Description
La bibliothèque py-vectara-agentic permet aux développeurs de construire des assistants et agents IA sophistiqués en exploitant les capacités de Vectara et le modèle Agentic RAG. Basée sur le framework LlamaIndex Agent, cette bibliothèque Python simplifie le processus de création d'outils qui s'interfacent avec les corpus Vectara. Sa force principale réside dans sa capacité à générer rapidement des outils Vectara RAG ou des outils de recherche avec un minimum de code, accélérant ainsi considérablement le développement.
Lire la suite
Cette bibliothèque offre une flexibilité dans la conception des agents, prenant en charge divers types d'agents tels que ReAct et Function Calling. Elle propose des outils pré-construits spécifiques à des domaines tels que la finance et le droit, améliorant son applicabilité dans différentes industries. Un avantage clé est son intégration multi-LLM, permettant une connexion transparente avec des fournisseurs populaires, notamment OpenAI, Anthropic, Gemini, GROQ, Together.AI, Cohere et AWS Bedrock. Pour les développeurs axés sur la compréhension du comportement et des performances des agents, py-vectara-agentic inclut un support d'observabilité intégré avec Arize Phoenix.
Les utilisateurs avancés peuvent étendre les capacités des agents grâce à des workflows personnalisés définis à l'aide de la méthode `run()`, permettant des interactions structurées et multi-étapes. La bibliothèque fournit également un streaming robuste et une génération de réponses en temps réel, crucial pour les applications interactives et l'amélioration de l'expérience utilisateur en affichant les réponses au fur et à mesure de leur génération. La correction des hallucinations de Vectara (VHC) est intégrée, permettant l'analyse et la correction des réponses des agents sur la base du contenu factuel récupéré par les outils éligibles à la VHC. La bibliothèque inclut également des fonctionnalités de validation d'outils et prend en charge la création d'outils personnalisés à partir de fonctions Python.
Les fonctionnalités clés incluent la création rapide d'outils pour Vectara RAG et la recherche, la prise en charge de divers types d'agents, l'intégration multi-LLM, l'observabilité intégrée et le support des workflows pour des interactions complexes. La bibliothèque convient aux développeurs, aux ingénieurs IA et aux chercheurs cherchant à construire des agents intelligents capables d'interroger et d'utiliser efficacement les données stockées dans Vectara, en mettant l'accent sur des réponses fondées et précises.
- CatégorieCréateurs d'agents IA
- Modèle tarifaireOpen source
- DéploiementCloud
- PlateformesWeb
Fonctionnalités principales de py-vectara-agentic
Création rapide d'outils Vectara RAG et de recherche
Prise en charge des types d'agents ReAct et Function Calling
Intégration avec les LLM OpenAI, Anthropic, Gemini, GROQ, Together.AI, Cohere et Bedrock
Observabilité intégrée avec Arize Phoenix
Workflows personnalisables via la méthode `run()`
Génération de réponses en streaming et en temps réel
Support intégré pour la correction des hallucinations de Vectara (VHC)
Validation des outils pour s'assurer que les instructions personnalisées correspondent aux outils disponibles
Possibilité de créer des outils personnalisés à partir de fonctions Python
Outils pré-construits spécifiques aux domaines de la finance et du droit
Prise en charge du filtrage des métadonnées dans les requêtes Vectara
Formatage de la sortie des outils lisible par l'homme
Premiers pas avec py-vectara-agentic
Cloner : Obtenez la bibliothèque depuis son dépôt GitHub.
Installer : Exécutez `pip install vectara-agentic` pour installer les dépendances.
Configurer : Configurez les clés API Vectara et les clés de corpus, et éventuellement les clés API LLM.
Initialiser : Créez une `VectaraToolFactory` et définissez les instructions de l'agent.
Créer des outils : Utilisez `create_rag_tool` ou `create_search_tool` pour l'intégration Vectara.
Instancier l'agent : Créez une instance `Agent` avec vos outils et instructions personnalisées.
Exécuter : Interagissez avec l'agent en utilisant les méthodes chat, achat, stream_chat ou astream_chat.
Analyser : Utilisez VHC ou les workflows pour une analyse avancée des réponses et des interactions complexes.
Cas d'utilisation de py-vectara-agentic
- Développement d'assistants IA
- Création d'applications RAG
- Agents d'analyse de données
- Chatbots interactifs
- Automatisation des workflows
- Intégration LLM
