Funktionen

Detaillierte Erklärung jeder Funktion, die du beim Scaffolding eines neuen Agenten einbeziehen kannst.

Memory#

Aktiviere persistentes Memory für deinen Agenten. Der Agent erinnert sich über Sitzungen hinweg an Unterhaltungen und nutzt dafür Vektorsuche für effizientes Abrufen.

typescript
const agent = await Agent.create({
  name: 'my-agent',
  model: 'gpt-4o',
  memory: true,
});

await agent.ask("My name is John");
// Later, even in a new session:
await agent.ask("What's my name?"); // "Your name is John"

Anwendungsfälle:

  • Persönliche Assistenten, die sich Nutzerpräferenzen merken
  • Kundensupport-Bots mit Gesprächsverlauf
  • Langlebige Agenten, die Kontextpersistenz benötigen

Knowledge (RAG)#

Füge Funktionen zum Abrufen von Dokumenten hinzu. Nimm PDFs, Textdateien und andere Dokumente in eine durchsuchbare Wissensdatenbank auf.

typescript
const agent = await Agent.create({
  name: 'my-agent',
  model: 'gpt-4o',
  knowledge: true,
});

// Add documents to knowledge base
await agent.addKnowledgeFromFile('./docs/guide.pdf', { category: 'docs' });
await agent.addKnowledgeFromFile('./docs/api.md', { category: 'api' });

// Agent answers from documents
await agent.ask("What does the guide say about authentication?");

Anwendungsfälle:

  • Dokumentations-Q&A-Bots
  • Recherche-Assistenten
  • Wissensmanagement-Systeme

Voraussetzungen: PostgreSQL mit der pgvector-Erweiterung

Graph Workflows#

Erstelle komplexe mehrstufige Workflows mit DAG-basierter Task-Orchestrierung. Definiere Abhängigkeiten zwischen Aufgaben und führe sie, wo möglich, parallel aus.

typescript
import { Agent, Graph } from '@astreus-ai/astreus';

const agent = await Agent.create({ name: 'my-agent', model: 'gpt-4o' });
const graph = new Graph({ name: 'research-workflow' }, agent);

// Define workflow nodes
const researchNode = graph.addTaskNode({
  prompt: 'Research the topic thoroughly'
});

const analyzeNode = graph.addTaskNode({
  prompt: 'Analyze the research findings',
  dependsOn: [researchNode]
});

const writeNode = graph.addTaskNode({
  prompt: 'Write a comprehensive report',
  dependsOn: [analyzeNode]
});

// Execute the workflow
const result = await graph.run();
console.log(result.results);

Anwendungsfälle:

  • Mehrstufige Inhaltserstellung
  • Datenverarbeitungspipelines
  • Komplexe Entscheidungs-Workflows

Sub-Agents#

Koordiniere mehrere spezialisierte Agenten für komplexe Aufgaben. Jeder Sub-Agent kann seine eigene Konfiguration und Expertise haben.

typescript
// Create specialized agents
const researcher = await Agent.create({
  name: 'researcher',
  model: 'gpt-4o',
  systemPrompt: 'You are a research specialist.'
});

const writer = await Agent.create({
  name: 'writer',
  model: 'gpt-4o',
  systemPrompt: 'You are a professional writer.'
});

// Main agent coordinates sub-agents
const agent = await Agent.create({ name: 'coordinator', model: 'gpt-4o' });

const result = await agent.executeWithSubAgents(
  'Research and write an article about quantum computing',
  [researcher, writer]
);

Anwendungsfälle:

  • Content-Erstellungs-Pipelines
  • Expertensysteme mit mehreren Fachbereichen
  • Parallele Aufgabenausführung

Custom Plugins#

Erweitere deinen Agenten mit benutzerdefinierten Tools. Definiere Parameter, Beschreibungen und Handler für jedes Tool.

typescript
const weatherPlugin = {
  name: 'weather-plugin',
  version: '1.0.0',
  description: 'Get weather information',
  tools: [{
    name: 'get_weather',
    description: 'Get current weather for a location',
    parameters: {
      location: {
        type: 'string',
        description: 'City name',
        required: true
      }
    },
    handler: async ({ location }) => {
      const response = await fetch(`https://api.weather.com/${location}`);
      const data = await response.json();
      return { success: true, data };
    }
  }]
};

const agent = await Agent.create({ name: 'my-agent', model: 'gpt-4o' });
await agent.registerPlugin(weatherPlugin);

// Agent can now use the weather tool
await agent.ask("What's the weather in Tokyo?");

Anwendungsfälle:

  • API-Integrationen
  • Datenbankoperationen
  • Individuelle Geschäftslogik

MCP-Integration#

Unterstützung für das Model Context Protocol für standardisierte Tool-Integration. Verbinde dich mit MCP-kompatiblen Diensten und Tools.

typescript
const agent = await Agent.create({
  name: 'my-agent',
  model: 'gpt-4o',
  mcp: {
    servers: [
      { name: 'filesystem', command: 'mcp-server-filesystem' },
      { name: 'github', command: 'mcp-server-github' }
    ]
  }
});

Anwendungsfälle:

  • Dateisystemoperationen
  • GitHub-Integration
  • Standardisiertes Tool-Ökosystem

Kombination von Funktionen#

Funktionen arbeiten nahtlos zusammen:

typescript
const agent = await Agent.create({
  name: 'advanced-agent',
  model: 'gpt-4o',
  memory: true,           // Remember conversations
  knowledge: true,        // Access documents
  mcp: {                  // Use MCP tools
    servers: [
      { name: 'filesystem', command: 'mcp-server-filesystem' }
    ]
  }
});

// Register custom plugins
await agent.registerPlugin(myCustomPlugin);

// Use with graph workflows
const graph = new Graph({ name: 'workflow' }, agent);