Agentica：TypeScript类秒变AI助手

创建 TypeScript 类，并将它们转换为 AI 聊天机器人。

从现在开始，每个 TypeScript 开发者都可以成为 AI 开发者。

TypeScript 开发者们，让我们通过 @agentica 成为 AI 开发者吧。

Github Repository: https://github.com/wrtnlabs/agentica

Guide Documents: https://wrtnlabs.io/agentica

import { Agentica } from "@agentica/core";
import OpenAI from "openai";
import typia from "typia";

const agent = new Agentica({
  vendor: {
    model: "gpt-4o-mini",
    api: new OpenAI({ apiKey: "********" }),
  },
  controllers: [
    {
      protocol: "class",
      application: typia.llm.application<BbsArticleService, "chatgpt">(),
      execute: new BbsArticleService(),
    },
  ],
});
await agent.conversate("I want to write an article.");

Agentica Framework

@agentica 是一个专门用于 LLM 函数调用的框架。

你可以通过 TypeScript 类类型提供函数。如果你创建下面的 FileSystem 类并将其与 @agentica 集成，它就变成了一个文件系统聊天机器人。你可以通过聊天机器人中的对话文本管理你的文件系统。

如果你同时提供多个 TypeScript 类，比如 GoogleScholarService、NaverNewsService 和 NotionService，你的 AI agent 可以通过分析学术论文和新闻文章来编写 Notion 文档。当你要求 agent 分析最近的韩国经济趋势、对其进行评论、整理相关论文并在 Notion 中编写时，AI agent 将执行这些任务。

只需定义你的 TypeScript 类，你就可以创建任何你想要的 AI agent。

https://wrtnlabs.io/agentica/tutorial/coding/file-system/

import fs from "fs";

export class FileSystem {
  public __dirname(): string {
    return __dirname;
  }

  public readdir(input: {
    path: string;
    options?:
      | {
          encoding: "utf-8";
          withFileTypes?: false | undefined;
          recursive?: boolean | undefined;
        }
      | "utf-8"
      | null;
  }): Promise<string[]> {
    return fs.promises.readdir(input.path, input.options);
  }

  public readFile(input: { path: string }): Promise<string> {
    return fs.promises.readFile(input.path, "utf8");
  }

  public writeFileSync(input: { 
    file: string; 
    data: string;
  }): Promise<void> {
    return fs.promises.writeFile(input.file, input.data);
  }
}

Enterprise Demonstration

有人可能会想：BbsArticleService 或 FileSystem 类是不是只有几个函数？这仅仅是一个在有限场景中运作良好的玩具项目吗？是否可能用 @agentica 创建企业级聊天机器人？

答案是肯定的，确实可以创建企业级聊天机器人。

这里是一个企业级购物商城聊天机器人，包含 289 个 API 函数。它支持标准电商平台的大多数功能，如演示所示，运行无障碍。

作为参考，@agentica 也可以从 Swagger/OpenAPI 文档获取函数。下面的演示来自 @samchon/shopping-backend。

https://wrtnlabs.io/agentica/tutorial/enterprise/shopping/

import { Agentica } from "@agentica/core";
import { HttpLlm, OpenApi } from "@samchon/openapi";
import typia from "typia";

const agent = new Agentica({
  model: "chatgpt",
  vendor: {
    api: new OpenAI({ apiKey: "*****" }),
    model: "gpt-4o-mini",
  },
  controllers: [
    {
      protocol: "http",
      name: "shopping",
      application: HttpLlm.application({
        model: "chatgpt",
        document: await fetch(
          "https://shopping-be.wrtn.ai/editor/swagger.json",
        ).then((r) => r.json()),
      }),
      connection: {
        host: "https://shopping-be.wrtn.ai",
        headers: {
          Authorization: "Bearer *****",
        },
      },
    },
    {
      protocol: "class",
      name: "counselor",
      application: typia.llm.application<ShoppingCounselor, "chatgpt">(),
      execute: new ShoppingCounselor(),
    },
    {
      protocol: "class",
      name: "policy",
      application: typia.llm.application<ShoppingPolicy, "chatgpt">(),
      execute: new ShoppingPolicy(),
    },
    {
      protocol: "class",
      name: "rag",
      application: typia.llm.application<ShoppingSearchRag, "chatgpt">(),
      execute: new ShoppingSearchRag(),
    },
  ],
});
await agent.conversate("I want to buy a MacBook Pro");

如果你不熟悉 AI，你可能想知道 @agentica 如何能通过函数完成所有事情。

或者，如果你是 AI agent 开发的专家，你可能有不同的问题。传统 agent 开发围绕 agent 工作流图进行，那么 @agentica 如何利用 LLM 函数调用来实现类似的能力？

访问我们的框架主页或阅读之前的文章，以了解 @agentica 的关键原理。在这些资源中，你将学到新的 AI 开发范式："编译器驱动开发"和"文档驱动开发"。

Github Repository: https://github.com/wrtnlabs/agentica

Guide Documents: https://wrtnlabs.io/agentica

https://dev.to/samchon/every-backend-developer-is-a-great-ai-developer-338m

每个后端开发者也都是 AI 开发者

考虑到后端开发者所做工作的性质，他们实际上比传统 AI/ML 工程师更适合 AI agent 开发。

让我们将 swagger.json 文件交给 @agentica，这样就能创建一个在对话过程中执行 API 函数的 AI 聊天机器人。