Gpt Computer Assistant

🚀 Upsonic - 智能AI代理工具

Upsonic 是一款強大的工具，可用於快速構建、部署和管理智能AI代理。它藉助 Model Context Protocol (MCP) 支持多種模型，還能輕鬆集成自定義工具，為用戶提供高效、靈活的AI代理使用體驗。

✨ 主要特性

• 簡單易用：能夠讓用戶快速上手，輕鬆開啟AI代理的使用之旅。
• 模塊化設計：具備靈活的擴展性，方便根據不同需求進行功能擴展。
• 多語言支持：內置多種語言模型，滿足不同語言環境下的使用需求。
• 強大的任務分發機制：可以高效處理複雜任務，提升工作效率。
• 結構化輸出：通過 Pydantic 定義明確的響應格式，使輸出結果更加規範。

🚀 快速開始

from upsonic import Agent, Task

# 創建一個簡單的任務
task = Task("What is the capital of France?")

# 初始化代理
agent = Agent("General Knowledge")

# 執行任務並打印結果
agent.print_do(task)

💻 使用示例

基礎用法

from upsonic import Agent, Task

# 創建一個簡單的任務
task = Task("What is the capital of France?")

# 初始化代理
agent = Agent("General Knowledge")

# 執行任務並打印結果
agent.print_do(task)

高級用法

1. 拉取MCP配置

from upsonic import Agent, Task, ObjectResponse

class FetchMCP:
    command = "uvx"
    args = ["mcp-server-fetch"]
    
# 初始化代理
web_agent = Agent(
    "內容分析器",
    model="openai/gpt-4o"  # 支持多種模型
)

# 創建任務
task = Task(
    description="獲取並分析來自URL的內容，提取主要信息、標題和簡要摘要。",
    context=["https://upsonic.ai/"],
    tools=[FetchMCP],
    response_format=WebContent
)

# 執行任務
result = web_agent.print_do(task)
print(result.title)  # 輸出標題
print(result.summary)  # 輸出摘要

2. 多任務代理

from upsonic import Agent, Task, MultiAgent, ObjectResponse
from upsonic.tools import Search
import os

class CompanyResearch(ObjectResponse):
    industry: str
    product_focus: str
    company_values: list[str]
    recent_news: list[str]

class Mail(ObjectResponse):
    subject: str
    content: str

# 初始化代理
researcher = Agent("公司研究員", company_url="https://redis.io/")
strategist = Agent(" outreach 策略師", company_url="https://redis.io/")

# 創建任務
company_task = Task(
    "分析公司網站的關鍵信息",
    context=["https://upsonic.ai/"],
    tools=[Search],
    response_format=CompanyResearch
)

position_task = Task(
    "分析高級開發人員職位要求和背景",
    context=[company_task, "https://upsonic.ai/"]
)

message_task = Task(
    "根據研究結果創建個性化的 outreach 消息",
    context=[company_task, position_task],
    response_format=Mail
)

# 分配任務給代理
results = MultiAgent.do([researcher, strategist], [company_task, position_task, message_task])

# 輸出結果
print(f"公司行業: {company_task.response.industry}")
print(f"產品專注點: {company_task.response.product_focus}")
print(f"公司價值主張: {company_task.response.company_values}")
print(f"最近新聞: {company_task.response.recent_news}")
print(f"職位分析結果: {position_task.response}")
print(f" outreach 主題: {message_task.response.subject}")
print(f" outreach 內容: {message_task.response.content}")

3. 直接LLM調用

from upsonic import Agent, Task

# 創建一個直接查詢模型的任務
task = Task("解釋量子計算的基本原理")

# 初始化代理，指定直接使用LLM
agent = Agent("通用知識", mode="direct")

# 執行任務並打印結果
agent.print_do(task)

4. telemetry 設置

from upsonic import configure

# 配置telemetry（可選）
configure(metrics_enabled=True, logging_enabled=True)

📚 詳細文檔

📦 安裝指南

使用以下命令進行安裝：

pip install upsonic

配置說明

可參考官方文檔進行詳細設置。

社區支持

加入討論組獲取社區支持。

📄 聯繫方式

如需更多信息，請訪問 Upsonic 官網，或通過郵件聯繫我們：contact@upsonic.ai。