大家好，我是贝克街的捉虫师呀！

最近在尝试构建一个智能客服系统，需要用到大模型的推理、工具调用和知识库检索等能力，但从零开始搭建实在过于繁琐，各种组件的集成和调试让人头大。 正在我苦苦寻找一个高效的解决方案时，发现了 Qwen-Agent 这个在 GitHub 上备受关注的开源项目. 它就像一个大模型应用的百宝箱，集成了各种常用工具和组件，让我们可以快速构建各种智能应用。

项目概述

Qwen-Agent 是一个基于 Qwen 大模型家族的 LLM 应用开发框架. 它可以充分利用 Qwen 模型的指令跟随、工具使用、规划和记忆等能力，帮助开发者快速构建各种 LLM 应用. 就像一个智能助手的工具箱，Qwen-Agent 提供了各种开箱即用的工具和组件，例如浏览器助手、代码解释器和自定义助手等.

该项目使用 Python 语言开发，具有良好的开源性和可扩展性. 开发者可以基于 Qwen-Agent 提供的各种组件，轻松构建自己的 Agent 应用.

项目数据

  • GitHub 星标数量： 7372 (累计)
  • 今日 Star： 188
  • 主要开发语言： Python
  • 作者： QwenLM
  • 最近更新： May 1, 2025

功能亮点

  • 🔎 工具调用

    Qwen-Agent 提供了强大的工具调用能力，可以轻松地将各种外部工具集成到 LLM 应用中. 这使得 LLM 应用可以完成各种复杂的任务，例如查询天气、搜索信息、控制硬件等.

  • 🧠 记忆能力

    Qwen-Agent 具有记忆能力，可以记住之前的对话内容和状态，从而实现更自然的交互体验. 这对于构建聊天机器人、智能客服等应用非常重要.

  • 🛠️代码解释器

    Qwen-Agent 内置了代码解释器，可以直接运行 Python 代码. 这使得 LLM 应用可以完成各种数据分析、科学计算等任务. 但需要注意的是，官方提示代码解释器未沙箱化，存在安全风险.

  • 📄 RAG 支持

    Qwen-Agent 支持 RAG（Retrieval-Augmented Generation）技术，可以从外部知识库中检索相关信息，然后结合 LLM 的生成能力，生成更准确、更丰富的答案. 这对于构建问答系统、知识库助手等应用非常有用.

  • 🌐 浏览器助手

    Qwen-Agent 包含浏览器助手示例应用，可以模拟用户在浏览器中的操作，例如访问网页、填写表单、点击按钮等. 这对于构建自动化测试、数据采集等应用非常方便.

  • ✨ 自定义 Agent

    Qwen-Agent 提供了灵活的 Agent 开发框架，开发者可以根据自己的需求，自定义 Agent 的行为和能力. 这使得 Qwen-Agent 可以应用于各种不同的场景.

安装与使用

  1. 环境要求

    • Python 3.10 或更高版本 (GUI支持)

  2. 安装步骤

    你可以选择从 PyPI 安装稳定版本，或者从源码安装最新的开发版本:

    • 从 PyPI 安装 
      pip install -U "qwen-agent[gui,rag,code_interpreter,mcp]"
# Or use `pip install -U qwen-agent` for the minimal requirements.
# The optional requirements, specified in double brackets, are:
#   [gui] for Gradio-based GUI support;
#   [rag] for RAG support;
#   [code_interpreter] for Code Interpreter support;
#   [mcp] for MCP support.
    • 从源码安装 
      git clone https://github.com/QwenLM/Qwen-Agent.git
cd Qwen-Agent
pip install -e ."[gui,rag,code_interpreter,mcp]"
# Or `pip install -e ./` for minimal requirements.

  3. 配置模型服务

    Qwen-Agent 支持使用阿里云 DashScope 提供的模型服务，也支持使用开源 Qwen 模型部署自己的模型服务.

    • 使用 DashScope 模型服务

      确保设置环境变量 DASHSCOPE_API_KEY 为你的 DashScope API Key.

    • 使用自部署模型服务

      参考 Qwen2 的 README 文档，部署 OpenAI 兼容的 API 服务. 推荐使用 vLLM 或 Ollama.

  4. 快速上手

    参考官方提供的示例代码，可以快速创建一个具有 PDF 阅读和工具使用能力的 Agent. 官方还提供了 Gradio GUI 界面，方便快速部署 Agent Demo.

  5. 常见问题

    • 如何使用 MCP？

      Qwen-Agent 支持 MCP（Model Context Protocol），可以通过 MCP Server 获取各种外部信息. 具体使用方法可以参考官方文档和示例代码.

    • 是否支持函数调用 (aka tool calling)?

      是的，Qwen-Agent 的 LLM 类提供了函数调用功能. 此外，一些 Agent 类也基于函数调用能力构建，例如 FnCallAgent 和 ReActChat.

    • 如何处理超长文档的问答？

      Qwen-Agent 提供了快速 RAG 解决方案和强大的 Agent，用于处理超长文档的问答. 它们在两个具有挑战性的基准测试中优于原生长上下文模型，同时效率更高.

使用场景与推荐理由

  1. 智能客服

    Qwen-Agent 可以用于构建智能客服系统，通过工具调用和知识库检索，为用户提供更准确、更高效的帮助.

  2. 自动化助手

    Qwen-Agent 可以用于构建各种自动化助手，例如自动化测试、数据采集、流程自动化等.

  3. RAG 应用

    Qwen-Agent 强大的 RAG 支持，可以帮助开发者快速构建各种问答系统、知识库助手等应用.

推荐理由：

  • 功能强大： 提供了丰富的工具和组件，可以满足各种 LLM 应用开发需求.
  • 易于使用： 提供了清晰的文档和示例代码，方便开发者快速上手.
  • 高度可扩展： 提供了灵活的 Agent 开发框架，方便开发者自定义 Agent 的行为和能力.

Qwen-Agent 相比于其他 LLM 开发框架，例如 LangChain，更加轻量级和灵活，更适合对 Qwen 大模型有深入了解的开发者.

结语

Qwen-Agent 是一个非常值得尝试的 LLM 应用开发框架. 它的功能强大、易于使用、高度可扩展，可以帮助开发者快速构建各种智能应用. 强烈推荐大家尝试使用 Qwen-Agent，相信它会给你带来惊喜！

GitHub 链接： https://github.com/QwenLM/Qwen-Agent

欢迎大家尝试 Qwen-Agent，并分享你的使用体验和反馈！

Search Sources:

  1. github.com
  2. analyticsindiamag.com
  3. readthedocs.io
  4. github.com

类似文章