Gere código inicial para um agente de IA — prompt do sistema, esquema da ferramenta e loop de chamada da ferramenta — para Anthropic ou OpenAI, em Python ou TypeScript. Não é necessário registo.
"""My Agent -- generated by Aizvi's Agent Harness Boilerplate Generator."""
import anthropic
client = anthropic.Anthropic() # reads ANTHROPIC_API_KEY from the environment
SYSTEM_PROMPT = "Você é um assistente prestativo e preciso. Utilize as ferramentas disponíveis quando elas ajudarem a responder à pergunta do utilizador e forneça uma resposta final clara assim que tiver as informações necessárias."
# TODO: set MODEL to whichever Claude model you want to use
MODEL = "claude-3-5-sonnet-latest"
TOOLS = [
{
"name": "get_weather",
"description": "Veja a previsão do tempo atual para um local específico.",
"input_schema": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "A cidade e o estado, por exemplo, São Francisco, Califórnia."
}
},
"required": [
"location"
]
}
}
]
def execute_tool(name: str, tool_input: dict) -> str:
if name == "get_weather":
# TODO: implement get_weather
raise NotImplementedError(f"Tool '{name}' is not implemented yet")
raise ValueError(f"Unknown tool: {name}")
def run_agent(user_message: str, max_iterations: int = 6) -> str:
messages = [{"role": "user", "content": user_message}]
for _ in range(max_iterations):
response = client.messages.create(
model=MODEL,
max_tokens=1024,
system=SYSTEM_PROMPT,
tools=TOOLS,
messages=messages,
)
messages.append({"role": "assistant", "content": response.content})
if response.stop_reason != "tool_use":
return "".join(block.text for block in response.content if block.type == "text")
tool_results = []
for block in response.content:
if block.type == "tool_use":
result = execute_tool(block.name, block.input)
tool_results.append({
"type": "tool_result",
"tool_use_id": block.id,
"content": result,
})
messages.append({"role": "user", "content": tool_results})
return "Max iterations reached without a final answer."
if __name__ == "__main__":
print(run_agent("Hello! What can you help me with?"))
Um harness de agente é o código de suporte que envolve uma chamada bruta a um LLM e a transforma num agente funcional — o ciclo que envia mensagens, verifica se a resposta contém chamadas de ferramentas, executa-as e devolve os resultados até o modelo produzir uma resposta final. Este gerador constrói esse ciclo por si, juntamente com o prompt do sistema e o esquema das ferramentas, para que possa concentrar-se em implementar as suas ferramentas em vez da infraestrutura que as envolve.
Um harness de agente é o código de suporte em torno de uma chamada bruta a um LLM que a transforma num agente funcional — o ciclo que envia mensagens, verifica chamadas de ferramentas, executa-as e devolve os resultados até o modelo produzir uma resposta final.
Sim, totalmente gratuito e sem necessidade de registo. Tudo funciona no seu navegador.
Não. Nada do que você digita aqui é enviado ou armazenado em nossos servidores — o código é gerado inteiramente no seu navegador.
Ele será executado assim que você instalar o SDK relevante, definir sua chave de API como uma variável de ambiente e implementar os stubs TODO para cada ferramenta -- é um ponto de partida funcional, não um agente finalizado.
Sim. Adicione quantas ferramentas precisar, cada uma com seus próprios parâmetros, e todas serão incluídas no esquema de ferramentas gerado.
Python e TypeScript, tanto para a Anthropic (Claude) quanto para a OpenAI -- quatro combinações no total, cada uma usando o formato oficial de chamada de ferramentas de cada fornecedor.
Este código é gerado inteiramente no seu navegador — nada do que você digita aqui é enviado ou armazenado em nossos servidores. É um ponto de partida, não um agente finalizado: instale o SDK relevante, defina sua chave de API como uma variável de ambiente e implemente os stubs TODO para cada ferramenta.
Desenvolvido pela Aizvi