AutoGen Studio 개요: AI 주도의 혁신적 콘텐츠 제작
AutoGen Studio는 Microsoft Research에서 개발한 AutoGen 시스템의 일부로, 사용자가 손쉽게 인공지능(AI) 에이전트 팀을 생성하고 관리할 수 있는 도구입니다. 이 플랫폼은 다중 에이전트 워크플로를 정의하고 실행할 수 있는 대화형 인터페이스를 제공하여, 사용자가 학습, 적응 및 협업이 가능한 AI 에이전트를 신속하게 만들어내고 상호 작용할 수 있도록 지원합니다. 즉, AutoGen Studio는 복잡한 대규모 언어 모델 애플리케이션을 구축하는 과정을 단순화하고, 개발자 및 비전문가 모두에게 차세대 기능을 갖춘 대화형 AI 워크플로우의 생성과 관리를 용이하게 하는 도구입니다. 이와 관련하여, Ollama #3: OpenAI API와의 호환 통합 및 AutoGen 활용으로 혁신적 AI 개발 시작하기에서는 AutoGen의 기능과 OpenAI API와의 통합 방법에 대해 논의하며, 이는 차후 AutoGen Studio에 Ollama 모델을 적용하는 데 있어 중요한 기반 지식을 제공합니다.
시작하기 전에: AutoGen Studio 설치 가이드
Python 3.10 이상 버전에서 pip를 통해 AutoGen Studio를 설치할 수 있습니다.
가상환경 설정: AI 개발을 위한 최적의 환경 구축
저는 파이썬 가상환경 관리 도구로 pyenv를 사용하므로, Python 3.10.13에 대한 가상환경을 만들어 진행할 예정입니다. 다른 가상환경 도구를 선호하는 경우 해당 도구로 설정하시면 됩니다.
pyenv virtualenv 3.10.13 31013_autogen pyenv activate 31013_autogen
AutoGen Studio 설치하기
pip install autogenstudio
AutoGen Studio 실행 및 초기 설정
터미널에서 서버를 실행한 후 http://127.0.0.1:8081 주소로 웹브라우저에서 접속합니다.
autogenstudio ui --port 8081
AutoGen Studio의 사용자 인터페이스(UI) 탐색
UI는 Build, Playground, Gallery 세 개의 주요 탭으로 구성됩니다.
Build
- Skills
- 스킬은 요구되는 작업을 해결하는 방법을 설명하는 파이썬 코드 같은 함수입니다. 이러한 스킬은 AI 에이전트가 작업을 처리할 때 활용되며 다양한 작업을 자동화하고 해결하는 데 필수적입니다. 예를 들어, ‘generate_images’라는 스킬을 통해 사용자는 이미지 생성 작업을 AI에게 맡길 수 있습니다. 사용자는 제공된 UI를 통해 AutoGen Studio에 새로운 스킬을 추가할 수 있습니다. 추론 시, 이러한 스킬은 작업을 처리하는 보조 에이전트에게 사용 가능하게 됩니다.
- Agents
- Agents는 AutoGen Studio에서 개별 AI 역할을 정의하는 구성 요소입니다. 이들은 특정 작업을 수행하기 위해 필요한 속성과 도구를 갖추고, 사용자가 선언적으로 이들의 속성을 지정할 수 있는 인터페이스를 통해 관리됩니다. 사용자는 이 인터페이스를 통해 AI 에이전트를 커스터마이즈하고, 특정 역할에 맞게 구성할 수 있습니다.
- Models
- Models에서는 AutoGen Studio에서 에이전트와 워크플로우에 사용될 다양한 LLM 모델(예: ‘gpt-4-1106-preview’, ‘gpt-3.5’, ‘Llama2’)을 정의하고 관리할 수 있게 해둡니다. 이를 통해 사용자는 일관된 모델 설정을 유지하며 효율적으로 관리할 수 있습니다. 참고로 모델에 변경사항이 발생하면 워크플로우에 수동으로 재추가해야 합니다.
- Workflows
- Workflows는 AutoGen Studio에서 여러 에이전트가 협력하여 특정 작업을 완수하는 구성을 의미합니다. 이는 사용자 대표 에이전트와 보조 에이전트가 함께 작업 요청을 처리하는 간단한 설정에서부터, 더 많은 에이전트가 참여하는 복잡한 그룹 채팅 형태의 해결책 모색까지 다양한 형태를 취할 수 있습니다. Workflows는 팀 작업과 과제를 효율적으로 통합하고 관리하는 데 중요한 역할을 합니다.
Playground
- 플레이그라운드 섹션은 정의된 에이전트 워크플로우의 상호 작용과 실행을 확인하고 테스트 할 수 있습니다.
