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.
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.
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.
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.
// 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.
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.
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:
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);