无外网环境部署 AgentFabric 及使用 AgentFabric 构建的 Agent

AlphaHinex

发布于 2024-04-16 16:06:05

1240

发布于 2024-04-16 16:06:05

文章被收录于专栏：周拱壹卒周拱壹卒

目标：在纯内网环境完成基于 ModelScope-Agent[1] 的可定制化的 Agent 的构建和发布
前提：需在有外网环境提前下载好所需内容

一、外网环境中下载所需内容

在可以访问外网的环境中，准备一个工作目录（如：/data/work），在这个目录下进行后续操作。

1. 拉取镜像

拉取 ModelScope-Agent 镜像，镜像中已经安装好所需依赖。

docker pull registry.cn-hangzhou.aliyuncs.com/modelscope-repo/modelscope-agent:v0.3.0

导出镜像文件：

docker save > modelscope-agent.tar \
registry.cn-hangzhou.aliyuncs.com/modelscope-repo/modelscope-agent:v0.3.0

启动容器：

docker run -ti -v /data/work:/data/work \
registry.cn-hangzhou.aliyuncs.com/modelscope-repo/modelscope-agent:v0.3.0 bash

其中 -v /data/work:/data/work 把本地 /data/work 目录挂载到容器中的相同路径。执行命令此命令后已进入容器，后续操作都将在容器中进行。

从容器中进入到工作目录：

cd /data/work

2. 下载 LLM 模型

在容器工作目录中下载模型到本地：以 qwen/Qwen1.5-7B-Chat 模型为例，可以换成其他微调的模型：

python -c "from modelscope import snapshot_download; snapshot_download('qwen/Qwen1.5-7B-Chat', cache_dir='qwen1.5-7b-chat')"

3. 下载 Embedding 模型

在容器工作目录中下载 ModelScope-Agent 使用的 Embedding 模型damo/nlp_gte_sentence-embedding_chinese-base[2]，也可换成其他模型:

git clone https://www.modelscope.cn/iic/nlp_gte_sentence-embedding_chinese-base.git

4. 下载 ModelScope-Agent 代码

在容器工作目录中拉取 ModelScope-Agent 最新 master 分支代码：

git clone https://github.com/modelscope/modelscope-agent.git

5. 下载内容传输至内网环境

将工作目录传输至内网离线环境对应目录中，可同样使用 /data/work。

二、内网环境部署 LLM

导入镜像

进入工作路径 /data/work，导入镜像文件：

docker load < modelscope-agent.tar

部署 LLM 服务

ModelScope 提供模型 本地启动服务[3] 功能。

这里我们使用该功能，将模型部署成 Openai API 兼容的接口。具体操作可参考如下：

# 创建并进入容器
nvidia-docker run -ti --net host -v /data/work:/data/work \
registry.cn-hangzhou.aliyuncs.com/modelscope-repo/modelscope-agent:v0.3.0 bash

从容器中进入到工作目录：

cd /data/work

在容器工作目录中启动服务：

MODELSCOPE_CACHE='qwen1.5-7b-chat' python -m vllm.entrypoints.openai.api_server \
    --model qwen/Qwen1.5-7B-Chat --dtype=half --max-model-len 8192  --gpu-memory-utilization 0.95 &

随后测试模型服务，如果正确返回，说明模型服务部署完成。

curl http://localhost:8000/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
        "model": "qwen/Qwen1.5-7B-Chat",
        "messages": [
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": "写一篇春天为主题的作文"}
        ],
        "stop": ["<|im_end|>", "<|endoftext|>"]
    }'

三、内网环境部署 AgentFabric

另起一个终端窗口，登录到上面拉起的 docker 容器中：

# 查看之前容器ID
sudo docker ps -a
# 进入对应容器ID的容器
sudo docker exec -ti CONTAINER_ID bash

在容器工作目录（/data/work）中进行后续操作。

编辑模型配置文件

编辑 modelscope-agent/apps/agentfabric/config/model_config.json，增加如下配置：

diff --git a/apps/agentfabric/config/model_config.json b/apps/agentfabric/config/model_config.json
index 4db68ce..be7fbf3 100644
--- a/apps/agentfabric/config/model_config.json
+++ b/apps/agentfabric/config/model_config.json
@@ -124,5 +124,12 @@
         "api_base": "http://localhost:8000/v1",
         "is_chat": true,
         "is_function_call": false
+    },
+    "qwen1.5-7b-chat": {
+        "type": "openai",
+        "model": "qwen/Qwen1.5-7B-Chat",
+        "api_base": "http://localhost:8000/v1",
+        "is_chat": true,
+        "is_function_call": false
     }
 }