- 구성
- 세션: 특정 목표 달성을 위한 에이전트 워크플로우와 사용자 간의 상호 작용이나 기간을 의미하며, 완료된 세션은 “갤러리”에 게시될 수 있습니다.
- 채팅 뷰: 사용자와 에이전트 간의 상호 작용을 순서대로 보여주는 세션의 구성 요소입니다.
Gallery
갤러리는 에이전트 사양과 세션을 보여주며, 공유와 재사용을 쉽게 하는 AutoGen Studio의 UI 일부분 입니다.
실전 테스트: AutoGen Studio를 이용한 워크플로우 실행
OpenAI API키 등록
테스트하려고 하는 워크플로우는 OpenAI의 GPT 모델을 사용합니다. API키를 등록하여 해당 모델을 사용할 수 있도록 설정하겠습니다. 모델이 변경되면 워크플로우에서 사용하는 모델도 항상 다시 설정해야 합니다.
Build > Models 탭을 선택하고 사용할 모델을 선택합니다.
OPENAI_API_KEY를 붙여넣고 Text Model로 정상적으로 작동하는 지 확인하고 Save 버튼으로 저장합니다.
Build > Workflows 탭으로 이동하여 테스트 할 General Agent Workflow 항목을 선택합니다.
Receiver > primary_assistant를 선택합니다.
모델을 삭제하고 다시 등록합니다.
Sessions 등록
Playground 탭에서 테스트하려는 워크플로우를 추가합니다.
Playground > Sessions > New 버튼을 클릭해 General Agent Workflow을 선택하고 Create 버튼을 클릭합니다.
예제 프롬프트를 실행
채팅 뷰에서 실제 원하는 작업을 요청해 보겠습니다.
제공되는 예제 Stock Price 항목을 선택합니다. 자동으로 프롬프트가 입력됩니다.
Plot a chart of NVDA and TESLA stock price for 2023. Save the result to a file named nvda_tesla.png
2023년의 NVDA 및 TESLA 주가 차트를 표시합니다. 결과를 nvda_tesla.png라는 파일에 저장합니다.
userproxy와 primary_assistant 간의 상호 작용으로 스스로 해결방법을 생각하고 결과를 도출해 냅니다. 성공적으로 차트를 png 로 저장한 것을 볼 수 있습니다. 해당 이미지는 바로 확인할 수 있으며 다운 받을 수도 있습니다.
생성된 엔비디아와 테슬라의 주가 차트 이미지 입니다.
사용된 파이썬 코드도 확인할 수 있습니다.
# filename: plot_stocks.py
import yfinance as yf
import matplotlib.pyplot as plt
from datetime import datetime
# Check if the current date is in 2023, if not, we will fetch data up to the current date.
current_year = datetime.now().year
end_date = '2023-12-31' if current_year > 2023 else datetime.now().strftime('%Y-%m-%d')
# Fetch stock price data for NVDA and TESLA for 2023
nvda_data = yf.download('NVDA', start='2023-01-01', end=end_date)
tesla_data = yf.download('TSLA', start='2023-01-01', end=end_date)
# Plot the closing prices of NVDA and TESLA
plt.figure(figsize=(14, 7))
plt.plot(nvda_data['Close'], label='NVDA')
plt.plot(tesla_data['Close'], label='TESLA')
# Add title and labels
plt.title('NVDA and TESLA Stock Prices for 2023')
plt.xlabel('Date')
plt.ylabel('Stock Price (USD)')
# Add legend
plt.legend()
# Save the plot to a file
plt.savefig('nvda_tesla.png')
plt.close()
print("The chart has been saved as nvda_tesla.png")
워크플로우 실행 과정 분석
결과를 도출하는 과정을 확인해 보면 6번의 메세지가 생성되었으며 시간은 45초가 걸렸습니다. 과정을 간단하게 요약하면 다음과 같습니다.
userproxy가primary_assistant에 프롬프트를 보내는 것으로 워크플로우가 시작됩니다.primary_assistant는 다음과 같이 계획을 수립하고 어떤 라이브러리가 필요한지 체크합니다.1. 2023년 NVDA와 TESLA의 주가 데이터를 가져옵니다. 2. matplotlib와 같은 플로팅 라이브러리를 사용하여 데이터를 플로팅합니다. 3. 플롯을 nvda_tesla.png라는 파일에 저장합니다. 4. yfinance 라이브러리로 데이터를 가져올 수 있음을 확인- 이후 생성한 python 스크립트를 사용하여 주가 데이터를 가져오고 이미지를 생성하여 저장한 후에 알아서 워크플로우를 종료한다.
