# python_autogen_chainlit

**Repository Path**: enzoism/python_autogen_chainlit

## Basic Information

- **Project Name**: python_autogen_chainlit
- **Description**: 使用【autoGen+chainlit+deepSeek】实现【多角色、多用户、多智能体对话系统】
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-03-12
- **Last Updated**: 2025-03-12

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 2023-03-11-AutoGen

> 使用【autoGen+chainlit+deepSeek】实现【多角色、多用户、多智能体对话系统】

---

## 1-核心思路

- 01）技术要点：autoGen+chainlit+deepSeek
- 02）什么是autoGen->autogen是微软旗下的多智能体的框架
- 03）什么是chainlit->模型前端展示框架
- 04）要做什么？->快速实现多角色、多用户、多智能体对话系统
- 05）什么是RoundRobinGroupChat？->反复调用
- 06）单智能体-nurses_station_ai ->进行大模型问题咨询
- 07）智能体与FunctionCall-> 大模型调用FunctionCall
- 08）多智能体自动选择-> Selector Group Chat
- 09）为什么设置TextMentionTermination->终止符
- 10）什么是AutoGen Studio工作流UI->上面都是python代码实现，有没有拖拖拽拽就可以的UI编排
- 11）

- 0）最终目标->3分钟复刻Manus智能体！AutoGen+MCP Server+Cline构建最强AI智能体https://www.bilibili.com/video/BV119RHYmEPF

---

## 2-参考网址

- [AutoGen入门——快速实现多角色、多用户、多智能体对话系统](https://blog.csdn.net/puhaiyang/article/details/145284677)
- [autogen-Github仓库地址](https://github.com/microsoft/autogen)
-

---

## 3-上手实操

### 1-安装依赖

```
# 版本说明
- python，3.11
- AutoGen，0.4.2
- chainlit，2.0.2
- 大模型，deepseek

# 安装依赖-autogen
pip install -U "autogen-agentchat" "autogen-ext[openai]"

# 安装依赖-UI交互界面
pip install chainlit

# 运行脚本
chainlit run .\a_01_nurses_station_ai.py -w
```

![](https://i-blog.csdnimg.cn/direct/e58de02674b14cc6ab4a765c1ba5ec09.png)

---

### 2-a_01_nurses_station_ai内容如下

```
import chainlit as cl
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_ext.models.openai import OpenAIChatCompletionClient


@cl.on_chat_start
async def main():
    await cl.Message(content="您好，这里是超级无敌大医院，有什么可以帮您？").send()


async def run_team(query: str):
    model_client = OpenAIChatCompletionClient(model="deepseek-chat", base_url="https://api.deepseek.com",
                                              api_key="sk-6d775065fa8c405caebed674c125e67e",
                                              model_info={
                                                  "vision": False,
                                                  "function_calling": False,
                                                  "json_output": True,
                                                  "family": "unknown",
                                              }, )
    assistant_agent = AssistantAgent("assistant", model_client=model_client,
                                     system_message="你是一所口腔医院的导诊台机器人，负责解答用户的挂号问题，用户描述症状需求，你回答应该挂的科室。"
                                                    "在本医院中有以下科室：牙体牙髓科、口腔修复科、口腔外科、口腔种植科、儿童口腔专科。"
                                                    "如果用户的问题与挂号咨询不符合，回答：“您的描述与症状无关，暂不支持”")
    team = RoundRobinGroupChat(participants=[assistant_agent], max_turns=1)
    response_stream = team.run_stream(task=query)
    async for msg in response_stream:
        if hasattr(msg, "source") and msg.source != "user" and hasattr(msg, "content"):
            msg = cl.Message(content=msg.content, author="Agent Team")
            await msg.send()


@cl.on_message
async def main(message: cl.Message):
    await run_team(message.content)

