是独立拥有自己的对话记录，还是共享对话记录？
2. 第二个agent需要拿到的只是第一个agent的reply还是之前完整的对话记录信息？

思路上：

1. 你可以通过创建多个agent对象实例来在工作流中使用不同的agent，每个agent对象实例都独立拥有自己的属性设定（通过.set_agent_prompt()或是.set_role()等方法设置），你可以通过.set_agent_prompt("chat_history", [完整的对话记录])对每个agent进行独立的对话记录管理；
2. 你可以在工作流中创建两个工作块，分别命名为get_first_agent_reply和get_second_agent_reply，将get_first_agent_reply块的agent请求结果通过storage或是inputs传递给get_second_agent_reply块即可

[zifeiyu-tan]

对于“将get_first_agent_reply块的agent请求结果通过storage或是inputs传递给get_second_agent_reply块即可”有没有什么例子？

[Maplemx]

对于“将get_first_agent_reply块的agent请求结果通过storage或是inputs传递给get_second_agent_reply块即可”有没有什么例子？

您好，我们在官网已经更新了workflow相关的教程，可以访问agently.tech/guides/workflow查看