Agent 框架

DB-GPT 提供了一个数据驱动的多智能体框架，用于构建能够协作、调用工具、访问数据库，并在多轮会话中保持记忆的自治 AI agent。

Agent 架构

DB-GPT 中的每个 agent 都围绕五个核心模块构建：

模块	作用
Profile	定义 agent 的角色、名称、目标和约束
Memory	存储会话历史与已学习信息
Planning	将复杂任务拆分为可执行步骤
Action	执行工具调用、查询和其他动作
Resource	提供对工具、数据库、知识库的访问

关键概念

ConversableAgent

所有 agent 的基础类。它实现了完整的会话循环：接收消息、思考（规划）、执行动作、返回响应。

多智能体协作

多个 agent 可以共同完成复杂任务：

• Sequential —— 多个 agent 按顺序传递结果
• Parallel —— 多个 agent 同时处理子任务
• Manager-Worker —— 由规划型 agent 把任务分发给专业 agent

记忆类型

记忆类型	范围	持久化
Sensory	当前消息	无
Short-term	当前会话	Session
Long-term	跨会话	Database
Hybrid	组合以上三种	混合

内置 agent 类型

DB-GPT 内置了多种预定义 agent：

• Data Analysis Agent —— 数据分析、SQL 生成、图表创建
• Summary Agent —— 长文档与会话摘要
• Code Agent —— 代码生成与执行
• Chat Agent —— 通用对话型 agent

快速示例

from dbgpt.agent import ConversableAgent, AgentContext

# 定义一个简单的自定义 agent
agent = ConversableAgent(
    name="DataAnalyst",
    role="You are a data analysis expert",
    goal="Help users analyze data and generate insights",
    llm_config={"model": "chatgpt_proxyllm"},
)

# 发起一次对话
result = await agent.a_send("Analyze the sales trends for Q4 2024")

下一步

• Agent Introduction —— 更完整的 agent 框架说明
• Custom Agents —— 自定义 agent 开发
• Agent Tools —— 将 agent 连接到工具
• Agent Planning —— 任务分解与规划策略