跳至橫幅的結尾
前往橫幅的開頭

Composio x Davinci Integration

跳至中繼資料的結尾
前往中繼資料的開頭

您正在檢視此頁面的舊版本。請檢視目前版本。

比較目前 檢視頁面歷程記錄

« 上一頁 版本 4 下一步 »

1. Composio 介紹

Composio 是一個專為 AI 代理和大語言模型（LLMs）設計的創新集成平台，提供超過150個外部工具和服務的連接支持，無框架和模型限制，旨在簡化 AI 代理和 LLMs 在各種應用程式中的構建、連接與部署。它通過工具庫和身份驗證管理，支持與如 GitHub、Salesforce 等外部服務的集成，並支援10個以上流行的代理框架及所有功能調用的 LLM 供應商。Composio 還提供代碼解釋器、文件管理器、數據庫等系統工具，以幫助 AI 代理執行多樣化的任務。其優點包括減少開發時間和資源、提高可靠性以及強大的數據保護和企業級安全標準。此外，Composio 具有可擴展性，便於企業在整個組織中擴展 AI 集成，並為開發者提供了無框架和模型限制的靈活性，使其能夠使用自己偏好的工具和模型。

image-20240926-054720.png

2. 使用者操作步驟與流程

  1. 創建 Composio 帳號：進入 Composio ，進行註冊及登入。

    image-20240926-061156.png

  2. APP 驗證：打開命令提示字元（cmd） *若未執行此綁定步驟，後續達哥將無法協助執行 action

    1. 輸入 pip install composio_core composio_openai

    2. 輸入 composio add [APP] -e entity [ID] 進行綁定

      1. APP：請到 Composio All Tools 網頁查看

      2. ID：任意取一個代表該 APP 的某一個 Account，如：AIDE

  3. 取得 Composio API Key：進入 Composio Settings 的 API Keys 即可取得 API Key。

    composio_apikey.png

  4. 取得 DaVinci API Key：進入 DaVinci Personal Settings，取得 API Key。

    DaVinci_apikey.png

  5. 下載 此 zip 檔，解壓縮過後利用瀏覽器開啟 index.html 。

  6. 填入 Plugin Configuration：根據各項目填寫相關資訊，使用此 Plugin Generator 即可馬上透過 No-Code 的方式產生 Plugin。

    image-20240926-061418.png

  7. 選擇 APP：選取所需串接的 APP。

    image-20240926-061453.png

  8. 獲取 Plugin：提交後，會自動生成一個 JSON 檔，將該檔案上傳至達哥平台。

  9. 執行 後即可與達哥進行對話。

3.開發文件

開發步驟

1. 環境準備

在進行開發前，請確保已安裝以下必要套件：

  • Flask: 作為 Web 框架，用於處理 HTTP 請求。

  • Flask-CORS: 允許跨來源資源共享（CORS）。

  • openai: 用於與 OpenAI 的 API 進行互動。

  • composio_openai: Composio 工具集套件。

安裝相關套件的指令：

pip install Flask Flask-CORS openai composio_openai

2. 基本架構

建立一個Flask應用，並透過 Flask-CORS 來允許跨來源請求。應用程序會接收 POST 請求，其中包含用戶與API Key 的資料，並根據用戶的需求使用 Composio 和 Davinci API 進行處理。

from flask import Flask, render_template, request
from flask_cors import CORS

app = Flask(__name__)
CORS(app)

if __name__ == '__main__':
    app.run(debug=True, port=5001)

3. Composio 與 Davinci API 集成

3.1 初始化 OpenAI 客戶端

使用 Davinci API Key 初始化 OpenAI 客戶端，這樣您就可以透過達哥的服務來處理用戶輸入的訊息。

from openai import OpenAI

openai_client = OpenAI(
    base_url="<https://prod.dvcbot.net/api/assts/v1>",
    api_key=Davinci_API_KEY
)
3.2 初始化 Composio 工具集

