如果你用LangChain开发Agent应用，需要以下四步：
- 基础组件设置
- 定义工具集
- 定义Prompt模板
- 定义输出解析器
如果你用swarm开发Agent应用，需要以下四步：
- 基础组件设置
- Agent角色定义
- 任务协调系统
- 工作流程实现
但是，如果你用xbrain开发Agent应用，一切将变得非常美好，只需要两步：
- 在自己的函数上加入装饰器
- 入口处配置并运行 xbrain
- AI 接口封装： 独立 AI 函数快速封装为 HTTP 服务，便于集成到其他系统中；
- 功能验证： 早期开发阶段原型设计与测试，无需搭建复杂后端；
- 轻量化微服务改造： 适合将 Python 脚本微服务化，轻松满足小规模、灵活部署需求。
- 一键安装，开箱即用： 命令行一键启动，简单易用；
- 无提示词设计： 摒弃提示词书写，用户专注于业务开发；
- 将python函数接入Tools Call： 将本地 Python 代码直接接入大模型的工具调用。
在你的项目目录下创建一个demo.py文件，写入以下代码：
from pydantic import BaseModel
from xbrain.core import xbrain_tool
class GenerateTag(BaseModel):
"""创建一个新的插件"""
pass
@xbrain_tool.Tool(model=GenerateTag)
def generate_tag():
print("hello")在__init__.py文件中导入demo.py：
from demo import *在项目入口处配置并运行xbrain，此时demo.py中的generate_tag函数被成功接入了xbrain中：
from xbrain.core.chat import run
from xbrain.utils.config import Config
config = Config()
config.set_openai_config(base_url="https://api.openai-next.com/v1", api_key="xxxxx", model="gpt-4o-2024-08-06")
messages = []
messages.append({"role": "user", "content": "配置tag"})
res = run(messages, user_prompt="从文章中提炼出关键信息")你可以通过 Fork 项目、提交 PR 或在 Issue 中提出你的想法和建议。具体操作可参考贡献指南。
强烈推荐阅读 《提问的智慧》、《如何向开源社区提问题》 和 《如何有效地报告 Bug》、《如何向开源项目提交无法解答的问题》，更好的问题更容易获得帮助。