智能体驱动型AI入门：从零构建多智能体系统(Multi-Agent)的实战指南

1次阅读

共计 2550 个字符，预计需要花费 7 分钟才能阅读完成。

智能体驱动型 AI（Agentic AI）指的是由具有自主决策能力的智能体（Agent）组成的系统。每个智能体都能感知环境、做出决策并执行动作。多智能体系统（Multi-Agent System, MAS）则是由多个这样的智能体组成，它们通过协作或竞争来完成复杂任务。

Agentic AI 特点：
自主性：能独立做出决策
目标导向：行为围绕特定目标展开
反应性：能感知并响应环境变化
Multi-Agent 特点：
分布式控制：没有单一控制中心
局部视角：每个智能体只掌握部分信息
交互性：智能体之间需要通信协作

任务处理方式
单智能体：集中式处理，所有决策由单一实体完成
多智能体：分布式处理，决策分散在各个智能体
复杂度管理
单智能体：随着任务复杂度增加，系统会变得臃肿
多智能体：通过分工协作，能更好地处理复杂任务
容错性
单智能体：单点故障风险高
多智能体：系统更具弹性，部分故障不会导致整体瘫痪

下面我们用 RLlib 框架实现一个简单的任务分配系统。这个示例包含两个智能体：任务发布者和任务执行者。

import ray
from ray import tune
from ray.rllib.agents.ppo import PPOTrainer
from ray.rllib.env.multi_agent_env import MultiAgentEnv
import numpy as np

class TaskAllocationEnv(MultiAgentEnv):
    def __init__(self, config):
        super().__init__()
        self.num_tasks = config.get("num_tasks", 5)
        self.agents = ["task_publisher", "task_executor"]
        self.dones = set()

    def reset(self):
        self.tasks = np.random.randint(1, 10, size=self.num_tasks)
        self.completed = [False] * self.num_tasks
        return {"task_publisher": np.array(self.tasks),
            "task_executor": np.array([0] * self.num_tasks)
        }

    def step(self, action_dict):
        publisher_action = action_dict["task_publisher"]
        executor_action = action_dict["task_executor"]

        # 任务发布者选择要分配的任务
        if not self.completed[publisher_action]:
            # 任务执行者处理任务
            self.tasks[publisher_action] -= 1
            if self.tasks[publisher_action] <= 0:
                self.completed[publisher_action] = True

        # 计算奖励
        rewards = {"task_publisher": 1 if all(self.completed) else 0,
            "task_executor": 1 if self.completed[executor_action] else 0
        }

        # 检查是否所有任务完成
        dones = {"__all__": all(self.completed)}

        # 更新状态
        obs = {"task_publisher": np.array(self.tasks),
            "task_executor": np.array([1 if c else 0 for c in self.completed])
        }

        return obs, rewards, dones, {}

# 配置和训练
ray.init()
config = {
    "env": TaskAllocationEnv,
    "env_config": {"num_tasks": 5},
    "multiagent": {
        "policies": {"task_publisher": (None, np.zeros(5), {"action_space": 5}),
            "task_executor": (None, np.zeros(5), {"action_space": 5})
        },
        "policy_mapping_fn": lambda agent_id: agent_id
    },
    "framework": "tf2"
}

tune.run(PPOTrainer, config=config, stop={"training_iteration": 100})

在多智能体系统中，智能体间的通信和协调至关重要。以下是几种常见机制：