Fonctionnalités
Explication détaillée de chaque fonctionnalité que vous pouvez inclure lors de la création d'un nouvel agent.
Mémoire#
Activez la mémoire persistante pour votre agent. L'agent se souvient des conversations d'une session à l'autre grâce à la recherche vectorielle pour une récupération efficace.
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"Cas d'usage :
- Assistants personnels qui se souviennent des préférences de l'utilisateur
- Bots de support client avec historique de conversation
- Agents de longue durée nécessitant une persistance du contexte
Connaissance (RAG)#
Ajoutez des capacités de récupération de documents. Ingérez des PDF, des fichiers texte et d'autres documents dans une base de connaissances consultable.
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?");Cas d'usage :
- Bots de questions-réponses sur la documentation
- Assistants de recherche
- Systèmes de gestion des connaissances
Prérequis : PostgreSQL avec l'extension pgvector
Graph Workflows#
Créez des workflows complexes à plusieurs étapes grâce à l'orchestration de tâches basée sur des DAG. Définissez les dépendances entre les tâches et exécutez-les en parallèle lorsque c'est possible.
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);Cas d'usage :
- Génération de contenu à plusieurs étapes
- Pipelines de traitement de données
- Workflows de décision complexes
Sub-Agents#
Coordonnez plusieurs agents spécialisés pour des tâches complexes. Chaque sous-agent peut avoir sa propre configuration et son expertise.
// 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]
);Cas d'usage :
- Pipelines de création de contenu
- Systèmes experts avec plusieurs domaines
- Exécution de tâches en parallèle
Custom Plugins#
Étendez votre agent avec des outils personnalisés. Définissez les paramètres, descriptions et gestionnaires pour chaque outil.
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?");Cas d'usage :
- Intégrations d'API
- Opérations sur les bases de données
- Logique métier personnalisée
MCP Integration#
Support du Model Context Protocol pour une intégration standardisée des outils. Connectez-vous à des services et outils compatibles MCP.
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' }
]
}
});Cas d'usage :
- Opérations sur le système de fichiers
- Intégration GitHub
- Écosystème d'outils standardisé
Combinaisons de fonctionnalités#
Les fonctionnalités fonctionnent ensemble de manière fluide :
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);