Aplikasi Orkestrasi Agen -

Aplikasi orkestrasi agen memungkinkan Anda membangun kelompok multi-agen yang dapat merencanakan dan berkolaborasi secara otomatis, sehingga memungkinkan agen bekerja sama secara efisien pada tugas-tugas kompleks. Topik ini membimbing Anda melalui pembuatan aplikasi orkestrasi agen dan mengeksplorasi fitur-fiturnya yang lebih canggih.

Penting

Pembatasan Akses Konsol: Hanya Pengguna Edisi Internasional yang membuat aplikasi sebelum 21 April 2025 yang dapat mengakses tab Application Development, seperti yang ditunjukkan pada gambar berikut.
Tab ini mencakup fitur-fitur berikut: Aplikasi (aplikasi agen dan aplikasi alur kerja), Komponen (rekayasa prompt dan Plugin), serta Data (basis pengetahuan dan data aplikasi). Semua ini adalah fitur pratinjau. Gunakan dengan hati-hati di lingkungan produksi.
Batasan Panggilan API: Hanya Pengguna Edisi Internasional yang membuat aplikasi sebelum 21 April 2025 yang dapat memanggil API data aplikasi, basis pengetahuan, dan rekayasa prompt.

Mengapa menggunakan orkestrasi agen

Aplikasi orkestrasi agen menawarkan beberapa keunggulan dibandingkan aplikasi agen tunggal:

Kolaborasi dan Fleksibilitas: Beberapa agen dapat berkolaborasi untuk menyelesaikan tugas-tugas kompleks lebih efektif daripada satu agen. Kemampuan ini sangat berguna dalam skenario yang memerlukan kerja sama multipihak dan pemrosesan paralel.
Ekstensibilitas dan Ketahanan: Anda dapat menyesuaikan jumlah dan peran agen dalam aplikasi orkestrasi agen, meningkatkan fleksibilitas dan ketahanannya.
Penguraian Tugas dan Pemrosesan Paralel: Aplikasi orkestrasi agen dapat memecah tugas-tugas kompleks menjadi subtugas yang kemudian diproses secara paralel oleh agen-agen yang berbeda, meningkatkan efisiensi.
Perencanaan Otomatis: Aplikasi orkestrasi agen dapat merencanakan alur eksekusi tugas secara mandiri dan menjadwalkan sub-agen berdasarkan kebutuhan tugas.
Fungsionalitas Agen yang Lengkap: Selain kemampuan-kemampuan tersebut, node agen mendukung fitur-fitur seperti Generasi yang Diperkaya dengan Pengambilan Data (RAG), plugin, dan orkestrasi alur, serta memiliki fungsionalitas yang sama dengan agen tunggal.

Mulai cepat

Bagian ini menggunakan asisten manajemen jadwal sebagai contoh untuk membantu Anda memulai dengan aplikasi orkestrasi agen.

Deskripsi skenario: Asisten manajemen jadwal

Masalah

Pengguna membutuhkan asisten cerdas untuk mengumpulkan dan mengatur jadwal mereka. Tujuannya adalah merancang sistem yang dapat menerima informasi jadwal dari pengguna dan mengorganisasikannya ke dalam format kalender terstruktur.

Solusi

Solusi ini menggunakan aplikasi orkestrasi agen untuk memecah tugas menjadi dua agen independen, di mana setiap agen bertanggung jawab atas subtugas yang berbeda.

Peran dan tugas

Peran	Tugas	Deskripsi	Contoh Input	Contoh Output
Pengumpul Informasi	Mengumpulkan informasi jadwal dari pengguna.	Menerima jadwal yang dimasukkan oleh pengguna, seperti rapat, tugas, dan janji temu, lalu meneruskan informasi ini ke pengorganisir data.	Input pengguna: "Rapat tim pukul 10 pagi besok."	Mengonversi input menjadi data terstruktur, seperti {"date": "besok", "time": "10 AM", "event": "rapat tim"}.
Pengorganisir Data	Mengatur informasi jadwal yang dikumpulkan ke dalam format kalender.	Menerima data terstruktur dari pengumpul informasi, mengurutkan informasi berdasarkan tanggal dan waktu, lalu mengeluarkan kalender yang ramah pengguna.	{"date": "besok", "time": "10 AM", "event": "rapat tim"}	Menambahkan informasi ke kalender pengguna. Contohnya, Kalender pengguna: {"2024-08-19": [{"time": "10 AM", "event": "rapat tim"}]}

