uAgents项目v0.22.4版本发布:增强存储API与LangChain集成
uAgents是一个基于Python的分布式智能代理框架,旨在简化多代理系统的开发。该项目提供了构建、部署和管理自主代理所需的核心功能,特别关注区块链集成和去中心化通信能力。最新发布的v0.22.4版本带来了一系列重要改进和新特性。
核心功能增强
存储API的全面升级
本次版本在存储功能方面进行了显著增强。新增了上传/下载API,使代理能够直接与外部存储系统交互。这一改进为代理提供了持久化存储能力,使得数据可以在不同会话间保持。
更值得注意的是,ExternalStorage类现在支持使用代币创建资产。这一功能扩展了存储系统的适用场景,特别是在需要权限控制或付费存储的环境中。开发人员现在可以更灵活地管理代理生成的数据资产。
对话系统优化
在消息处理方面,团队修复了出站消息验证的问题,确保对话系统的稳定性。同时,默认回复现在被设置为空集合,这一看似小的改动实际上提高了系统的可预测性,减少了因未设置回复而导致的意外行为。
区块链与网络功能改进
Almanac合约更新
项目更新了Almanac合约版本,并增加了API超时配置。这些改进增强了网络注册和发现的可靠性。特别值得一提的是,现在系统会检查合约角色以确定注册费用,这使得费用计算更加精确和透明。
CosmPy版本升级
底层区块链交互库CosmPy已升级至v0.93版本。这一更新带来了性能提升和bug修复,同时也可能包含新的区块链功能支持,为开发者提供了更强大的底层基础设施。
LangChain与CrewAI集成
本次版本最引人注目的新增功能是对LangChain和CrewAI的适配器支持。这一集成使得uAgents能够无缝接入这两个流行的AI框架:
-
LangChain适配器:允许代理利用LangChain强大的语言模型能力,包括对话管理、文本生成等功能。新增的Agent Manager工具进一步简化了Langchain MCP(多链处理)的集成。
-
CrewAI适配器:为多代理协作提供了更高级的抽象,使得构建复杂的多代理工作流变得更加简单。
这些适配器经过了多次迭代和修复,确保了稳定性和功能性。开发团队还更新了适配器的注册类,使其更符合uAgents的整体架构。
开发者体验改进
在开发者工具方面,项目现在为适配器添加了发布CI流程,简化了模块的版本管理和发布。此外,注册事务现在会返回响应信息,为开发者提供了更好的调试和监控能力。
总结
uAgents v0.22.4版本在存储能力、区块链交互和AI集成三个方面都取得了显著进展。这些改进不仅增强了框架的核心功能,还扩展了其应用场景,特别是在需要结合区块链和人工智能技术的复杂系统中。
对于现有用户,建议关注存储API的变化和对话系统的调整,这些可能需要相应的代码适配。而对于新用户,现在正是探索uAgents与LangChain/CrewAI集成的绝佳时机,这可以大大简化构建智能多代理系统的复杂度。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00