书生·浦语大模型实战营（第二期）：Lagent&AgentLego智能体应用搭建

为什么要有智能体

• 大语言模型的局限性
  • 幻觉：模型可能会生成虚假信息，与现实严重不符或脱节
  • 时效性：模型训练数据过时，无法反映最新趋势和信息
  • 可靠性：面对复杂任务时，可能频发错误输出现象，影响信任度

什么是智能体

• 可以感知环境中的动态条件
• 能采取动作影响环境
• 能运用推理能力理解信息、解决问题、产生推断、决定动作

智能体组成

• 大脑：作为控制器，承担记忆、思考和决策任务。接受来自感知模块的信息，并采取相应动作
• 感知：对外部环境的多模态信息进行感知和处理，包括但不限于图像、音频、视频、传感器等
• 动作：利用并执行工具以影响环境，工具可能包括文本的检索、调用相关API、操控机械臂等

智能体范式

Lagent&AgentLego

Lagent 目前已经支持了包括 AutoGPT、ReAct 等在内的多个经典智能体范式，也支持了如下工具：

• Arxiv 搜索
• Bing 地图
• Google 学术搜索
• Google 搜索
• 交互式 IPython 解释器
• IPython 解释器
• PPT
• Python 解释器

AgentLego 目前提供了如下工具：

• 通用能力
  • 计算器
  • 谷歌搜索
• 语音相关
  • 文本 -> 音频（TTS）
  • 音频 -> 文本（STT）
• 图像处理
  • 描述输入图像
  • 识别文本（OCR）
  • 视觉问答（VQA）
  • 人体姿态估计
  • 人脸关键点检测
  • 图像边缘提取（Canny）
  • 深度图生成
  • 生成涂鸦（Scribble）
  • 检测全部目标
  • 检测给定目标
  • SAM
    • 分割一切
    • 分割给定目标
• AIGC
  • 文生图
  • 图像拓展
  • 删除给定对象
  • 替换给定对象
  • 根据指令修改
  • ControlNet 系列
    • 根据边缘+描述生成
    • 根据深度图+描述生成
    • 根据姿态+描述生成
    • 根据涂鸦+描述生成
  • ImageBind 系列
    • 音频生成图像
    • 热成像生成图像
    • 音频+图像生成图像
    • 音频+文本生成图像

作业一：完成Lagent Web Demo使用

环境配置

• 配置 conda 环境

mkdir -p /root/agent
conda create -n agent
conda activate agent
conda install python=3.10
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=11.8 -c pytorch -c nvidia
1
2
3
4
5

• 安装Lagent和AgentLego,有两种安装方法，一种是通过 pip 直接进行安装，另一种则是从源码进行安装。

cd /root/agent
conda activate agent
git clone https://gitee.com/internlm/lagent.git
cd lagent && git checkout 581d9fb && pip install -e . && cd ..
git clone https://gitee.com/internlm/agentlego.git
cd agentlego && git checkout 7769e0d && pip install -e . && cd ..
1
2
3
4
5
6

• 安装其他依赖

conda activate agent
pip install lmdeploy==0.3.0
1
2

• 由于后续的 Demo 需要用到 tutorial 已经写好的脚本，因此我们需要将 tutorial 通过 git clone 的方法准备好，以备后续使用

cd /root/agent
git clone -b camp2 https://gitee.com/internlm/Tutorial.git
1
2

Lagent Web Demo

使用LMDeploy部署

由于 Lagent 的 Web Demo 需要用到 LMDeploy 所启动的 api_server，因此我们首先按照下图指示在 vscode terminal 中执行如下代码使用 LMDeploy 启动一个 api_server。

conda activate agent
lmdeploy serve api_server /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b \
                            --server-name 127.0.0.1 \
                            --model-name internlm2-chat-7b \
                            --cache-max-entry-count 0.1
1
2
3
4
5

