杨亦诚

Qwen2是阿里巴巴集团Qwen团队研发的大语言模型和大型多模态模型系列。Qwen2具备自然语言理解、文本生成、视觉理解、音频理解、工具使用、角色扮演、作为AI Agent进行互动等多种能力。

图：智能体中工具使用执行逻辑

Qwen-Agent是一个AI智能体的开发框架。开发者可基于本框架开发Agent应用，充分利用基于通义千问模型（Qwen）的指令遵循、工具使用、规划、记忆能力。同时该框架也提供了浏览器助手、代码解释器、自定义助手等示例应用。近期OpenVINOTM工具套件也作为Qwen-Agent的大语言模型推理后端，被集成到llm组件中，接下来就让我们一起看下如何在Intel硬件平台上通过OpenVINOTM和Qwen2构建一个纯本地运行的AI智能体。

转化压缩Qwen2模型
第一步我们需要安装Optimum-intel组件，以此来导出并量化原始的Qwen2模型，使用方法可以参考以下示例。

pip install optimum[openvino]
optimum-cli export openvino --model Qwen/Qwen2-7B-Instruct--task text-generation-with-past --trust-remote-code --weight-format int4 {model_path}

构建工具
Qwen-Agent提供了注册工具的机制，例如，下面我们注册一个自己的图片生成工具：
指定工具的name、description、和parameters，注意@register_tool('my_image_gen')中的'my_image_gen'会被自动添加为这个类的.name属性，将作为工具的唯一标识。
实现call(...)函数
在这个例子中，我们定义了一个调用云端API工具，用来根据输入请求，生成图片。

@register_tool("image_generation")
class ImageGeneration(BaseTool):
    description = "AI painting (image generation) service, input text description, and return the image URL drawn based on text information."
    parameters = [{"name": "prompt", "type": "string", "description": "Detailed description of the desired image content, in English", "required": True}]

    def call(self, params: str, **kwargs) -> str:
        prompt = json5.loads(params)["prompt"]
        prompt = urllib.parse.quote(prompt)
        return json5.dumps({"image_url": f"https://image.pollinations.ai/prompt/{prompt}"}, ensure_ascii=False)

创建基于OpenVINOTM的AI智能体
Qwen-Agent中的LLM统一使用get_chat_model(cfg: Optional[Dict] = None) -> BaseChatModel接口来调用，参数传入LLM的配置文件，目前OpenVINOTM得LLM 配置文件格式如下：

llm_cfg = {
    "ov_model_dir": model_path,
    "model_type": "openvino",
    "device": device.value,
    "ov_config": ov_config,
    "generate_cfg": {"top_p": 0.8},
}

其中各类参数的要求为：
ov_model_dir: 在第一步中得到得OpenVINOTM模型路径
model_type: 对应某个具体的llm类，这里需要指定为 “openvino”
device: Intel设备名称，目前支持”cpu”及“gpu”
ov_config: OpenVINO infer request中的可配置项
generate_cfg：模型生成时候的参数
Qwen-Agent框架为我们提供了自带的智能体实现（如class Assistant），开发者可以直接将定义好的OpenVINOTM LLM配置文件传入该对象中，快速构建智能体应用，为此Qwen-Agent也提供了丰富的[代码示例]( https://github.com/QwenLM/Qwen-Agent/tree/main/example****r/>

bot = Assistant(llm=llm_cfg, function_list=tools, name="OpenVINO Agent")

完整示例和实现效果
同时基于以上流程，我们也在OpenVINO Notebook仓库中准备了完整示例供大家测试：
https://github.com/openvinotoolkit/openvino_notebooks/tree/latest/notebooks/llm-agent-functioncall
该示例会理解用户意图，并调用多种预先定义好的工具来完成任务，包括，*********查询工具，天气查询工具和绘图工具。以下截图便是该notebook示例在Intel AIPC上所呈现的本地部署效果：

图：Qwen-Agent与 OpenVINOTM智能体示例

可以看到在这里例子中，智能体首先会将用户的请求按任务进行拆解，并分别调用不同的工具获得对应的输出结果，并将这些输出结果合并后，作为最终答案反馈给用户。

总结
AI智能体作为通用人工智能的核心载体，可以模仿人类的思维逻辑，将复杂任务进行拆解，并借助外部工具解决任务。通过利用OpenVINOTM和Qwen-Agent这样的工具，我们可以非常快捷地在本地构建一个AI智能体应用，在保护用户数据隐私的同时，更快速地响应任务需求，简单任务调用本地工具处理，复杂任务调用云端资源处理。


参考资料：
Qwen-Agent：https://github.com/QwenLM/Qwen-Agent
OpenVINO notebook：https://github.com/openvinotoolkit/openvino_notebooks/tree/latest/notebooks/llm-agent-functioncall