py-vectara-agentic

Descripción

La biblioteca py-vectara-agentic permite a los desarrolladores construir sofisticados asistentes y agentes de IA aprovechando las capacidades de Vectara y el patrón Agentic RAG. Construida sobre el framework Agent de LlamaIndex, esta biblioteca de Python agiliza el proceso de creación de herramientas que interactúan con corpus de Vectara. Su fortaleza principal radica en su capacidad para generar rápidamente herramientas Vectara RAG o herramientas de búsqueda con un mínimo de código, acelerando significativamente el desarrollo.

Esta biblioteca ofrece flexibilidad en el diseño de agentes, soportando varios tipos de agentes como ReAct y Function Calling. Cuenta con herramientas preconstruidas específicas de dominio adaptadas para sectores como finanzas y legal, mejorando su aplicabilidad en diferentes industrias. Una ventaja clave es su integración multi-LLM, que permite una conexión fluida con proveedores populares como OpenAI, Anthropic, Gemini, GROQ, Together.AI, Cohere y AWS Bedrock. Para los desarrolladores centrados en comprender el comportamiento y el rendimiento de los agentes, py-vectara-agentic incluye soporte de observabilidad integrado con Arize Phoenix.

Los usuarios avanzados pueden extender las capacidades de los agentes a través de flujos de trabajo personalizados definidos utilizando el método `run()`, lo que permite interacciones estructuradas y de múltiples pasos. La biblioteca también proporciona una sólida generación de respuestas en streaming y en tiempo real, crucial para aplicaciones interactivas y para mejorar la experiencia del usuario al mostrar las respuestas a medida que se generan. Vectara Hallucination Correction (VHC) está integrado, lo que permite el análisis y la corrección de las respuestas de los agentes basándose en el contenido factual recuperado por herramientas elegibles para VHC. La biblioteca también incluye funciones para la validación de herramientas y soporta la creación de herramientas personalizadas a partir de funciones de Python.

Las características clave incluyen la creación rápida de herramientas para Vectara RAG y búsqueda, soporte para diversos tipos de agentes, integración multi-LLM, observabilidad integrada y soporte de flujos de trabajo para interacciones complejas. La biblioteca es adecuada para desarrolladores, ingenieros de IA e investigadores que buscan construir agentes inteligentes que puedan consultar y utilizar eficazmente los datos almacenados en Vectara, con un enfoque en respuestas fundamentadas y precisas.

Características principales de py-vectara-agentic

• Creación rápida de herramientas Vectara RAG y de búsqueda

• Soporte para tipos de agentes ReAct y Function Calling

• Integración con LLMs de OpenAI, Anthropic, Gemini, GROQ, Together.AI, Cohere y Bedrock

• Observabilidad integrada con Arize Phoenix

• Flujos de trabajo personalizables a través del método `run()`

• Generación de respuestas en streaming y en tiempo real

• Soporte integrado para Vectara Hallucination Correction (VHC)

• Validación de herramientas para asegurar que las instrucciones personalizadas coincidan con las herramientas disponibles

• Capacidad de crear herramientas personalizadas a partir de funciones de Python

• Herramientas preconstruidas específicas de dominio para finanzas y legal

• Soporte para filtrado de metadatos en consultas Vectara

• Formato de salida de herramientas legible por humanos

Primeros pasos con py-vectara-agentic

1. 1

   Clonar: Obtenga la biblioteca de su repositorio de GitHub.

2. 2

   Instalar: Ejecute `pip install vectara-agentic` para instalar las dependencias.

3. 3

   Configurar: Configure las claves API de Vectara y las claves de corpus, y opcionalmente las claves API de LLM.

4. 4

   Inicializar: Cree un `VectaraToolFactory` y defina las instrucciones del agente.

5. 5

   Crear Herramientas: Use `create_rag_tool` o `create_search_tool` para la integración con Vectara.

6. 6

   Instanciar Agente: Cree una instancia de `Agent` con sus herramientas e instrucciones personalizadas.

7. 7

   Ejecutar: Interactúe con el agente utilizando los métodos chat, achat, stream_chat o astream_chat.

8. 8

   Analizar: Utilice VHC o flujos de trabajo para análisis avanzado de respuestas e interacciones complejas.

Casos de uso de py-vectara-agentic

• Desarrollo de Asistentes de IA
• Creación de Aplicaciones RAG
• Agentes de Análisis de Datos
• Chatbots Interactivos
• Automatización de Flujos de Trabajo
• Integración de LLM

Preguntas frecuentes de py-vectara-agentic

• ¿Qué es py-vectara-agentic?

  py-vectara-agentic es una biblioteca de Python diseñada para construir asistentes y agentes de IA que aprovechan las capacidades de Vectara y el patrón Agentic RAG.

• ¿Cómo simplifica py-vectara-agentic la creación de herramientas?

  Proporciona funciones auxiliares como `create_rag_tool` y `create_search_tool` para construir rápidamente herramientas que se conectan a corpus de Vectara con un mínimo de código.

• ¿Qué proveedores de LLM son compatibles con py-vectara-agentic?

  La biblioteca soporta la integración con OpenAI, Anthropic, Gemini, GROQ, Together.AI, Cohere y AWS Bedrock.

• ¿Puedo crear flujos de trabajo personalizados con py-vectara-agentic?

  Sí, la biblioteca soporta flujos de trabajo personalizados a través del método `run()`, lo que permite interacciones estructuradas y de múltiples pasos.

• ¿Qué es Vectara Hallucination Correction (VHC) en esta biblioteca?

  VHC analiza las respuestas de los agentes y corrige las alucinaciones basándose en el contenido factual recuperado por herramientas elegibles para VHC, asegurando resultados más precisos.

• ¿Cómo puedo seguir el progreso del agente en tiempo real?

  Puede usar el parámetro `agent_progress_callback` para seguir las llamadas a herramientas y las salidas en tiempo real, lo que funciona tanto con métodos de chat regulares como de streaming.

• ¿Cuáles son los requisitos previos para usar py-vectara-agentic?

  Necesita una cuenta de Vectara con un corpus y una clave API, Python 3.10 o superior, y claves API para sus proveedores de LLM elegidos.

• ¿Soporta py-vectara-agentic respuestas en streaming?

  Sí, ofrece potentes capacidades de streaming para la generación de respuestas en tiempo real, ideal para aplicaciones interactivas.

• ¿Cómo instalo py-vectara-agentic?

  Puede instalarlo usando pip: `pip install vectara-agentic`.

• ¿Puedo usar funciones personalizadas de Python como herramientas?

  Sí, puede crear sus propias herramientas directamente a partir de funciones de Python utilizando el método `create_tool()` de la clase `ToolsFactory`.