Autogen实战：手把手教你用Python打造智能计算器工具（附完整代码）

最新推荐文章于 2026-07-02 14:49:38 发布

原创

最新推荐文章于 2026-07-02 14:49:38 发布 · 137 阅读

Autogen实战：手把手教你用Python打造智能计算器工具（附完整代码）

在Python生态中，Autogen正迅速成为构建智能代理的首选框架。不同于传统脚本，Autogen允许开发者创建能够自主决策、调用工具并处理复杂任务的AI代理。今天我们将深入探讨如何利用Autogen框架构建一个具备数学计算能力的智能代理系统，从基础函数定义到复杂表达式处理，全程代码可实操。

1. 环境准备与基础配置

开始前需要确保已安装最新版Autogen库。推荐使用Python 3.10+环境，通过以下命令安装：

pip install pyautogen

基础配置需要准备LLM模型连接参数。这里以GLM-4-Plus模型为例（可替换为其他兼容模型）：

import os
from autogen import ConversableAgent

llm_config = {
    "config_list": [{
        "model": "GLM-4-Plus",
        "api_key": "your_api_key_here",
        "base_url": "https://open.bigmodel.cn/api/paas/v4/"
    }],
    "timeout": 120
}

注意：实际部署时应通过环境变量管理API密钥，避免硬编码

2. 核心计算引擎实现

计算器工具的核心是精确的数学运算函数。我们采用类型注解增强代码健壮性：

from typing import Annotated, Literal
from pydantic import BaseModel, Field

Operator = Literal["+", "-", "*", "/"]

class CalculatorInput(BaseModel):
    a: Annotated[int, Field(description="左运算数")]
    b: Annotated[int, Field(description="右运算数")]
    operator: Annotated[Operator, Field(description="运算符")]

def calculator(input: CalculatorInput) -> int:
    """执行基础四则运算"""
    match input.operator:
        case "+": return input.a + input.b
        case "-": return input.a - input.b
        case "*": return input.a * input.b
        case "/": return input.a // input.b  # 整数除法
        case _: raise ValueError("无效运算符")

关键改进点：

使用Pydantic模型进行输入验证
采用Python 3.10+的match-case结构
明确定义运算符字面量类型

3. 智能代理系统搭建

创建协作式双代理系统：用户代理处理执行，助手代理负责逻辑分解：

# 助手代理配置
assistant = ConversableAgent(
    name="MathAssistant",
    system_message="你是一个专业数学助手，能分解复杂表达式为基本运算步骤。"
                  "完成计算后必须返回包含TERMINATE的最终结果。",
    llm_config=llm_config,
    max_consecutive_auto_reply=

标签