```

---

### 3-智能体与FunctionCall

```
import chainlit as cl
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_ext.models.openai import OpenAIChatCompletionClient


@cl.password_auth_callback
def auth_callback(username: str, password: str):
    if (username, password) == ("admin", "admin"):
        return cl.User(
            identifier="admin", metadata={"role": "admin", "provider": "credentials"}
        )
    elif (username, password) == ("puhaiyang", "123456"):
        return cl.User(
            identifier="puhaiyang", metadata={"role": "admin", "provider": "credentials"}
        )
    else:
        return None


@cl.on_chat_start
async def main():
    await cl.Message(content="您好，这里是牙体牙髓科，您牙齿哪里不适？").send()


async def x_p_search(tooth_position: str) -> str:
    """Find information on the web"""
    app_user = cl.user_session.get("user")
    print(f"模拟查询{app_user.identifier}的{tooth_position}牙片数据")
    if tooth_position == "46":
        return "牙根尖处有阴影，疑似感染，需要进一步分析诊断"
    else:
        return f"{tooth_position}无影像"


async def run_team(query: str):
    model_client = OpenAIChatCompletionClient(model="deepseek-chat", base_url="https://api.deepseek.com",
                                              api_key="sk-6d775065fa8c405caebed674c125e67e",
                                              model_info={
                                                  "vision": False,
                                                  "function_calling": True,
                                                  "json_output": True,
                                                  "family": "unknown",
                                              })
    assistant_agent = AssistantAgent("assistant", model_client=model_client, tools=[x_p_search],
                                     system_message="你是一个牙体牙髓科的病情诊断机器人，负责对用户输入的症状描述分析原因，在分析病因前先询问出用户是具体哪一颗牙齿需要治疗。"
                                                    "在知道了具体的牙位号后，再调用x_p_search工具进行问题回答，传入给x_p_search工具的参数需要自动转为牙位号，如:28"
                                                    "如果用户的问题与病情咨询无关，回答：“您的描述与症状无关，暂不支持”")
    team = RoundRobinGroupChat(participants=[assistant_agent], max_turns=1)
    response_stream = team.run_stream(task=query)
    async for msg in response_stream:
        if hasattr(msg, "source") and (msg.type == "ToolCallExecutionEvent" or msg.type == "ToolCallRequestEvent"):
            # functionCall事件消息不显示给用户
            continue
        if hasattr(msg, "source") and msg.source != "user" and hasattr(msg, "content"):
            if msg.content.endswith("无影像"):
                res = await cl.AskActionMessage(
                    content=f"{msg.content}，是否需要帮您申请拍摄此牙的CT影像？",
                    actions=[
                        cl.Action(name="continue", payload={"value": "申请"}, label="✅ 申请牙片"),
                        cl.Action(name="cancel", payload={"value": "取消"}, label="❌ 取消"),
                    ],
                ).send()

                if res and res.get("payload").get("value") == "申请":
                    await cl.Message(
                        content="牙片申请已提交!待审核通过后前往第3影像室进行拍摄。",
                    ).send()
            else:
                msg = cl.Message(content=msg.content, author="Agent Team")
                await msg.send()


@cl.on_message
async def main(message: cl.Message):
    await run_team(message.content)

```

- 执行脚本

```
# 1-因为添加了chainlit认证配置
conda activate AutoGen3_11
chainlit create-secret

# 2-配置JWT-创建.env文件
CHAINLIT_AUTH_SECRET="-Nj%Z@l^x0FQcEKYuNBxJ@mYr~2L>_ua6EU$zSsR6M~Fd.ssav5GFANVyR4%S$Zf"

# 3-执行脚本
chainlit run .\a_02_endodontics_dentistry_ai.py -w
```

- 触发大模型的FunctionCall功能
  ![](https://i-blog.csdnimg.cn/direct/6452be5421024c1eb05823948eb6e95a.png)

---

### 4-如何解决chainlit报错

> ValueError: You must provide a JWT secret in the environment to use authentication. Run `chainlit create-secret` to
> generate one.

这个错误信息表明，在使用需要身份验证的功能时，你没有在环境变量中提供 JWT（JSON Web Token）密钥。JWT
是一种用于在网络应用中安全传输信息的开放标准，通常用于身份验证和授权。下面为你详细分析和解决这个问题：

#### 1. 生成 JWT 密钥

依据错误提示，你可以运行 `chainlit create-secret` 命令来生成一个 JWT 密钥。打开命令行终端，激活你的 Python
虚拟环境（`AutoGen3_11`），然后执行以下命令：

```bash
conda activate AutoGen3_11
chainlit create-secret
```

执行该命令后，会输出一个随机生成的 JWT 密钥，类似如下：

```
CHAINLIT_AUTH_SECRET="-Nj%Z@l^x0FQcEKYuNBxJ@mYr~2L>_ua6EU$zSsR6M~Fd.ssav5GFANVyR4%S$Zf"
```

#### 2. 根目录创建.env文件

> 将刚才的生成的信息复制进去

```
CHAINLIT_AUTH_SECRET="-Nj%Z@l^x0FQcEKYuNBxJ@mYr~2L>_ua6EU$zSsR6M~Fd.ssav5GFANVyR4%S$Zf"
```