编辑 Embedding 模型 model_id

编辑 modelscope-agent/modelscope_agent/storage/vector_storage.py，将该文件中的模型 model_id 修改为本地模型路径：

diff --git a/modelscope_agent/storage/vector_storage.py b/modelscope_agent/storage/vector_storage.py
index c6f9fdc..29f518a 100644
--- a/modelscope_agent/storage/vector_storage.py
+++ b/modelscope_agent/storage/vector_storage.py
@@ -28,7 +28,7 @@ class VectorStorage(BaseStorage):
         self.storage_path = storage_path
         self.index_name = index_name
         self.embedding = embedding or ModelScopeEmbeddings(
-            model_id='damo/nlp_gte_sentence-embedding_chinese-base')
+            model_id='/data/work/nlp_gte_sentence-embedding_chinese-base')
         self.vs_cls = vs_cls
         self.vs_params = vs_params
         self.index_ext = index_ext

拉起 AgentFabric

在 modelscope-agent/apps/agentfabric 目录下执行如下命令拉起 AgentFabric Gradio：

GRADIO_SERVER_NAME=0.0.0.0 PYTHONPATH=../../  python app.py

启动时如遇 ModuleNotFoundError: No module named 'modelscope_studio' 报错，请将 modelscope-agent 仓库回滚至 8deef6d4（git checkout 8deef6d4），因为后面的 68c7dd7f[4] 提交修改了依赖，导致镜像中缺少新增的依赖。

如需更改默认配置文件路径，可修改 modelscope-agent/apps/agentfabric/config_utils.py 中的 DEFAULT_AGENT_DIR 和通过环境变量指定 CODE_INTERPRETER_WORK_DIR，如：

CODE_INTERPRETER_WORK_DIR=/data/work/agentfabric/ci_workspace \
GRADIO_SERVER_NAME=0.0.0.0 PYTHONPATH=../../  python app.py

然后在浏览器中输入 http://内网服务器IP:7860 打开即可看到如下界面。

AgentFabric

四、内网环境发布使用 AgentFabric 构建的 Agent

通过 AgentFabric 完成 Agent 的基本配置之后，在 配置(Configure) tab 页点击左侧下方的 更新配置 按钮，即可将自定义的配置内容生成至指定的配置文件中（默认路径为 /tmp/agentfabric/config/local_user/builder_config.json）。

完成配置后可停掉 AgentFabric 的 Gradio 应用。

发布配置好的 Agent Gradio 应用，可在 modelscope-agent/apps/agentfabric 目录下执行如下命令：

GRADIO_SERVER_NAME=0.0.0.0 GRADIO_SERVER_PORT=7865 PYTHONPATH=../../  python appBot.py

如启动 AgentFabric 时指定了配置文件路径，启动 Agent 时也需指定相同路径。

然后在浏览器中输入 http://内网服务器IP:7865 打开即可看到界面。

Custom Agent

参考资料

[1]

ModelScope-Agent: https://github.com/modelscope/modelscope-agent

[2]

damo/nlp_gte_sentence-embedding_chinese-base: https://github.com/modelscope/modelscope-agent/blob/master/modelscope_agent/storage/vector_storage.py#L31

[3]

本地启动服务: https://modelscope.cn/docs/%E6%9C%AC%E5%9C%B0%E5%90%AF%E5%8A%A8%E6%9C%8D%E5%8A%A1

[4]

68c7dd7f: https://github.com/modelscope/modelscope-agent/commit/68c7dd7ffae0a1f93938ac3fa3fed7bfdfcdfb2b#diff-8544efbeb959a409d00730a025fd51bf9da42cd560aa4d2bd5e24f6ddbd8c9f5R7