Contoh

User Input:
"Rapat tim pukul 10 pagi besok"
Pemrosesan Pengumpul Informasi:
Mengurai masukan menjadi {"date": "besok", "time": "10 pagi", "event": "rapat tim"}

Pemrosesan Penyusun Data:

Menambahkan data terstruktur ke kalender dan menghasilkan hasil berikut:

{
  "user_calendar": {
    "2024-08-19": [
      {
        "time": "10 AM",
        "event": "team meeting"
      }
    ]
  }
}

Desain prompt

Anda perlu merancang prompt terpisah untuk kedua agen. Anda dapat menggunakan contoh prompt berikut:

Pengumpul informasi

Anda adalah asisten cerdas yang bertanggung jawab untuk mengumpulkan jadwal pengguna. Pengguna akan memasukkan informasi jadwal mereka dalam bahasa alami. Tugas Anda adalah mengurai input ini dan mengekstrak tanggal, waktu, dan acara. Format output harus berupa objek JSON terstruktur.
Contoh input:
"Rapat tim pukul 10 pagi besok"
Contoh output:
{
  "date": "besok",
  "time": "10 pagi",
  "event": "rapat tim"
}
Ketika pengguna memasukkan jadwal, kembalikan data yang telah diurai dalam format yang ditunjukkan di atas.

Pengorganisir data

Anda adalah asisten cerdas yang bertanggung jawab untuk mengatur jadwal pengguna. Anda akan menerima data terstruktur dari Agen lain dan menambahkan data ini ke kalender pengguna. Pastikan data diurutkan berdasarkan tanggal dan waktu, dan tampilkan kalender yang diperbarui.

Contoh input:
{
  "date": "tomorrow",
  "time": "10 AM",
  "event": "team meeting"
}

Contoh output:
{
  "user_calendar": {
    "2024-08-19": [
      {
        "time": "10 AM",
        "event": "team meeting"
      }
    ]
  }
}

Tambahkan data yang diterima ke kalender pengguna dan kembalikan hasil yang diperbarui.

Buat aplikasi

Pergi ke Aplikasi Model Studio, klik Create Application, dan buat Agent Orchestration Application.
Dari daftar node di sebelah kiri, seret node Agent Group ke Kanvas.
Hapus dua parameter input dari node Mulai. Parameter input preset tidak diperlukan di sini.
Konfigurasikan nama kelompok dan model kelompok untuk node Kelompok Agen. Nama Kelompok: Asisten Manajemen Jadwal Model: Qwen-Plus
Konfigurasikan sub-agen dari kelompok agen. Pengumpul informasi Nama Agen: Pengumpul Informasi Deskripsi: Menerima jadwal yang dimasukkan pengguna, seperti rapat, tugas, dan janji temu. Kemudian meneruskan informasi ini ke pengorganisir data. Konfigurasi Model: Qwen-Plus Prompt: Lihat contoh Pengorganisir data Nama Agen: Pengorganisir Data Deskripsi: Menerima data terstruktur dari pengumpul informasi, mengurutkan informasi berdasarkan tanggal dan waktu, dan mengeluarkan kalender yang ramah pengguna. Konfigurasi Model: Qwen-Plus Prompt: Contoh
Sambungkan node dan konfigurasikan parameter input dan output mereka seperti yang ditunjukkan pada gambar.

Uji, publikasikan, dan panggil API

Gunakan fitur uji pada Kanvas untuk menguji aplikasi.

Klik tombol Publish pada Kanvas untuk mempublikasikan aplikasi.

Klik Contoh API pada Kanvas. Anda dapat menggunakan contoh-contoh ini untuk memanggil aplikasi yang telah dipublikasikan melalui API.

Python

import dashscope
from http import HTTPStatus
from dashscope import Application

dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'
def call_agent_app():
    response = Application.call(app_id='YOUR_APP_ID',
                                prompt='Rapat mingguan pukul 10 pagi besok.',
                                api_key='YOUR_API_KEY',
                                # Jika Anda mendefinisikan variabel di node Start, lewatkan di sini
                                # biz_params = {
                                #    "city": "Hangzhou",
                                #    "date": "Besok"
                                # }
                                )

    if response.status_code != HTTPStatus.OK:
        print('request_id=%s, code=%s, message=%s\n' % (response.request_id, response.status_code, response.message))
    else:
        print('request_id=%s\n output=%s\n usage=%s\n' % (response.request_id, response.output, response.usage))


if __name__ == '__main__':
    call_agent_app()

