时隔一年，再次讨论下AutoGPT-安装篇

AutoGPT是23年3月份推出的，距今已经1年多的时间了。刚推出时，我们还只能通过命令行使用AutoGPT的能力，但现在，我们不仅可以基于AutoGPT创建自己的Agent，我们还可以通过Web页面与我们创建的Agent进行聊天。这次的AutoGPT讨论可以分为两篇，第一篇，也就是现在这篇，主要是介绍Web版AutoGPT的安装教程（官方教程写的不太详细）；第二篇，会介绍一下当前AutoGPT的技术架构，以及部分代码解读。

官方教程

官方给出了两种安装方式，第一种是基于源码进行安装，这种方式需要安装多个依赖，稍微复杂些；第二种是基于docker安装，不需要配置额外的依赖，使用起来简单一些，但是只能通过终端命令行的方式进行访问，无法使用Web页面🤔️。
官方教程详见：https://docs.agpt.co/autogpt/setup/

详细安装教程（以macOS系统为例）

前置依赖安装

AutoGPT项目由于支持执行Python代码，处于安全考虑，这个系统为每个Agent都创建了一个独立的虚拟环境，这套虚拟环境的管理就是通过Poetry实现的，关于Poetry的详细介绍，可见https://python-poetry.org/。
如果我们参考AutoGPT官方的安装文档，要安装Poetry，我们需要先安装brew（环境问题，官官方镜像经常链接不稳定）、pipx，然后再通过pipx安装poetry，流程较为复杂，且容易失败。其实，我们可以直接通过如下命令直接安装
这种方式更加简单易行。
如果这种方式安装不成功，或者还是想通过pipx安装，那可参考https://mirrors.tuna.tsinghua.edu.cn/help/homebrew/，这个是清华镜像站给出的Homebrew安装教程，稳定可行（Home-brew官方教程很容易因网络原因导致安装失败）。然后再参考pipx安装教程安装pipx，最后再安装poetry。

项目依赖安装

首先，我们需要把autoGPT这个项目的源代码下载到本地，在这个阶段，官方文档里一直推荐我们先fork这个项目，然后再把fork后的项目克隆到本地。其实，如果我们只是想运行这个项目的话，不需要fork，直接克隆官方项目就可以，可以使用命令行的方式，如
也可以使用Pycharm的get from vcs克隆，其原理都是一样的。
将项目下载到本地后，需要进入到当前工程的目录下运行下面的命令安装相关依赖。
注意！！！！！，如果本地是使用conda管理的环境，在运行下面命令时，不要在自己已使用的环境中启动，该命令会删除当前python环境🥲。幸好当时我是新创建的环境。

工程配置&&启动

在启动Agent之前，我们还需要配置下相关文件，主要是openAI的key。如果是autogpt自己提供的Agent，则需要修改下autogpts/autogpt/.env.template这个文件，首先把文件重命名为.env，然后配置下key的值就可以了。如果使用的非官方API，而是第三方中转的，那除了配置key，还需要配置下API地址。具体示例如下：主要配置下OPENAI_API_KEY（中转key）和OPENAI_API_BASE_URL（中转地址）就可以，其他的按需配置即可。

################################################################################
### AutoGPT - GENERAL SETTINGS
################################################################################

## OPENAI_API_KEY - OpenAI API Key (Example: my-openai-api-key)
OPENAI_API_KEY=sk-m91Ug6HhWgQhk9w4573212345678990

## TELEMETRY_OPT_IN - Share telemetry on errors and other issues with the AutoGPT team, e.g. through Sentry.
##   This helps us to spot and solve problems earlier & faster. (Default: DISABLED)
# TELEMETRY_OPT_IN=true

## EXECUTE_LOCAL_COMMANDS - Allow local command execution (Default: False)
EXECUTE_LOCAL_COMMANDS=True

### Workspace ###

## RESTRICT_TO_WORKSPACE - Restrict file operations to workspace ./data/agents/<agent_id>/workspace (Default: True)
# RESTRICT_TO_WORKSPACE=True

