.venv/transformers/docs/source/ko/main_classes/agent.md

에이전트 & 도구 [[agents-tools]]

Transformers Agent는 실험 중인 API이므로 언제든지 변경될 수 있습니다. API나 기반 모델이 자주 업데이트되므로, 에이전트가 제공하는 결과물은 달라질 수 있습니다.

에이전트와 도구에 대해 더 알아보려면 소개 가이드를 꼭 읽어보세요. 이 페이지에는 기본 클래스에 대한 API 문서가 포함되어 있습니다.

에이전트 [[agents]]

우리는 기본 [Agent] 클래스를 기반으로 두 가지 유형의 에이전트를 제공합니다:

• [CodeAgent]는 한 번에 동작합니다. 작업을 해결하기 위해 코드를 생성한 다음, 바로 실행합니다.
• [ReactAgent]는 단계별로 동작하며, 각 단계는 하나의 생각, 하나의 도구 호출 및 실행으로 구성됩니다. 이 에이전트에는 두 가지 클래스가 있습니다:
  • [ReactJsonAgent]는 도구 호출을 JSON으로 작성합니다.
  • [ReactCodeAgent]는 도구 호출을 Python 코드로 작성합니다.

Agent [[agent]]

[[autodoc]] Agent

CodeAgent [[codeagent]]

[[autodoc]] CodeAgent

React agents [[react-agents]]

[[autodoc]] ReactAgent

[[autodoc]] ReactJsonAgent

[[autodoc]] ReactCodeAgent

Tools [[tools]]

load_tool [[loadtool]]

[[autodoc]] load_tool

Tool [[tool]]

[[autodoc]] Tool

Toolbox [[toolbox]]

[[autodoc]] Toolbox

PipelineTool [[pipelinetool]]

[[autodoc]] PipelineTool

launch_gradio_demo [[launchgradiodemo]]

[[autodoc]] launch_gradio_demo

ToolCollection [[toolcollection]]

[[autodoc]] ToolCollection

엔진 [[engines]]

에이전트 프레임워크에서 사용할 수 있는 엔진을 자유롭게 만들고 사용할 수 있습니다. 이 엔진들은 다음과 같은 사양을 가지고 있습니다:

1. 입력(List[Dict[str, str]])에 대한 메시지 형식을 따르고 문자열을 반환해야 합니다.
2. 인수 stop_sequences에 시퀀스가 전달되기 전에 출력을 생성하는 것을 중지해야 합니다.

HfApiEngine [[HfApiEngine]]

편의를 위해, 위의 사항을 구현하고 대규모 언어 모델 실행을 위해 추론 엔드포인트를 사용하는 HfApiEngine을 추가했습니다.

>>> from transformers import HfApiEngine

>>> messages = [
...   {"role": "user", "content": "Hello, how are you?"},
...   {"role": "assistant", "content": "I'm doing great. How can I help you today?"},
...   {"role": "user", "content": "No need to help, take it easy."},
... ]

>>> HfApiEngine()(messages, stop_sequences=["conversation"])

"That's very kind of you to say! It's always nice to have a relaxed "

[[autodoc]] HfApiEngine

에이전트 유형 [[agent-types]]

에이전트는 도구 간의 모든 유형의 객체를 처리할 수 있습니다; 도구는 완전히 멀티모달이므로 텍스트, 이미지, 오디오, 비디오 등 다양한 유형을 수락하고 반환할 수 있습니다. 도구 간의 호환성을 높이고 ipython (jupyter, colab, ipython 노트북, ...)에서 이러한 반환 값을 올바르게 렌더링하기 위해 이러한 유형을 중심으로 래퍼 클래스를 구현합니다.

래핑된 객체는 처음과 동일하게 작동해야 합니다; 텍스트 객체는 여전히 문자열로 작동해야 하며, 이미지 객체는 여전히 PIL.Image로 작동해야 합니다.

이러한 유형에는 세 가지 특정 목적이 있습니다:

• to_raw를 호출하면 기본 객체가 반환되어야 합니다.
• to_string을 호출하면 객체가 문자열로 반환되어야 합니다: AgentText의 경우 문자열이 될 수 있지만, 다른 경우에는 객체의 직렬화된 버전의 경로일 수 있습니다.
• ipython 커널에서 표시할 때 객체가 올바르게 표시되어야 합니다.

AgentText [[agenttext]]

[[autodoc]] transformers.agents.agent_types.AgentText

AgentImage [[agentimage]]

[[autodoc]] transformers.agents.agent_types.AgentImage

AgentAudio [[agentaudio]]

[[autodoc]] transformers.agents.agent_types.AgentAudio