SuperAgent + Ertas

將 Ertas 訓練的模型部署為 SuperAgent AI 代理的推理核心，具有工具使用、記憶體和多步驟任務執行功能。

Overview

SuperAgent 是一個開源 AI 代理框架，讓開發者建構、部署和管理具有工具呼叫功能、持久記憶體和多步驟推理的自主 AI 代理。與簡單的聊天機器人框架不同，SuperAgent 提供生產代理部署的完整基礎設施：API 管理、工作流程協調、文件攝取和即時監控。使用 SuperAgent 建構的代理可以瀏覽網頁、查詢資料庫、呼叫外部 API、處理文件，並透過人工審批工作流程執行多步驟任務。

該框架從一開始就為生產使用而設計。它包括內建的驗證、速率限制、使用分析和基於 webhook 的事件串流。代理可以部署為任何應用程式使用的 REST API，或透過提供的 SDK 嵌入到現有產品中。對於建構超越對話式問答的 AI 驅動產品的團隊——實際採取行動、處理工作流程並與商業系統整合的代理——SuperAgent 提供協調層，而底層 LLM 提供智慧。

How Ertas Integrates

Ertas 訓練的模型透過 OpenAI 相容 API 介面作為自訂 LLM 提供者插入 SuperAgent。在 Ertas Studio 中為特定代理使用場景微調模型後——客戶入職、文件處理、研究輔助——您部署它並設定 SuperAgent 使用它作為代理的推理骨幹。微調模型的領域專業知識直接改善代理選擇正確工具、正確解讀結果和生成準確回應的能力。

微調對代理效能的影響是顯著的。通用模型經常在工具選擇上出問題——呼叫錯誤的 API、誤解函式參數或生成語法不正確的工具調用。在您特定領域中正確工具使用範例上微調的模型犯的錯誤顯著減少，導致更高的任務完成率和更少的回退到人工的升級。使用 Ertas，您可以從代理的生產日誌中生成訓練資料——成功的工具鏈、修正的錯誤和人工回饋——並透過迭代微調週期持續改善模型的推理能力。

Getting Started

1
為代理推理微調模型
在 Ertas Studio 中使用任務特定範例訓練模型，包括與您代理領域相關的工具選擇、參數格式化和多步驟推理鏈。
2
將模型部署到推理端點
透過 Ertas Cloud、vLLM 或 Ollama 以 OpenAI 相容 API 提供模型服務，供 SuperAgent 連接。
3
建立 SuperAgent 代理
在 SuperAgent 中使用 Ertas 模型作為 LLM 提供者設定新代理。定義代理的工具、記憶體設定和系統提示。
4
新增工具和資料來源
將代理連接到外部工具——資料庫、API、文件儲存——它將使用這些來完成任務。上傳參考文件用於 RAG 增強回應。
5
部署並在生產中監控
將代理發布為 REST API。監控任務完成率、工具使用模式和錯誤頻率，以識別模型重新訓練的機會。

python

import superagent

# Create a SuperAgent client
client = superagent.Client(api_key="your-superagent-key")

# Create an agent with your Ertas-trained model
agent = client.agents.create(
    name="Contract Processor",
    llm_provider="openai-compatible",
    llm_config={
        "base_url": "https://cloud.ertas.ai/v1",
        "api_key": "your-ertas-key",
        "model": "ertas-legal-agent-7b",
    },
    system_prompt="You are a contract processing agent. Use the provided tools to extract, classify, and route contract documents.",
)

# Add tools the agent can use
client.agents.add_tool(agent.id, tool_id="document-parser")
client.agents.add_tool(agent.id, tool_id="crm-update")
client.agents.add_tool(agent.id, tool_id="email-sender")

# Run the agent on a task
result = client.agents.invoke(
    agent.id,
    input="Process the uploaded contract and extract all payment terms.",
)
print(result.output)

使用 Ertas 訓練的模型建立具有領域特定工具呼叫功能的 SuperAgent 代理。