## DISABLED_COMMAND_CATEGORIES - The list of categories of commands that are disabled (Default: None)
# DISABLED_COMMAND_CATEGORIES=

## FILE_STORAGE_BACKEND - Choose a storage backend for contents
## Options: local, gcs, s3
FILE_STORAGE_BACKEND=local

## STORAGE_BUCKET - GCS/S3 Bucket to store contents in
# STORAGE_BUCKET=autogpt

## GCS Credentials
# see https://cloud.google.com/storage/docs/authentication#libauth

## AWS/S3 Credentials
# see https://boto3.amazonaws.com/v1/documentation/api/latest/guide/configuration.html

## S3_ENDPOINT_URL - If you're using non-AWS S3, set your endpoint here.
# S3_ENDPOINT_URL=

### Miscellaneous ###

## USER_AGENT - Define the user-agent used by the requests library to browse website (string)
USER_AGENT="Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36"

## AI_SETTINGS_FILE - Specifies which AI Settings file to use, relative to the AutoGPT root directory. (defaults to ai_settings.yaml)
# AI_SETTINGS_FILE=ai_settings.yaml

## PLUGINS_CONFIG_FILE - The path to the plugins_config.yaml file, relative to the AutoGPT root directory. (Default plugins_config.yaml)
# PLUGINS_CONFIG_FILE=plugins_config.yaml

## PROMPT_SETTINGS_FILE - Specifies which Prompt Settings file to use, relative to the AutoGPT root directory. (defaults to prompt_settings.yaml)
# PROMPT_SETTINGS_FILE=prompt_settings.yaml

## AUTHORISE COMMAND KEY - Key to authorise commands
# AUTHORISE_COMMAND_KEY=y

## EXIT_KEY - Key to exit AutoGPT
# EXIT_KEY=n

################################################################################
### LLM PROVIDER
################################################################################

## TEMPERATURE - Sets temperature in OpenAI (Default: 0)
# TEMPERATURE=0

## OPENAI_API_BASE_URL - Custom url for the OpenAI API, useful for connecting to custom backends. No effect if USE_AZURE is true, leave blank to keep the default url
# the following is an example:
OPENAI_API_BASE_URL=https://example.com/v1

# OPENAI_API_TYPE=
# OPENAI_API_VERSION=

## OPENAI_FUNCTIONS - Enables OpenAI functions: https://platform.openai.com/docs/guides/gpt/function-calling
## Note: this feature is only supported by OpenAI's newer models.
# OPENAI_FUNCTIONS=False

## OPENAI_ORGANIZATION - Your OpenAI Organization key (Default: None)
# OPENAI_ORGANIZATION=

## USE_AZURE - Use Azure OpenAI or not (Default: False)
# USE_AZURE=False

## AZURE_CONFIG_FILE - The path to the azure.yaml file, relative to the folder containing this file. (Default: azure.yaml)
# AZURE_CONFIG_FILE=azure.yaml

# AZURE_OPENAI_AD_TOKEN=
# AZURE_OPENAI_ENDPOINT=

################################################################################
### LLM MODELS
################################################################################

## SMART_LLM - Smart language model (Default: gpt-4-turbo-preview)
SMART_LLM=gpt-3.5-turbo-0125

## FAST_LLM - Fast language model (Default: gpt-3.5-turbo-0125)
FAST_LLM=gpt-3.5-turbo-0125

## EMBEDDING_MODEL - Model to use for creating embeddings
EMBEDDING_MODEL=text-embedding-3-small

################################################################################
### SHELL EXECUTION
################################################################################

## SHELL_COMMAND_CONTROL - Whether to use "allowlist" or "denylist" to determine what shell commands can be executed (Default: denylist)
# SHELL_COMMAND_CONTROL=denylist

