py-vectara-agentic

Descrição

A biblioteca py-vectara-agentic capacita os desenvolvedores a construir assistentes e agentes de IA sofisticados, aproveitando as capacidades do Vectara e o padrão Agentic RAG. Construída sobre o framework LlamaIndex Agent, esta biblioteca Python simplifica o processo de criação de ferramentas que interagem com corpora Vectara. Sua força principal reside na capacidade de gerar rapidamente ferramentas Vectara RAG ou ferramentas de busca com código mínimo, acelerando significativamente o desenvolvimento.

Esta biblioteca oferece flexibilidade no design de agentes, suportando vários tipos de agentes como ReAct e Function Calling. Ela possui ferramentas pré-construídas específicas de domínio, adaptadas para setores como finanças e jurídico, aprimorando sua aplicabilidade em diferentes indústrias. Uma vantagem chave é sua integração multi-LLM, permitindo conexão perfeita com provedores populares, incluindo OpenAI, Anthropic, Gemini, GROQ, Together.AI, Cohere e AWS Bedrock. Para desenvolvedores focados em entender o comportamento e o desempenho do agente, py-vectara-agentic inclui suporte de observabilidade integrado com Arize Phoenix.

Usuários avançados podem estender as capacidades do agente através de fluxos de trabalho personalizados definidos usando o método `run()`, permitindo interações estruturadas e multi-etapas. A biblioteca também fornece streaming robusto e geração de respostas em tempo real, crucial para aplicações interativas e para melhorar a experiência do usuário, exibindo respostas à medida que são geradas. A Correção de Alucinações do Vectara (VHC) é integrada, permitindo a análise e correção de respostas de agentes com base em conteúdo factual recuperado por ferramentas elegíveis para VHC. A biblioteca também inclui recursos para validação de ferramentas e suporta a criação de ferramentas personalizadas a partir de funções Python.

Os principais recursos incluem a criação rápida de ferramentas para Vectara RAG e busca, suporte para diversos tipos de agentes, integração multi-LLM, observabilidade integrada e suporte a fluxos de trabalho para interações complexas. A biblioteca é adequada para desenvolvedores, engenheiros de IA e pesquisadores que buscam construir agentes inteligentes capazes de consultar e utilizar efetivamente dados armazenados no Vectara, com foco em respostas fundamentadas e precisas.

Recursos principais de py-vectara-agentic

• Criação rápida de ferramentas Vectara RAG e de busca

• Suporte para tipos de agentes ReAct e Function Calling

• Integração com LLMs OpenAI, Anthropic, Gemini, GROQ, Together.AI, Cohere e Bedrock

• Observabilidade integrada com Arize Phoenix

• Fluxos de trabalho personalizáveis via método `run()`

• Geração de respostas em streaming e em tempo real

• Suporte integrado para Correção de Alucinações do Vectara (VHC)

• Validação de ferramentas para garantir que as instruções personalizadas correspondam às ferramentas disponíveis

• Capacidade de criar ferramentas personalizadas a partir de funções Python

• Ferramentas pré-construídas específicas de domínio para finanças e jurídico

• Suporte para filtragem de metadados em consultas Vectara

• Formatação de saída de ferramenta legível por humanos

Primeiros passos com py-vectara-agentic

1. 1

   Clonar: Obtenha a biblioteca do seu repositório GitHub.

2. 2

   Instalar: Execute `pip install vectara-agentic` para instalar as dependências.

3. 3

   Configurar: Configure as chaves da API Vectara e as chaves do corpus, e opcionalmente as chaves da API LLM.

4. 4

   Inicializar: Crie um `VectaraToolFactory` e defina as instruções do agente.

5. 5

   Criar Ferramentas: Use `create_rag_tool` ou `create_search_tool` para integração Vectara.

6. 6

   Instanciar Agente: Crie uma instância `Agent` com suas ferramentas e instruções personalizadas.

7. 7

   Executar: Interaja com o agente usando os métodos chat, achat, stream_chat ou astream_chat.

8. 8

   Analisar: Utilize VHC ou fluxos de trabalho para análise avançada de respostas e interações complexas.

Casos de uso de py-vectara-agentic

• Desenvolvimento de Assistentes de IA
• Criação de Aplicações RAG
• Agentes de Análise de Dados
• Chatbots Interativos
• Automação de Fluxos de Trabalho
• Integração de LLM

Perguntas frequentes de py-vectara-agentic

• O que é py-vectara-agentic?

  py-vectara-agentic é uma biblioteca Python projetada para construir assistentes e agentes de IA que aproveitam as capacidades do Vectara e o padrão Agentic RAG.

• Como py-vectara-agentic simplifica a criação de ferramentas?

  Ele fornece funções auxiliares como `create_rag_tool` e `create_search_tool` para construir rapidamente ferramentas que se conectam a corpora Vectara com código mínimo.

• Quais provedores de LLM são suportados por py-vectara-agentic?

  A biblioteca suporta integração com OpenAI, Anthropic, Gemini, GROQ, Together.AI, Cohere e AWS Bedrock.

• Posso criar fluxos de trabalho personalizados com py-vectara-agentic?

  Sim, a biblioteca suporta fluxos de trabalho personalizados através do método `run()`, permitindo interações estruturadas e multi-etapas.

• O que é Correção de Alucinações do Vectara (VHC) nesta biblioteca?

  VHC analisa as respostas do agente e corrige alucinações com base em conteúdo factual recuperado por ferramentas elegíveis para VHC, garantindo saídas mais precisas.

• Como posso rastrear o progresso do agente em tempo real?

  Você pode usar o parâmetro `agent_progress_callback` para rastrear chamadas de ferramentas e saídas em tempo real, o que funciona com métodos de chat regulares e de streaming.

• Quais são os pré-requisitos para usar py-vectara-agentic?

  Você precisa de uma conta Vectara com um corpus e chave de API, Python 3.10 ou superior, e chaves de API para seus provedores de LLM escolhidos.

• py-vectara-agentic suporta streaming de respostas?

  Sim, ele oferece poderosas capacidades de streaming para geração de respostas em tempo real, ideal para aplicações interativas.

• Como instalo py-vectara-agentic?

  Você pode instalá-lo usando pip: `pip install vectara-agentic`.

• Posso usar funções Python personalizadas como ferramentas?

  Sim, você pode criar suas próprias ferramentas diretamente de funções Python usando o método `create_tool()` da classe `ToolsFactory`.