【大模型实战】零门槛入门AgentScope多智能体游戏开发：和Agent玩飞花令

1. 项目起因

• 最近，阿里开源了一款全新的多智能体协同的Multi-Agent应用框架-AgentScope，早先的单智能体还只能完成对话类等一些简单的应用，通过调用外部API（如搜索 绘画 配音等）也只是拓展了单智能体的能力边界。如果能够调用多个智能体，并做好多个智能体之间的协同配合，就能够打造出内容和样式更加丰富的应用。
• 中国古典诗词中的经典游戏（如飞花令 尾字接龙 即景联诗 九宫格）等，非常考验选手的知识储备。对于裁判而言，如果没有一定知识储备，也很难立刻判断出选手的回答是否正确。这些富有文化魅力和审美体验的活动，却因为较高的门槛无法惠及更多爱好诗词的朋友。大模型的出现，刚好可以打破这一门槛！
• 本项目将以飞花令为切入点，利用AgentsSope开发框架，打造一款和Agent玩飞花令的游戏，希望能够给爱好古诗词的朋友带来一种全新的体验：摆脱场地和人员的限制，随时随地和Agent玩飞花令！

项目地址：和Agent玩飞花令，魔搭创空间链接，欢迎您来体验哦…… 如果对你有帮助，帮忙点颗小红心，谢谢~

2. 游戏简介

飞花令游戏中需要多个角色协同配合，这里的角色完全由多个大模型Agent来扮演，底层大模型可以公用，唯一的区别在于为不同的Agent配备针对角色设计的提示词（Prompt）。具体而言，飞花令这个游戏中至少需要以下三个Agent：

• 主持人Agent：每轮游戏开始会从中国古典诗词常见意象的关键字中随机选择出题。
• 评审官Agent：根据主持人提供的关键字和用户提供的诗句，判断是否回答正确。
• 对手Agent：和用户对垒，确保回答来自中国古诗词且包含关键字，不能和之前重复。

为了确保游戏体验，需要给评审官Agent非常明确的评审规则，比如我这里设定的游戏规则包括：

• 1.必须来自中国古诗词；
• 2.必须包含主持人提供的关键字；
• 3.不能和之前的诗句重复。

PS：游戏规则还需要进一步优化，比如我发现输入有错别字的诗句，评审官Agent目前还无法识别出来。

3. 项目实战

项目代码：https://modelscope.cn/studios/Action/Paper-Genie/files

如需查看项目代码：

Step1: 熟悉AgentScope开发框架

这里主要参考了项目官方文档和Datawhale社区提供的一份非常棒的入门教程：

• AgentScope 文档 ‒ AgentScope 文档
• AgentScope 初探

Step2: 跑通并测试游戏逻辑

游戏配置

代码在：./configs/

针对本项目，我们首先要设计好两个配置文件，也即底层模型和Agent的config：

• model_config.json: 底层模型的配置文件，这里我只用了qwen-max。此外，AgentScope也支持更多底层大模型，具体参数设置可以参考官方文档。

[
    {
        "model_type": "dashscope_chat",
        "config_name": "qwen",
        "model_name": "qwen-max",
        "api_key": "",
        "generate_args": {
            "temperature": 0.5
        }
    }
]
1
2
3
4
5
6
7
8
9
10
11

• agent_configs_poem.json：多个Agent的配置文件，本项目主要用到了三个Agent，这里最关键的是需要设计到针对不同角色的提示词sys_prompt。

[
    {
        "class": "DialogAgent",
        "args": {
            "name": "host",
            "sys_prompt": "作为中国古诗词经典游戏飞花令的主持人，您会从'风 花 雪 月'四个字中随机选择一个关键字，限制：你仅需说出一个关键字，其他的话不需要说",
            "model_config_name": "qwen",
            "use_memory": true
        }
    },
    {
        "class": "DialogAgent",
        "args": {
            "name": "judge",
            "sys_prompt": "作为中国古诗词经典游戏飞花令的评审官，根据主持人提供的关键字和用户提供的诗句，您的任务是判断用户提供的诗句中是否包含主持人提供的关键字。你必须严格遵守以下三条评审规则：1.用户提供的诗句必须来自中国古诗词；2.用户提供的诗句必须包含主持人提供的关键字；3.不能和之前提供的诗句重复。假定用户的初始分score=5，如果用户回答正确，需要给出用户提供诗句的出处，给score加1分并回答'恭喜你，回答正确，加1分，当前得分是{score}'同时鼓励用户继续加油，如果用户回答错误则给score减1分并回答'很遗憾，回答错误，减1分，当前得分是{score}'，同时给出用户违反的具体是哪一条评审规则。如果用户得分达到10分，则恭喜用户取得游戏胜利，本轮游戏结束。",
            "model_config_name": "qwen",
            "use_memory": true
        }
    },
    {
        "class": "DialogAgent",
        "args": {
            "name": "participant",
            "sys_prompt": "作为的中国古诗词经典游戏飞花令的参与者，您的任务是根据主持人给出的关键字，给出包含该关键字的一句中国古诗词，比如主持人给的关键字是'花'，你可以说'烟花三月下扬州'。限制：请确保您的回答来自中国古诗词，且必须包含关键字，不能和之前的重复。",
            "model_config_name": "qwen",
            "use_memory": true
        }
    }
]
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
26
27
28
29