위와 같이userproxy가primary_assistant가 대화하듯 서로 메세지를 주고 받으며 내 요청을 해결합니다. 상세 로그를 확인하면 다음과 같습니다.
userproxy (to primary_assistant):
Plot a chart of NVDA and TESLA stock price for 2023. Save the result to a file named nvda_tesla.png
---
primary_assistant (to userproxy):
To plot a chart of NVDA (NVIDIA Corporation) and TESLA stock prices for 2023, we will need to perform the following steps:
1. Fetch the stock price data for NVDA and TESLA for the year 2023.
2. Plot the stock prices on a chart.
3. Save the chart to a file named nvda_tesla.png.
For step 1, we can use the yfinance library to fetch the stock price data. If yfinance is not installed, we will need to install it using pip.
For step 2 and 3, we will use the matplotlib library to plot the chart and save it to a file.
Let's start by installing yfinance and matplotlib if they are not already installed, and then proceed with fetching the data and plotting the chart.
pip install --quiet yfinance matplotlib
After installing the necessary packages, I will provide the Python code to fetch the stock data and plot the chart. Please run the above shell command first to ensure the required libraries are installed. After that, I will provide the Python code to complete the task.
---
>>>>>>>> EXECUTING CODE BLOCK 0 (inferred language is sh)...
userproxy (to primary_assistant):
exitcode: 0 (execution succeeded)
Code output:
---
primary_assistant (to userproxy):
Great, now that the necessary packages are installed, let's proceed with the Python code to fetch the stock price data for NVDA and TESLA for the year 2023, plot the chart, and save it to a file named nvda_tesla.png.
Please run the following Python code:
# filename: plot_stocks.py
import yfinance as yf
import matplotlib.pyplot as plt
from datetime import datetime
# Check if the current date is in 2023, if not, we will fetch data up to the current date.
current_year = datetime.now().year
end_date = '2023-12-31' if current_year > 2023 else datetime.now().strftime('%Y-%m-%d')
# Fetch stock price data for NVDA and TESLA for 2023
nvda_data = yf.download('NVDA', start='2023-01-01', end=end_date)
tesla_data = yf.download('TSLA', start='2023-01-01', end=end_date)
# Plot the closing prices of NVDA and TESLA
plt.figure(figsize=(14, 7))
plt.plot(nvda_data['Close'], label='NVDA')
plt.plot(tesla_data['Close'], label='TESLA')
# Add title and labels
plt.title('NVDA and TESLA Stock Prices for 2023')
plt.xlabel('Date')
plt.ylabel('Stock Price (USD)')
# Add legend
plt.legend()
# Save the plot to a file
plt.savefig('nvda_tesla.png')
plt.close()
print("The chart has been saved as nvda_tesla.png")
This script will download the stock price data for NVDA and TESLA, plot the closing prices on a chart, and save the chart to a file named nvda_tesla.png. Please execute the code and let me know if you encounter any issues.
---
>>>>>>>> EXECUTING CODE BLOCK 0 (inferred language is python)...
userproxy (to primary_assistant):
exitcode: 0 (execution succeeded)
Code output:
The chart has been saved as nvda_tesla.png
---
primary_assistant (to userproxy):
The chart of NVDA and TESLA stock prices for 2023 has been successfully created and saved as nvda_tesla.png. The task is now complete.
If you need any further assistance or have another task in mind, feel free to let me know!
TERMINATE
창의적 AI 콘텐츠 제작으로의 여정: AutoGen Studio 사용자 가이드
지금까지 우리는 AutoGen Studio에 대해 알아보았습니다. 복잡한 코딩 지식 없이도 멀티 AI 에이전트를 구동시켜 원하는 기능을 구현하거나 문제를 해결할 수 있음을 확인할 수 있었습니다. AutoGen Studio의 강력함은 단순히 사용의 용이성에만 그치지 않습니다. 이는 창의적인 프로젝트와 혁신적인 아이디어를 현실로 변환하는 데 필요한 모든 기능을 제공합니다.
다음 단계에서는 AutoGen Studio를 Ollama와 통합하여, GPT 모델뿐만 아니라 로컬 LLM을 사용해 에이전트를 생성하고 제어하는 방법을 살펴볼 것입니다.
참고로, AutoGen Studio는 다중 에이전트 워크플로우의 프로토타입을 신속하게 작성하고 AutoGen으로 구축된 최종 사용자 인터페이스의 예를 보여주기 위한 도구입니다. 이는 프로덕션 환경에 바로 사용할 수 있는 앱이 아니며, 복잡한 시스템의 초기 단계 프로토타이핑 및 개념 증명에 이상적입니다. 이 점을 염두에 두고 AutoGen Studio의 가능성을 확인해 보시기 바랍니다.
본 글은 GPTers에 게시되고 있습니다.
AutoGen Studio #1: 직관적인 다중 AI 에이전트 워크플로우 구성 및 관리 (주가 차트 이미지 생성) | 지피터스 GPTers