通過 Composio API Key 和 Entity ID 來初始化 Composio 工具集。這使我們能夠連接指定的外部應用程序，如 Gmail、Youtube、GitHub 等 。

from composio_openai import ComposioToolSet

composio_toolset = ComposioToolSet(api_key=Composio_API_KEY, entity_id=Entity_ID)
3.3 綁定應用

將需要綁定的應用（如Gmail、YouTube、GitHub 等）映射到工具集。

from composio_openai import App

App_list_attr = []
for app in App_list:
    app_enum = getattr(App, app.upper(), None)
    if app_enum is None:
        raise ValueError(f'Invalid name')
    App_list_attr.append(app_enum)

tool = composio_toolset.get_tools(apps=App_list_attr)

4. 執行對話和工具調用

將達哥中的用戶訊息作為任務傳入 OpenAI 助手，利用助手協助從上一部的應用當中取得對應 action 並執行。

assistant_instruction = "You are a super intelligent personal assistant, you can help me find what to do."
assistant = openai_client.beta.assistants.create(
    name="Personal Assistant",
    instructions=assistant_instruction,
    model="aide-gpt-4o",
    tools=tool,
    metadata={"backend_id": "default"}
)

# 創建對話執行線程
thread = openai_client.beta.threads.create()
message = openai_client.beta.threads.messages.create(thread_id=thread.id, role="user", content=my_task)

# 執行助手操作
run = openai_client.beta.threads.runs.create(thread_id=thread.id, assistant_id=assistant.id)

# 處理助手工具調用
response_after_tool_calls = composio_toolset.wait_and_handle_assistant_tool_calls(
    client=openai_client,
    run=run,
    thread=thread,
)

5. 檢查狀態並返回結果

根據助手操作的狀態來決定是否進行後續操作，並最終返回結果。

while run.status in ["queued", "in_progress"]:
    run = openai_client.beta.threads.runs.retrieve(thread_id=thread.id, run_id=run.id)

if run.status == "requires_action":
    print(run)
elif run.status == "failed":
    print(run)
else:
    messages = openai_client.beta.threads.messages.list(thread_id=thread.id).data
    return messages[0].content[0].text.value

6. API 路由設定

@app.route('/', methods=['POST'])
def home():
    data = request.get_json()
    msg = data['conversation'][-1]['content']
    Davinci_API_KEY = data['Davinci_API_KEY']
    Composio_API_KEY = data['Composio_API_KEY']
    Entity_ID = data['Entity_ID']
    App_list = data['App']

    response = run_composio(msg, Davinci_API_KEY, Composio_API_KEY, Entity_ID, App_list)
    response_data = {"response": response}
    
    return response_data

7. 執行應用

最後，啟動 Flask 應用來監聽 POST 請求，並根據用戶需求返回結果。

python app.py

4.結論

透過達哥平台與Composio的串接，我們能夠有效地將生成式AI能力與多個外部應用進行整合，提供更加智能化和高效的解決方案。這種集成不僅讓AI代理能夠利用Composio的豐富工具庫與多種外部服務互動，也大大簡化了開發流程，提升了AI應用的擴展性與靈活性。

優勢：

  1. 快速集成多個應用：Composio提供超過150個外部工具和服務的連接支持，無論是GitHub、Gmail等常見應用，還是企業內部系統，都能輕鬆進行綁定。

  2. 簡化開發流程：透過Composio的託管身份驗證系統與達哥的強大AI能力，開發者可以專注於核心業務邏輯，無需處理複雜的身份驗證及API管理。

  3. 高效的工具調用：AI代理能夠根據用戶需求靈活調用所需工具，並在不同平台之間無縫執行任務，極大提升了操作的自動化和智能化程度。

  4. 靈活的應用擴展性：達哥與Composio的無框架和模型限制讓開發者可以自由選擇最合適的工具與框架，確保在不同情境下都能提供最佳性能。

  5. 提高業務效率：藉由AI代理自動化處理日常任務，企業能夠顯著降低手動操作的時間與成本，同時提升整體工作流程的效率。

  • 無標籤