## ONLY if SHELL_COMMAND_CONTROL is set to denylist:
## SHELL_DENYLIST - List of shell commands that ARE NOT allowed to be executed by AutoGPT (Default: sudo,su)
# SHELL_DENYLIST=sudo,su

## ONLY if SHELL_COMMAND_CONTROL is set to allowlist:
## SHELL_ALLOWLIST - List of shell commands that ARE allowed to be executed by AutoGPT (Default: None)
# SHELL_ALLOWLIST=

################################################################################
### IMAGE GENERATION PROVIDER
################################################################################

### Common

## IMAGE_PROVIDER - Image provider (Default: dalle)
# IMAGE_PROVIDER=dalle

## IMAGE_SIZE - Image size (Default: 256)
# IMAGE_SIZE=256

### Huggingface (IMAGE_PROVIDER=huggingface)

## HUGGINGFACE_IMAGE_MODEL - Text-to-image model from Huggingface (Default: CompVis/stable-diffusion-v1-4)
# HUGGINGFACE_IMAGE_MODEL=CompVis/stable-diffusion-v1-4

## HUGGINGFACE_API_TOKEN - HuggingFace API token (Default: None)
# HUGGINGFACE_API_TOKEN=

### Stable Diffusion (IMAGE_PROVIDER=sdwebui)

## SD_WEBUI_AUTH - Stable Diffusion Web UI username:password pair (Default: None)
# SD_WEBUI_AUTH=

## SD_WEBUI_URL - Stable Diffusion Web UI API URL (Default: http://localhost:7860)
# SD_WEBUI_URL=http://localhost:7860

################################################################################
### AUDIO TO TEXT PROVIDER
################################################################################

## AUDIO_TO_TEXT_PROVIDER - Audio-to-text provider (Default: huggingface)
# AUDIO_TO_TEXT_PROVIDER=huggingface

## HUGGINGFACE_AUDIO_TO_TEXT_MODEL - The model for HuggingFace to use (Default: CompVis/stable-diffusion-v1-4)
# HUGGINGFACE_AUDIO_TO_TEXT_MODEL=CompVis/stable-diffusion-v1-4

################################################################################
### GITHUB
################################################################################

## GITHUB_API_KEY - Github API key / PAT (Default: None)
# GITHUB_API_KEY=

## GITHUB_USERNAME - Github username (Default: None)
# GITHUB_USERNAME=

################################################################################
### WEB BROWSING
################################################################################

## HEADLESS_BROWSER - Whether to run the browser in headless mode (default: True)
# HEADLESS_BROWSER=True

## USE_WEB_BROWSER - Sets the web-browser driver to use with selenium (default: chrome)
# USE_WEB_BROWSER=chrome

## BROWSE_CHUNK_MAX_LENGTH - When browsing website, define the length of chunks to summarize (Default: 3000)
# BROWSE_CHUNK_MAX_LENGTH=3000

## BROWSE_SPACY_LANGUAGE_MODEL - spaCy language model](https://spacy.io/usage/models) to use when creating chunks. (Default: en_core_web_sm)
# BROWSE_SPACY_LANGUAGE_MODEL=en_core_web_sm

## GOOGLE_API_KEY - Google API key (Default: None)
# GOOGLE_API_KEY=

## GOOGLE_CUSTOM_SEARCH_ENGINE_ID - Google custom search engine ID (Default: None)
# GOOGLE_CUSTOM_SEARCH_ENGINE_ID=

################################################################################
### TEXT TO SPEECH PROVIDER
################################################################################

## TEXT_TO_SPEECH_PROVIDER - Which Text to Speech provider to use (Default: gtts)
## Options: gtts, streamelements, elevenlabs, macos
# TEXT_TO_SPEECH_PROVIDER=gtts