逻辑测试

代码在：poem_run.py

这一部分主要是将多个Agent加载进来，并测试他们是否能够有效完成协同配合，核心逻辑主要参考AgentScope官方文档的Agent调用和通信，代码实现如下：

import time
import threading
import agentscope
from agentscope.agents import DialogAgent
from agentscope.agents.user_agent import UserAgent
from agentscope.message import Msg
from agentscope.pipelines import SequentialPipeline
from agentscope.web_ui.utils import send_chat_msg, generate_image_from_name

def main():
    agents = agentscope.init(
        model_configs="./model_configs.json",
        agent_configs="./agent_configs_poem.json",
    )

    host_agent = agents[0]
    judge_agent = agents[1]
    parti_agent = agents[2]
    user_agent = UserAgent()
    thread_name = threading.current_thread().name
    uid = thread_name

    x = None
    msg = Msg(name="system", content="飞花令游戏规则：请回答一句包含特定关键字的中国古诗词。下面有请主持人出题。")
    host_msg = host_agent(msg)
    host_avatar = generate_image_from_name(host_agent.name)
    judge_avatar = generate_image_from_name(judge_agent.name)
    parti_avatar = generate_image_from_name(parti_agent.name)
    send_chat_msg(f"您好，欢迎来到 飞花令大挑战，{msg.content}",
                      role=host_agent.name,
                      flushing=True,
                      uid=uid,
                      avatar=host_avatar)
    send_chat_msg(f"本轮的关键字是：{host_msg.content}",
                      role=host_agent.name,
                      flushing=True,
                      uid=uid,
                      avatar=host_avatar)
    while x is None or x.content != "退出":
        x = user_agent()
        judge_content = f'主持人的关键字是{host_msg.content}，用户的诗句是{x.content}'
        judge_msg = judge_agent(Msg(name='judge', content=judge_content))
        send_chat_msg(f"{judge_msg.content}",
                      role=judge_agent.name,
                      flushing=True,
                      uid=uid,
                      avatar=judge_avatar)
        time.sleep(0.5)
        if '结束' in judge_msg.content:
            break
        
        parti_content = f'主持人的关键字是{host_msg.content}'
        parti_msg = parti_agent(Msg(name='parti', content=parti_content))
        send_chat_msg(f"{parti_msg.content}",
                      role=parti_agent.name,
                      flushing=True,
                      uid=uid,
                      avatar=parti_avatar)

if __name__ == "__main__":
    main()
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
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61

测试发现，qwen-max完全可以胜任这个任务。通过测试，迭代修改Agent的提示词sys_prompt使得3个Agent能够更好地完成自己的任务。

Step3：Gradio前端实现

这一部分前置需要对Gradio的常用组件和操作有一定了解，不过不熟悉Gradio也没关系，找一个你觉得还不错的项目界面，down下来依葫芦画瓢改一个，先把流程跑通，后面有时间再慢慢优化UI界面。比如我的具体实践是：

首先，clone了之前开发的一个ModelScope项目-睡前故事小助手的界面设计，这个项目当时还是单智能体对话类项目，集成了语音合成和图像生成API。利用Chatbot设计了如下的页面，核心代码可参考：./app_run.py，算是把项目跑通了。

不过这个前端设计的缺陷是：多个Agent之间无法区分，因为单个Chatbot中只能包含两个角色。

然后，继续查看其他项目的界面设计，发现谜馔：寻找招财猫（千问）这个项目的界面设计和逻辑非常适合“飞花令”这个游戏，主要启发是可以设计两个Chatbot，拿来改造一番，核心代码可参考：./app_game.py。这一版分别设计了两个界面：

• 欢迎界面：介绍游戏规则；这里预留了tab页，用于后续添加更多古诗词游戏类型。
  • 这里的游戏logo设计采用了锦书 - 创新艺术字，非常优秀的一个艺术字生成项目。
• 游戏界面：分两栏，左侧Chatbot是答题区-对应的角色是对手Agent和我，右侧Chatbot是系统区-对应的角色是主持人Agent和评审官Agent；同样这里预留了tab页，用于后续添加更多古诗词游戏类型。

Step4：ModelScope部署上线

本地测试成功后，就可以将项目部署到ModelScope了。
这里需要注意的点有：

• 添加环境变量：调用大模型的api_key不要暴露在代码中，可以在环境变量管理中添加：比如我的qwen-max需要设置"DASHSCOPE_API_KEY"。

• 本地安装AgentScope：由于Agentscope目前还在迭代更新中，pip源安装的Agentscope版本是0.0.1，会出现依赖冲突，这里推荐源码安装：

# 在自己的项目代码中
git clone https://github.com/modelscope/agentscope.git
cd AgentScope
rm -rf .git

# 新建app.py, 写入
import os
os.system('pip install -e ./agentscope')
os.system('python app_game.py')
1
2
3
4
5
6
7
8
9

• 启动失败：重启空间展示
• Gradio报错：点击‘查看日志’，如果发现是gradio相关的报错，查看线下gradio版本和云端的是否一致

pip show gradio
1

4. 未完待续

本项目利用AgentsSope框架，开发了一款和Agent玩飞花令的游戏，充分验证了当前大模型在中国古诗词知识储备方面的能力，未来期待在已有框架的基础上，开发更多的古诗词经典游戏：

• 尾字接龙：根据一句古诗词的末尾的字为关键字，给出以该关键字开头的一句古诗词。
• 即景联诗：由Agent根据一句古诗词画出对应的风景图，用户根据风景图猜出对应的古诗词是啥，最后由Agent做出评审。
• 九宫格：将一句古诗词的文字随机打乱，再加上干扰字，组成一个九宫格，用户根据九宫格猜出其中包含的一句古诗词，最后由Agent做出评审。
  此外，还可以尝试：
• 利用AgentsSope框架中的tools，接入更多外部API，比如语音合成，提供更多的音色选项，为用户提供更多的游戏体验。
• 增加游戏难度等级，为用户提供更多的激励机制。