人工智能代理的构建正日益受到企业关注，许多公司竞相创建自己的代理。虽然从零开始构建ai代理是可行的，但开发人员常常被构建和测试不同ai工具（用于函数调用）所需的时间所困扰，这导致开发周期延长。
然而，新的解决方案不断涌现，旨在简化AI代理的构建过程。Phidata便是其中之一。
什么是Phidata？
Phidata SDK 允许您仅需几行Python代码即可轻松构建AI代理。其优势在于提供开箱即用的实用AI工具，无需从头编写。
Phidata提供的开箱即用AI工具包括：
- Google搜索、Exa（用于网页搜索）
- Resend（发送电子邮件）
- Crawl4AI和Firecrawl（网络抓取）
- DuckDB（用于数据分析）
- Python代理（编写和运行Python代码）
- 文件（用于读取文件以构建RAG代理）
- GitHub（与GitHub交互）
- Calcom代理（使用cal.com安排会议）
等等！更多工具列表请访问Phidata官方文档。
通过组合使用这些工具，我们可以构建复杂且功能强大的AI代理，例如：
- 数据分析师代理
- 研究代理
- 销售代理
- 采购代理
仅举几例。
使用“团队代理”创建高级代理
Phidata SDK 的一个亮点是能够将多个工具组合成一个团队，称为“团队代理”。例如，您可以创建一个团队，结合使用“DuckDuckGo”和“雅虎财经”工具，从网络和雅虎财经两个来源获取数据。
团队代理的工作流程如下：
- 用户发出指令：“总结分析师建议并分享NVDA的最新消息”
- 代理在网络上搜索有关英伟达公司（NVDA）的最新消息
- 代理在雅虎财经上搜索股票代码“NVDA”，获取公司财务数据
- 最后，代理在一个清晰的表格中呈现来自两个来源（网络和雅虎财经）的数据。
是不是很酷？
接下来，我们将演示如何使用Phidata SDK创建一个简单的财务分析师代理。
Phidata SDK入门
让我们开始构建我们的财务分析师代理。本教程非常适合初学者。
我们将在Google Colab的Jupyter Notebook中创建代理，它具有良好的交互性和易于共享的特点。
步骤1 - 在Google Colab上创建一个新笔记本
点击此处进入Google Colab，您将看到如下界面：
点击“新建笔记本”按钮：
稍等片刻，您将看到新创建的笔记本：
继续下一步。
步骤2 - 在笔记本中安装所有必需的库
在创建AI代理之前，我们需要确保笔记本中安装了必要的依赖项。Google Colab预装了一些常用库，但为了确保完整性，我们仍然需要安装所有必需的库。
我们将安装以下库：
- yfinance - 获取公司的财务数据
- openai - 允许Phidata使用OpenAI的LLM实现AI代理
- duckduckgo-search - 使用DuckDuckGo搜索网络
- phidata - 加载预先编写的AI工具进行函数调用并创建团队代理。
复制并粘贴以下命令到第一个代码单元格中：
<code>pip install openai yfinance duckduckgo-search phidata</code>
界面如下所示：
点击左侧的播放图标运行代码：
等待安装完成，您将在“运行”按钮左侧看到一个绿色勾号：
为了节省空间，我们可以隐藏单元格输出。点击“运行”按钮下方的按钮，然后选择“显示/隐藏输出”。
步骤3 - 添加openai_api_key环境变量
我们需要将OpenAI API密钥添加到环境中。点击按钮添加一个新的代码单元格：
粘贴并运行以下代码，将your_api_key替换为您的实际OpenAI API密钥（从https://www.php.cn/link/742d3c2a7ceaa6143597415ae49551d0获取）：
<code>import os os.environ['openai_api_key'] = "your_api_key"</code>
界面如下所示：
步骤4 - 为代理编写代码
最后，我们将编写代理代码。这是一个“团队代理”（由多个代理组成），我们将首先使用Phidata SDK创建两个代理：web_agent和finance_agent。网络代理将搜索网络信息，财务代理将从雅虎财经获取财务数据。最后，我们将这两个代理传递给第三个代理的teams数组，创建一个“团队代理”。
这个第三个代理将成为我们最终用于获取公司数据（来自网络和雅虎财经）的代理。
<code class="python">from phi.agent import Agent
from phi.model.openai import OpenAIChat
from phi.tools.duckduckgo import DuckDuckGo
from phi.tools.yfinance import YFinanceTools
web_agent = Agent(
name="Web Agent",
role="Search the web for information",
model=OpenAIChat(id="gpt-4o"),
tools=[DuckDuckGo()],
instructions=["Always include sources"],
show_tool_calls=True,
markdown=True,
)
finance_agent = Agent(
name="Finance Agent",
role="Get financial data",
model=OpenAIChat(id="gpt-4o"),
tools=[YFinanceTools(stock_price=True, analyst_recommendations=True, company_info=True)],
instructions=["Use tables to display data"],
show_tool_calls=True,
markdown=True,
)
agent_team = Agent(
team=[web_agent, finance_agent],
instructions=["Always include sources", "Use tables to display data"],
show_tool_calls=True,
markdown=True,
)
agent_team.print_response("Summarize analyst recommendations and share the latest news for NVDA", stream=True)</code>
添加一个新的代码单元格，复制并粘贴上面的代码。运行代码，这需要一些时间。完成后，您将看到类似的输出（可能需要滚动到底部）：
（输出文本可能显示较小，因为为了方便截图，已经进行了缩小。）
我们快速构建了一个财务分析师代理。该报告比较基础，可以进一步完善，我们可以通过添加新的代理（或构建自定义功能工具）来改进代理，从而从更多来源获取数据。
关注我的LinkedIn账号，了解更多关于AI代理的信息!