Java

import com.alibaba.dashscope.app.*;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import java.util.List;
import com.alibaba.dashscope.utils.Constants;

public class Main{
      static {
        Constants.baseHttpApiUrl="https://dashscope-intl.aliyuncs.com/api/v1";
      }
      public static void callAgentApp()
            throws ApiException, NoApiKeyException, InputRequiredException {
        // Jika Anda mendefinisikan variabel di node Start, lewatkan di sini
        // String bizParams = "{\"city\":\"Hangzhou\",\"date\":\"Besok\"}"
        ApplicationParam param = ApplicationParam.builder()
            .apiKey("YOUR_API_KEY")
                .appId("YOUR_APP_ID")
                .prompt("Rapat mingguan pukul 10 pagi besok.")
            //  .bizParams(JsonUtils.parse(bizParams))
                .build();

        Application application = new Application();
        ApplicationResult result = application.call(param);

        System.out.printf("requestId: %s, text: %s, finishReason: %s\n",
                result.getRequestId(), result.getOutput().getText(), result.getOutput().getFinishReason());
    }

    public static void main(String[] args) {
        try {
            callAgentApp();
        } catch (ApiException | NoApiKeyException | InputRequiredException e) {
            System.out.printf("Exception: %s", e.getMessage());
        }
        System.exit(0);
    }  
}

curl

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/apps/YOUR_APP_ID/completion' \
--header 'Authorization: Bearer {YOUR_API_KEY}' \
--header 'Content-Type: application/json' \
--data '{
    "input": {
        "prompt": "Rapat mingguan pukul 10 pagi besok."
    },
# Jika Anda mendefinisikan variabel di node Start, lewatkan di sini
#   "biz_params":{
#       "city": "Hangzhou",
#       "date": "Besok"  
#   },
    "parameters":  {},
    "debug": {}
}' --verbose

Fitur lanjutan

Node fitur

Bagian berikut menjelaskan node fitur, termasuk fungsi, penerapan, dan konfigurasi parameternya, untuk membantu Anda menguasai penggunaannya dalam membuat Aplikasi orkestrasi agen.

Node Mulai

Pengenalan

Konfigurasi parameter

Input

Output

Parameter lainnya

Menerima input pengguna. Anda dapat mendefinisikan beberapa variabel kustom.

Variabel default untuk input pengguna adalah query.

Anda dapat mendefinisikan beberapa variabel kustom untuk menerima input pengguna.

Sama dengan variabel input.

Tidak ada

Node Akhir

Pengenalan	Konfigurasi parameter
Pengenalan	Input	Output	Parameter lainnya
Mengeluarkan konten. Mendukung keluaran teks dan JSON.	Konten yang akan dikeluarkan kepada pengguna. Anda dapat menyisipkan beberapa variabel. Campuran variabel dan teks didukung.	Sama dengan variabel input.	Tidak ada

Aplikasi Agen

Pengenalan	Penggunaan	Konfigurasi parameter
Pengenalan	Penggunaan	Input	Output	Parameter lainnya
Pilih aplikasi agen yang telah Anda buat di My Applications.	Impor agen yang sudah ada.	Konten yang akan dimasukkan ke dalam agen.	Konten yang dihasilkan oleh agen.	Hanya dapat didefinisikan di agen sumber.

Buat Agen

Pengenalan

Penggunaan

Konfigurasi parameter

Input

Output

Parameter lainnya

Buat agen baru untuk digunakan hanya dalam kanvas orkestrasi.

Buat agen yang hanya digunakan dalam aplikasi saat ini.

Konten yang akan diinput ke agen.

Konten yang dihasilkan oleh agen.

Agent Name: Pengenal dari agen.

Model Configuration: Model bahasa besar (LLM) yang dikonfigurasikan untuk agen.

Prompt: Menentukan peran dan tugas agen dalam bahasa alami.

Knowledge Retrieval Augmentation: Fitur RAG. Anda dapat mengonfigurasikan basis pengetahuan untuk agen.

Plugin: Memungkinkan agen memanggil plugin resmi atau plugin kustom.

Flow: Memungkinkan agen memanggil orkestrasi alur.

Grup Agen

Pengenalan

Penggunaan yang disarankan

Konfigurasi parameter

Input

Output

Parameter lainnya

Buat sebuah kelompok yang berisi beberapa agen untuk secara otomatis mengoordinasikan pelaksanaan tugas.