---

### 5-多智能体自动选择

> 核心代码：创建多个AssistantAgent放入到SelectorGroupChat供大模型根据上线文进行选择

```
import chainlit as cl

from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.conditions import MaxMessageTermination, TextMentionTermination
from autogen_agentchat.teams import SelectorGroupChat
from autogen_ext.models.openai import OpenAIChatCompletionClient

model_client = OpenAIChatCompletionClient(model="deepseek-chat", base_url="https://api.deepseek.com",
                                          api_key="sk-6d775065fa8c405caebed674c125e67e",
                                          model_info={
                                              "vision": False,
                                              "function_calling": True,
                                              "json_output": True,
                                              "family": "unknown",
                                          }, )

planning_agent = AssistantAgent("PlanningAgent",
                                description="用于规划的Agent，当一个任务到达时此Agent是第一个参与者",
                                model_client=model_client,
                                system_message="""
                                你是一个任务规划智能体。
                                你的工作是将复杂的任务分解为更小的、可管理的子任务。
                                你的团队成员有3个，分别是：
                                    DentalPulpAgent: 牙体牙髓科智能体
                                    RestorativeAgent: 牙齿修复科智能体
                                    DentalImplantAgent: 牙齿种植科智能体

                                你只计划和委派任务，而不自己执行它们

                                分配任务时，请使用此格式:
                                1. <agent> : <task>

                                当所有智能体把任务完成后，再总结结果以"TERMINATE"结束。                        
                                """
                                )

dental_pulp_agent = AssistantAgent("DentalPulpAgent",
                                   description="牙体牙髓科智能体",
                                   model_client=model_client,
                                   system_message="""
                                你是一个口腔医院的牙体牙髓科智能体。
                                你可以解答关于牙体牙髓科中患者提出的问题，你的解答非常专业，且可靠。
                                """
                                   )

restorative_agent = AssistantAgent("RestorativeAgent",
                                   description="牙齿修复科智能体",
                                   model_client=model_client,
                                   system_message="""
                                你是一个口腔医院的牙齿修复科智能体。
                                你可以解答关于牙齿修复中患者提出的问题，比如牙冠、烤瓷牙、嵌体修复等。你的解答非常专业，且可靠。
                                """
                                   )

dental_implant_agent = AssistantAgent("DentalImplantAgent",
                                      description="牙齿种植科智能体",
                                      model_client=model_client,
                                      system_message="""
                                你是一个口腔医院的牙齿种植科的智能体。
                                你可以解答关于牙齿种植科中患者提出的问题，你的解答非常专业，且可靠。
                                """
                                      )


@cl.on_chat_start
async def main():
    await cl.Message(content="您好，这里是口腔医院专家团队，有什么可以帮您？").send()


async def run_team(query: str):
    text_mention_termination = TextMentionTermination("TERMINATE")
    max_messages_termination = MaxMessageTermination(max_messages=25)
    termination = text_mention_termination | max_messages_termination

    team = SelectorGroupChat(
        [planning_agent, dental_pulp_agent, restorative_agent, dental_implant_agent],
        model_client=model_client,
        termination_condition=termination,
    )

    response_stream = team.run_stream(task=query)
    async for msg in response_stream:
        if hasattr(msg, "source") and msg.source != "user" and hasattr(msg, "content"):
            msg = cl.Message(content=msg.content, author=msg.source)
            await msg.send()


@cl.on_message
async def main(message: cl.Message):
    await run_team(message.content)

```

- 执行脚本

```
chainlit run .\a_03_dentistry_selector_ai.py -w
```

---

- 测试问题

```
什么是烤瓷牙？
什么是根管治疗？
```

----

### 5-AutoGen Studio工作流UI

> 比较好的是AutoGen中也提供了与Dify类似UI界面操作的方式，即：AutoGen Studio。

![](https://i-blog.csdnimg.cn/direct/d41f98416e03435588f1f2299c975368.png)

- 安装命令

```
# 安装autogenstudio
pip install -U autogenstudio

# 运行脚本-指定一个文件夹进行数据存放
autogenstudio ui --port 8081 --appdir autogenstuido_test

# 程序运行打印
2025-03-12 01:07:58.662 | INFO     | autogenstudio.web.app:lifespan:35 - Application startup complete. Navigate to http://127.0.0.1:8081
```