首页
/ Bee-Agent-Framework 公开API的Python化改进实践

Bee-Agent-Framework 公开API的Python化改进实践

2025-07-02 19:01:31作者:蔡怀权

在开源项目Bee-Agent-Framework的开发过程中,团队对公开API的设计进行了深入讨论和优化。本文将详细介绍这次API改进的技术背景、设计思路和具体实现方案。

API设计问题分析

在早期版本中,框架的公开API设计大量使用了BaseModel输入对象。这种设计虽然有利于类型检查和数据传递,但对终端用户来说却显得不够友好。典型的代码示例如下:

llm = ChatModel.from_name("ollama:granite3.1-dense:8b")
agent = BeeAgent(
    bee_input=BeeInput(
        llm=llm, 
        tools=[OpenMeteoTool(), DuckDuckGoSearchTool(max_results=3)], 
        memory=UnconstrainedMemory()
    )
)
response = await agent.run(
    run_input=BeeRunInput(prompt="What's the current weather in Las Vegas?")
).observe(lambda emitter: emitter.on("success", lambda data, event: print(data.result)))

这种设计存在几个明显问题:

  1. 需要用户显式创建中间输入对象
  2. 代码嵌套层级过深
  3. API调用不够直观

改进方案设计

经过团队讨论,决定采用"参数展开"的方案来简化公开API。改进后的代码示例如下:

llm = ChatModel.from_name("ollama:granite3.1-dense:8b")
agent = BeeAgent(llm=llm, tools=[OpenMeteoTool(), DuckDuckGoSearchTool(max_results=3)], memory=UnconstrainedMemory())
response = await agent.run("What's the current weather in Las Vegas?").observe(
    lambda emitter: emitter.on("success", lambda data, event: print(data.result)))

这种改进带来了以下优势:

  1. 移除了不必要的中间对象创建
  2. 减少了代码嵌套层级
  3. 使API调用更加直观和Pythonic

具体实现策略

在实现过程中,团队制定了以下具体策略:

  1. API分类处理:将API分为三类处理

    • 必须修改的公开API(如BaseAgent.run、BeeAgent初始化等)
    • 可选的公开API(如Emitter相关方法)
    • 内部API(如Runner基础设施)
  2. 输入对象内部化:在公开API内部处理输入对象的创建,而不是暴露给用户

  3. 渐进式改进:每个API的修改都单独提交,便于回滚和问题定位

技术决策与权衡

在改进过程中,团队面临几个关键决策点:

  1. Runner API的处理:经过讨论,Runner基础设施被视为内部实现细节,不应暴露给终端用户。因此移除了相关示例代码。

  2. Emitter API的特殊性:由于Emitter涉及事件处理机制,其改进被单独规划。

  3. 输入对象与Schema的区分:明确了输入对象(用于API参数传递)和Schema(用于数据验证)的不同用途,考虑将后者重命名以避免混淆。

经验总结

这次API改进实践提供了几个有价值的经验:

  1. API设计应以用户体验为先:类型安全固然重要,但不应该牺牲API的易用性。

  2. 合理划分公开与内部API:清晰的边界定义有助于保持框架的整洁性。

  3. 渐进式改进降低风险:通过小步提交的方式,可以有效地控制修改风险。

  4. 命名一致性很重要:区分输入对象和Schema的命名约定能减少用户困惑。

这次改进使Bee-Agent-Framework的API更加符合Python社区的惯用风格,提升了开发者的使用体验,同时也为框架的长期演进奠定了良好的基础。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.92 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
929
553
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
422
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8