Cocok untuk tugas-tugas yang memerlukan perencanaan cerdas. Untuk menyelesaikan proyek besar tetapi tidak yakin bagaimana merancang alur spesifik, pilih node ini.

Konten yang akan diinput ke dalam kelompok agen.

Konten yang dihasilkan oleh kelompok agen.

agResult: Hasil inferensi.

agProcess: Proses inferensi.

Group Name: Nama dari kelompok agen.

Model: Model pengambilan keputusan.

Sub-agen: Parameter lainnya sama dengan yang ada pada node Create Agent.

Klasifikasi Keputusan

Pengenalan

Penggunaan yang disarankan

Konfigurasi parameter

Input

Output

Parameter lainnya

Memadankan cabang-cabang berikutnya secara cerdas berdasarkan deskripsi kategori. Dapat digunakan untuk klasifikasi maksud pengguna dan klasifikasi skenario tugas.

Cocok untuk tugas-tugas yang memerlukan pengambilan keputusan cerdas. Jika Anda ingin menggunakan LLM untuk menentukan langkah selanjutnya dalam alur secara cerdas, pilih node ini.

Konten yang akan dimasukkan ke dalam model pengambilan keputusan.

Konten yang dihasilkan oleh model pengambilan keputusan.

thought: Proses pemikiran.

subject: Subjek yang cocok.

Category Configuration: Kategori kustom. Berdasarkan deskripsi kategori Anda, jika model pengambilan keputusan menentukan bahwa konten input termasuk dalam suatu kategori, alur kerja beralih ke alur berikutnya dari cabang tersebut.

Other Categories: Kategori keputusan default. Jika model pengambilan keputusan menentukan bahwa konten input tidak termasuk dalam salah satu kategori yang ditentukan, alur kerja beralih ke alur berikutnya dari cabang ini.

Konversi Teks

Pengenalan	Penggunaan yang disarankan	Konfigurasi parameter
Pengenalan	Penggunaan yang disarankan	Input	Output	Parameter lainnya
Menggunakan templat untuk mengonversi atau memproses konten teks.	Cocok untuk secara intuitif mengatur konten yang dihasilkan oleh node agen.	Teks yang memerlukan konversi format. Anda dapat menyisipkan beberapa variabel. Campuran variabel dan teks didukung.	Konten yang telah diformat.	Tidak ada

Konversi Skrip

Pengenalan

Penggunaan yang disarankan

Konfigurasi parameter

Input

Output

Parameter lainnya

Menggunakan skrip untuk mengonversi atau memproses konten teks.

Cocok untuk mengatur konten yang dihasilkan oleh node agen dalam format JSON.

Teks yang memerlukan konversi format.

Variabel output yang diformat dalam JSON Schema.

Code: Mendukung penggunaan skrip Python atau JavaScript untuk mengonversi teks.

JSON Schema Generator: Dapat menghasilkan JSON Schema untuk output berdasarkan contoh JSON target.

Penilaian Kondisional

Pengenalan	Penggunaan yang disarankan	Konfigurasi parameter
Pengenalan	Penggunaan yang disarankan	Input	Output	Parameter lainnya
Menjalankan pemeriksaan kondisional pada parameter dalam node, kemudian menghasilkan tanggapan output melalui node Konversi Teks di cabang berbeda.	Cocok untuk skenario di mana output dihasilkan setelah pemeriksaan kondisional.	Parameter yang memerlukan pemeriksaan kondisional.	Output dihasilkan melalui node Konversi Teks di cabang berbeda.	Tidak ada

Lihat versi aplikasi orkestrasi agen

Di pojok kanan atas halaman konfigurasi orkestrasi agen, klik Publish. Di kotak dialog yang muncul, masukkan informasi versi (contohnya, 1.0.0) dan klik OK.
Klik ikon di bagian atas halaman. Di panel Versi Historis, Anda dapat melihat atau menggunakan versi berbeda dari aplikasi orkestrasi agen saat ini dengan mengklik Gunakan Konten Versi Ini atau Kembali ke Kanvas Saat Ini.
Anda juga dapat mengklik Ekspor Versi Ini dalam DSL di bagian atas panel untuk mengekspor DSL dari versi historis yang dipilih.
Opsional: Di Bilah Alat, Anda dapat melihat atau mencari node pada kanvas saat ini.

Informasi lebih lanjut

Untuk informasi lebih lanjut tentang cara membuat dan menggunakan aplikasi agen, lihat Agent application.

Untuk informasi lebih lanjut tentang cara membuat dan menggunakan aplikasi alur kerja, lihat Workflow application.