Membangun aplikasi agen Model Bahasa Skala Besar (LLM) memerlukan empat komponen utama: inti agen, modul memori, alat agen, dan modul perencanaan. Komponen-komponen ini penting baik agen dirancang untuk menjawab pertanyaan, tugas multimodal, atau gerombolan agen. Ada banyak kerangka implementasi yang dapat dipertimbangkan selama proses desain, mulai dari open source hingga siap produksi.

Jika Anda baru mengenal pengembangan agen LLM, kami memiliki beberapa sumber daya yang tersedia untuk membantu Anda memulai. Ini termasuk ikhtisar ekosistem pengembang, kerangka kerja yang tersedia, dan buku-buku yang direkomendasikan. Kerangka implementasi yang tersedia saat ini mencakup agen LangChain, agen LLaMaIndex, agen HayStack, AutoGen, AgentVerse, ChatDev, dan Agen Generatif. Pilihan kerangka kerja sangat bergantung pada rincian jalur pipa dan persyaratan proyek.

Ketika membahas kerangka kerja multi-agen, perbedaan utamanya adalah dimasukkannya kelas "dunia". Hal ini diperlukan untuk mengelola banyak agen dan membangun lingkungan tempat mereka berinteraksi satu sama lain, pengguna, dan alat dalam lingkungan tersebut. Tantangannya terletak pada kenyataan bahwa dunia berbeda untuk setiap aplikasi, memerlukan toolkit yang dibuat khusus untuk membangun lingkungan simulasi, mengelola keadaan dunia, dan membangun protokol komunikasi untuk mengatur lalu lintas antar agen

Bagi mereka yang mempertimbangkan untuk membangun agen penjawab pertanyaan, tutorial tersedia untuk memandu pengembang melalui proses membangun agen yang dapat memperoleh informasi dari laporan pendapatan. Ini termasuk membangun modul memori untuk melacak semua pertanyaan yang diajukan, modul perencanaan untuk memecah pertanyaan kompleks menjadi bagian-bagian yang lebih sederhana, dan alat untuk mencari dan melakukan perhitungan matematis. Langkah terakhir adalah menggabungkan komponen-komponen ini untuk menciptakan agen yang berfungsi. saus: