高级功能

Xyzen 提供了一系列强大的高级功能，使你能够集成多种模型提供商、 管理用户消费记录，以及创建可重用的 Agent 框架。 本文档将详细介绍这些高级功能的使用方法。

1. 多模型提供商管理

概述

Xyzen 支持与多个 LLM 提供商集成，包括：

  • OpenAI - GPT-4, GPT-4 Turbo, GPT-3.5 等
  • Google Gemini - Gemini Pro 等
  • Claude (Anthropic) - Claude 2, Claude Instant 等
  • 本地模型 - 通过 Ollama 或其他本地部署

提供商配置

创建新提供商

POST /api/v1/providers
Content-Type: application/json

{
  "name": "My OpenAI Account",
  "type": "openai",
  "config": {
    "api_key": "sk-...",
    "base_url": "https://api.openai.com/v1",
    "model_list": ["gpt-4", "gpt-3.5-turbo"]
  },
  "is_default": true
}

支持的提供商配置

提供商必填字段可选字段
OpenAIapi_keybase_url, organization_id
Google Geminiapi_keybase_url
Claudeapi_keybase_url
本地 (Ollama)base_url无

动态模型选择

在 Agent 中动态选择模型：

# 服务端示例
from core.providers import get_user_provider_manager

async def execute_with_model_selection(user_id: str, query: str):
    provider_manager = await get_user_provider_manager(user_id, db)
    
    # 根据查询复杂度选择模型
    if len(query) > 1000:
        # 复杂查询使用高级模型
        llm = provider_manager.get_llm("gpt-4")
    else:
        # 简单查询使用低成本模型
        llm = provider_manager.get_llm("gpt-3.5-turbo")
    
    response = await llm.apredict(query)
    return response

成本优化

Xyzen 支持根据任务成本进行模型的自动选择：

# 按成本优化的 Agent 配置
agent_config = {
    "name": "Cost-Aware Agent",
    "routing_strategy": "cost_optimized",
    "models": [
        {
            "model": "gpt-3.5-turbo",
            "cost_per_1k_tokens": 0.0015,
            "suitability": ["simple_qa", "summarization"]
        },
        {
            "model": "gpt-4",
            "cost_per_1k_tokens": 0.03,
            "suitability": ["complex_reasoning", "code_generation"]
        }
    ]
}

2. MCP（Model Context Protocol）服务器集成

概述

MCP 是一个开放协议，允许 AI 模型通过标准化的接口访问外部工具和数据源。Xyzen 原生支持 MCP 服务器集成。

注册 MCP 服务器

通过 API 注册

POST /api/v1/mcp-servers
Content-Type: application/json

{
  "name": "Scientific Tools",
  "description": "A collection of scientific computing tools",
  "url": "http://localhost:3000/mcp",
  "token": "optional-auth-token",
  "tags": ["science", "computing"]
}

服务器健康检查

GET /api/v1/mcp-servers/{server_id}/health

Xyzen 会自动：

  1. 连接到 MCP 服务器
  2. 列出所有可用工具
  3. 验证工具的可访问性
  4. 定期检查服务器状态

在 Agent 中使用 MCP 工具

配置 Agent 使用 MCP

{
  "name": "Research Assistant",
  "agent_type": "regular",
  "mcp_servers": [
    {
      "mcp_server_id": "server-uuid-1",
      "enabled": true
    },
    {
      "mcp_server_id": "server-uuid-2",
      "enabled": true
    }
  ]
}

MCP 工具调用流程

工具使用确认机制

为了提高安全性，Xyzen 支持在执行工具前进行确认：

POST /api/v1/chat/messages
Content-Type: application/json

{
  "agent_id": "agent-uuid",
  "content": "计算 123 + 456",
  "require_tool_confirmation": true
}

响应（等待确认）：

{
  "message_id": "msg-uuid",
  "status": "pending_tool_confirmation",
  "pending_tools": [
    {
      "name": "add",
      "description": "Add two numbers",
      "arguments": {
        "a": 123,
        "b": 456
      }
    }
  ]
}

用户确认后：

POST /api/v1/chat/messages/{message_id}/confirm-tools
Content-Type: application/json

{
  "confirmed": true
}

内置 MCP 服务器

Xyzen 预置了几个常用的 MCP 服务器：

服务器功能工具示例
BioYond生物科学工具蛋白质序列分析、基因搜索
Lab实验室工具数据处理、可视化
Dify工作流集成调用 Dify 工作流

3. 内置 Agent 系统

概述

Xyzen 提供了两个预定义的系统 Agent，可供所有用户使用：

随便聊聊 Assistants Agent

  • 用途：通用对话和问题解答
  • 特点：友好、有用、支持工具调用
  • 适用场景：日常提问、信息查询、任务协助

创作工坊 Development Agent

  • 用途：AI Agent 设计和优化
  • 特点：专业、深入、提供架构建议
  • 适用场景：Agent 设计、提示词工程、工作流优化

系统 Agent 配置

# 系统 Agent 配置示例
SYSTEM_AGENTS = {
    "chat": {
        "name": "随便聊聊",
        "capabilities": ["general_chat", "qa", "assistance", "tools"],
        "tags": ["助手", "对话", "工具"],
    },
    "workshop": {
        "name": "创作工坊",
        "capabilities": ["agent_design", "tool_selection", "prompt_engineering"],
        "tags": ["设计", "创作", "优化"],
    }
}

创建内置 Graph Agent

Xyzen 支持将 Python 类自动注册为内置 Graph Agent：

# 示例：创建科研论文分析 Agent
from handler.builtin_agents.base_graph_agent import BaseBuiltinGraphAgent
from langgraph.graph import StateGraph

class ScientificFigureAgent(BaseBuiltinGraphAgent):
    """分析科研论文中的图表的内置 Agent"""
    
    def __init__(self):
        super().__init__(
            name="Scientific Figure Analyzer",
            description="分析并解释科研论文中的图表、数据和可视化",
            version="1.0.0",
            capabilities=[
                "figure_analysis",
                "data_extraction",
                "interpretation"
            ],
            tags=["science", "analysis", "figures"],
            author="Xyzen Team",
            license_="Apache 2.0"
        )
    
    def build_graph(self) -> CompiledStateGraph:
        """构建工作流"""
        workflow = StateGraph(GraphState)
        
        # 添加节点
        workflow.add_node("extract", self._extract_figure_data)
        workflow.add_node("analyze", self._analyze_content)
        workflow.add_node("generate_report", self._generate_report)
        
        # 添加边
        workflow.add_edge("extract", "analyze")
        workflow.add_edge("analyze", "generate_report")
        
        # 设置入出口
        workflow.set_entry_point("extract")
        workflow.set_finish_point("generate_report")
        
        return workflow.compile()
    
    def get_state_schema(self) -> dict:
        """返回状态模式"""
        return {
            "image": "bytes",
            "extracted_data": "dict",
            "analysis": "str",
            "report": "str"
        }
    
    async def _extract_figure_data(self, state: dict) -> dict:
        """提取图表数据"""
        # 实现数据提取逻辑
        return {
            **state,
            "extracted_data": {...}
        }
    
    async def _analyze_content(self, state: dict) -> dict:
        """分析内容"""
        # 实现分析逻辑
        return {
            **state,
            "analysis": "..."
        }
    
    async def _generate_report(self, state: dict) -> dict:
        """生成报告"""
        # 实现报告生成逻辑
        return {
            **state,
            "report": "..."
        }

内置 Agent 会自动注册到系统中，用户可以直接使用。

相关资源

Was this page helpful?