启动并使用Lagent Web Demo

新建一个 terminal 以启动 Lagent Web Demo

conda activate agent
cd /root/agent/lagent/examples
streamlit run internlm2_agent_web_demo.py --server.address 127.0.0.1 --server.port 7860
1
2
3

注意：首先输入模型 IP 为 127.0.0.1:23333，在输入完成后按下回车键以确认。

作业二：完成AgentLego使用

直接使用

首先下载 demo 文件：

cd /root/agent
wget http://download.openmmlab.com/agentlego/road.jpg
1
2

由于 AgentLego 在安装时并不会安装某个特定工具的依赖，因此我们接下来准备安装目标检测工具运行时所需依赖。
gentLego 所实现的目标检测工具是基于 mmdet (MMDetection) 算法库中的 RTMDet-Large 模型，因此我们首先安装 mim，然后通过 mim 工具来安装 mmdet。这一步所需时间可能会较长，请耐心等待。

conda activate agent
pip install openmim==0.3.9
mim install mmdet==3.3.0
1
2
3

然后通过touch /root/agent/direct_use.py新建direct_use.py以直接使用目标检测工具，代码如下：

import re

import cv2
from agentlego.apis import load_tool

# load tool
tool = load_tool('ObjectDetection', device='cuda')

# apply tool
visualization = tool('/root/agent/road.jpg')
print(visualization)

# visualize
image = cv2.imread('/root/agent/road.jpg')

preds = visualization.split('\n')
pattern = r'(\w+) \((\d+), (\d+), (\d+), (\d+)\), score (\d+)'

for pred in preds:
    name, x1, y1, x2, y2, score = re.match(pattern, pred).groups()
    x1, y1, x2, y2, score = int(x1), int(y1), int(x2), int(y2), int(score)
    cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 1)
    cv2.putText(image, f'{name} {score}', (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 1)

cv2.imwrite('/root/agent/road_detection_direct.jpg', image)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

执行 python /root/agent/direct_use.py 以进行推理。
得到如下结果：

作为智能体工具使用

修改相关文件

由于 AgentLego 算法库默认使用 InternLM2-Chat-20B 模型，因此我们首先需要修改 /root/agent/agentlego/webui/modules/agents/lagent_agent.py 文件的第 105行位置，将 internlm2-chat-20b 修改为 internlm2-chat-7b

使用LMDeploy部署

conda activate agent
lmdeploy serve api_server /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b \
                            --server-name 127.0.0.1 \
                            --model-name internlm2-chat-7b \
                            --cache-max-entry-count 0.1
1
2
3
4
5

启动 AgentLego WebUI

conda activate agent
cd /root/agent/agentlego/webui
python one_click.py
1
2
3

• 配置Agent
  • 点击上方 Agent 进入 Agent 配置页面。（如①所示）
  • 点击 Agent 下方框，选择 New Agent。（如②所示）
  • 选择 Agent Class 为 lagent.InternLM2Agent。（如③所示）
  • 输入模型 URL 为 http://127.0.0.1:23333 。（如④所示）
  • 输入 Agent name，自定义即可，图中输入了 internlm2。（如⑤所示）
  • 点击 save to 以保存配置，这样在下次使用时只需在第2步时选择 Agent 为 internlm2 后点击 load 以加载就可以了。（如⑥所示）
  • 点击 load 以加载配置。（如⑦所示）
    
• 配置工具
  • 点击上方 Tools 页面进入工具配置页面。（如①所示）
  • 点击 Tools 下方框，选择 New Tool 以加载新工具。（如②所示）
  • 选择 Tool Class 为 ObjectDetection。（如③所示）
  • 点击 save 以保存配置。（如④所示）
    
    等待工具加载完成后，点击上方 Chat 以进入对话页面。在页面下方选择工具部分只选择 ObjectDetection 工具，如下图所示。为了确保调用工具的成功率，请在使用时确保仅有这一个工具启用。
    接下来就可以愉快地使用 Agent 了。点击右下角文件夹以上传图片，上传图片后输入指令并点击 generate 以得到模型回复。