## STREAMELEMENTS_VOICE - Voice to use for StreamElements (Default: Brian)
# STREAMELEMENTS_VOICE=Brian

## ELEVENLABS_API_KEY - Eleven Labs API key (Default: None)
# ELEVENLABS_API_KEY=

## ELEVENLABS_VOICE_ID - Eleven Labs voice ID (Example: None)
# ELEVENLABS_VOICE_ID=

################################################################################
### CHAT MESSAGES
################################################################################

## CHAT_MESSAGES_ENABLED - Enable chat messages (Default: False)
# CHAT_MESSAGES_ENABLED=False

################################################################################
### LOGGING
################################################################################

## LOG_LEVEL - Set the minimum level to filter log output by. Setting this to DEBUG implies LOG_FORMAT=debug, unless LOG_FORMAT is set explicitly.
## Options: DEBUG, INFO, WARNING, ERROR, CRITICAL
# LOG_LEVEL=INFO

## LOG_FORMAT - The format in which to log messages to the console (and log files).
## Options: simple, debug, structured_google_cloud
# LOG_FORMAT=simple

## LOG_FILE_FORMAT - Normally follows the LOG_FORMAT setting, but can be set separately.
## Note: Log file output is disabled if LOG_FORMAT=structured_google_cloud.
# LOG_FILE_FORMAT=simple

## PLAIN_OUTPUT - Disables animated typing and the spinner in the console output. (Default: False)
# PLAIN_OUTPUT=False


################################################################################
### Agent Protocol Server Settings
################################################################################
## AP_SERVER_PORT - Specifies what port the agent protocol server will listen on. (Default: 8000)
## AP_SERVER_DB_URL - Specifies what connection url the agent protocol database will connect to (Default: Internal SQLite)
## AP_SERVER_CORS_ALLOWED_ORIGINS - Comma separated list of allowed origins for CORS. (Default: http://localhost:{AP_SERVER_PORT})
# AP_SERVER_PORT=8000
# AP_SERVER_DB_URL=sqlite:///data/ap_server.db
# AP_SERVER_CORS_ALLOWED_ORIGINS=

最后，我们使用./run agent start autogpt即可启动官方提供的Agent，如果想使用自己创建的Agent，可以运行./run agent start your_agent_name就可以了，即把命令行中的autogpt替换成你创建的Agent名称即可，启动成功后，即可通过http://localhost:8000/进行访问。

使用示例

启动成功后，我们肯定很想试试这个Agent的效果如何，这里我给出了一个示例，让官方的Agent帮我推荐下居住在北京的话，明天应该穿什么。要回答这个问题，Agent首先要知道今天的日期，然后推算出明天的日期，然后查询北京明天的天气，最后给出穿衣建议。实际的Agent响应结果我截图放在下面了，大家感兴趣可以看下，在这个Agent中，为了省钱，我使用的是GPT-3.5-turbo这个模型，如果换成GPT4的话，效果应该会更好。
在这里插入图片描述

当前使用3.5的模型，在分析处理过程中，Agent体现出了一定的智能性，比如遇到异常时，Agent会自己思考并更换同类工具，在这个过程中，Agent成功的获取到了当前时间和明天北京的天气，但是不巧的事，到最后一步穿衣建议时，智能体出现了差错，只给出了一个问题的描述，而没有给出具体的内容。

后记

以当前的例子看，3.5版本的autoGPT还是难堪大用的。后续，我会使用GPT4的模型继续尝试让Agent解决问题，同时，也会从源码层面介绍下AutoGPT的技术实现，希望大家关注下😄😄

参考资料：

AutoGPT https://docs.agpt.co/autogpt/setup/
https://ken.io/note/macos-homebrew-install-and-configuration
https://zhuanlan.zhihu.com/p/536626536
https://aiedge.medium.com/autogpt-forge-a-comprehensive-guide-to-your-first-steps-a1dfdf46e3b4
https://pipx.pypa.io/stable/installation/
https://aiedge.medium.com/autogpt-forge-e3de53cc58ec