AgentLoop:Integrasikan aplikasi AgentScope (Java)

Pengenalan framework

AgentScope adalah framework pengembangan aplikasi multi-agen open-source dari Alibaba. Framework ini menyediakan berbagai jenis agen seperti ReActAgent, mencakup adapter model bawaan seperti DashScope, serta mendukung tool calling, manajemen memori, dan kolaborasi multi-agen. AgentScope Java merupakan implementasi Java dari framework tersebut dan cocok untuk membangun aplikasi LLM dalam ekosistem JVM.

Setelah integrasi, data berikut dipantau secara otomatis:

• Jejak eksekusi agen.

• Pemanggilan LLM: penggunaan token serta konten input dan output dari pemanggilan model.

• Jejak tool calling: detail pemanggilan setiap tool dalam Toolkit.

• Langkah ReAct: aksi dan observasi pada setiap iterasi loop.

  AgentLoop melaporkan data ini sebagai data Trace dan Metric.

Metode integrasi

Untuk mengintegrasikan aplikasi AgentScope Java ke AgentLoop, pertama-tama dapatkan parameter integrasi di Konsol AgentLoop, lalu instal probe Java sesuai dengan lingkungan deployment Anda.

Instal probe Java

Pilih salah satu metode instalasi berikut berdasarkan lingkungan deployment Anda:

• Integrasikan dengan Container Service for Kubernetes (ACK) dan Container Compute Service (ACS) — Untuk aplikasi yang dideploy di kluster ACK atau ACS. Komponen ack-onepilot secara otomatis menginstal dan memelihara probe Java di lingkungan kontainer.

• Integrasi manual — Untuk aplikasi yang berjalan di luar kluster ACK atau ACS, seperti aplikasi yang dijalankan dengan perintah java -jar, Tomcat, atau Jetty. Anda mengunduh probe Java dan menambahkannya ke proses startup aplikasi secara manual.

  Setelah integrasi selesai dan aplikasi Anda direstart, Anda dapat memverifikasi bahwa data dilaporkan di bagian View monitoring details.

Kode contoh

Contoh berikut menggunakan AgentScope Java 2.0.1 untuk membangun agen minimal yang dapat dijalankan yang berisi satu pemanggilan model dan satu pemanggilan tool. Sebelum menjalankan contoh ini, pastikan JDK 17 atau versi yang lebih baru telah terinstal dan DASHSCOPE_API_KEY telah diatur sebagai variabel lingkungan.

Tambahkan dependensi AgentScope Java 2.0.1 ke pom.xml proyek Maven Anda:

• Tambahkan agentscope-core untuk menggunakan fitur dasar seperti ReActAgent.

• Tambahkan agentscope-extensions-model-dashscope untuk memanggil model melalui DashScope.

• Tambahkan agentscope-harness jika fitur Harness diperlukan.

<dependencies>
  <dependency>
    <groupId>io.agentscope</groupId>
    <artifactId>agentscope-core</artifactId>
    <version>2.0.1</version>
  </dependency>
  <dependency>
    <groupId>io.agentscope</groupId>
    <artifactId>agentscope-extensions-model-dashscope</artifactId>
    <version>2.0.1</version>
  </dependency>
  <!-- Tambahkan dependensi ini jika fitur Harness diperlukan -->
  <dependency>
    <groupId>io.agentscope</groupId>
    <artifactId>agentscope-harness</artifactId>
    <version>2.0.1</version>
  </dependency>
</dependencies>

Buat agen minimal dengan tool calling: adapter model DashScopeChatModel diimpor dari io.agentscope.extensions.model.dashscope, pesan dibangun dengan Msg, MsgRole, dan TextBlock, serta tool didaftarkan dengan Toolkit.

import io.agentscope.core.agent.ReActAgent;
import io.agentscope.core.message.Msg;
import io.agentscope.core.message.MsgRole;
import io.agentscope.core.message.TextBlock;
import io.agentscope.core.tool.Tool;
import io.agentscope.core.tool.ToolParam;
import io.agentscope.core.tool.Toolkit;
import io.agentscope.extensions.model.dashscope.DashScopeChatModel;

public class QuickStart {
    public static void main(String[] args) {
        Toolkit toolkit = new Toolkit();
        toolkit.registerTool(new SimpleTools());

        DashScopeChatModel model = DashScopeChatModel.builder()
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .modelName("qwen-plus")
                .build();

        ReActAgent agent = ReActAgent.builder()
                .name("TravelAgent")
                .sysPrompt("You are a travel assistant. Use tools when needed.")
                .model(model)
                .toolkit(toolkit)
                .build();

        Msg msg = Msg.builder()
                .role(MsgRole.USER)
                .content(TextBlock.builder()
                        .text("What time is it in Hangzhou? Give me one travel tip.")
                        .build())
                .build();

        Msg response = agent.call(msg).block();
        System.out.println(response.getTextContent());
    }
}

class SimpleTools {
    @Tool(name = "get_time", description = "Get current local time")
    public String getTime(
            @ToolParam(name = "city", description = "City name") String city) {
        return city + ": " + java.time.LocalDateTime.now()
                .format(java.time.format.DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss"));
    }
}

Untuk menjalankan contoh ini dengan pemantauan diaktifkan, kemas contoh sebagai file JAR dan jalankan dengan perintah integrasi di Langkah 4 prosedur integrasi manual. Ganti demoApp.jar dengan path file JAR contoh. Jika Anda menerapkan contoh di kluster ACK atau ACS, tambahkan label pemantauan yang dijelaskan di Langkah 3 ke Deployment contoh.

Lihat detail pemantauan

1. Login ke Konsol AgentLoop dan pilih AgentSpace target. Di panel navigasi sebelah kiri, klik AI Agent Observability.

2. Di halaman AI Application List, temukan aplikasi AgentScope Java yang telah diintegrasikan lalu klik Application Name untuk membuka halaman detail.

   Di halaman detail aplikasi, Anda dapat melihat jejak pemanggilan aplikasi:

• Ikhtisar — Termasuk Trace ID, waktu mulai, durasi total, total token, dan sebagainya.

• Timeline jejak — Menampilkan rantai pemanggilan agen lengkap berdasarkan level dan durasi setiap rentang. Rentang akar bertipe AGENT dan sesuai dengan satu eksekusi agen. Durasi rentang ini merupakan durasi total pemanggilan. Level di bawahnya bertipe STEP (setiap iterasi loop ReAct), LLM (pemanggilan model, termasuk jumlah token input dan output), dan TOOL (tool calling, seperti get_time dalam contoh).

• Penyaringan tipe rentang — Menyaring rentang berdasarkan AGENT, STEP, LLM, atau TOOL untuk dengan cepat menemukan node target.

• Detail rentang — Klik suatu rentang dan lihat detailnya di panel detail di sebelah kanan. Misalnya, rentang LLM menampilkan Input Messages (prompt sistem dan pertanyaan pengguna) serta Output Messages (respons model dan detail pemanggilan tool).

Referensi

• Untuk API dan penggunaan lebih lanjut AgentScope Java 2.0.1, lihat dokumentasi resmi AgentScope.

• Untuk menginstal probe Java di Container Service for Kubernetes (ACK) atau Container Compute Service (ACS), lihat Install the Java probe in ACK and ACS clusters by using the ack-onepilot component.

• Untuk menginstal probe Java secara manual, lihat Manually install the probe.

• Untuk metode troubleshooting ketika integrasi probe Java atau pelaporan data tidak normal, lihat dokumentasi troubleshooting probe Java.