기업을 위한 Agentic AI 시대가 왔다! Magentic-One으로 복합 작업 자동화 배우기

[@CONNECT-AI-LAB]

from typing import Dict, Any
import logging
from openai import OpenAI
import requests
from bs4 import BeautifulSoup
import subprocess
logger = logging.getLogger(__name__)
class BaseAgent:
def __init__(self, config: Dict[str, Any]):
self.config = config
self.llm_client = OpenAI(api_key=config["llm_config"]["config"]["api_key"])
def _call_llm(self, prompt: str) -> str:
"""LLM API 호출"""
response = self.llm_client.chat.completions.create(
model=self.config["llm_config"]["config"]["model"],
messages=[{"role": "user", "content": prompt}]
)
return response.choices[0].message.content
class WebSurferAgent(BaseAgent):
def search(self, query: str) -> Dict[str, Any]:
print(f"🔍 검색 중: {query}")
# 유명한 시각화 라이브러리들을 기본값으로 설정
default_libraries = [
{
"name": "matplotlib",
"description": "Python plotting package",
"html_url": "github.com/matplotlib/matplotlib"
},
{
"name": "seaborn",
"description": "Statistical data visualization",
"html_url": "github.com/mwaskom/seaborn"
},
{
"name": "plotly",
"description": "Interactive graphing library for Python",
"html_url": "github.com/plotly/plotly.py"
}
]
try:
# GitHub API를 통한 검색
search_url = f"api.github.com/search/repositories?q={query}+language:python+visualization"
headers = {"Accept": "application/vnd.github.v3+json"}
response = requests.get(search_url, headers=headers)
if response.status_code == 200:
repos = response.json()["items"][:3] # 상위 3개 저장소
if not repos: # 검색 결과가 없으면 기본값 사용
repos = default_libraries
else:
repos = default_libraries
# LLM에게 최적의 라이브러리 선택 요청
prompt = """다음 Python 시각화 라이브러리 중 가장 적합한 것을 선택하고,
라이브러리 이름만 반환하세요 (예: 'matplotlib'):
선택지:
{choices}
형식:
"""
choices = "
".join([f"- {repo['name']}: {repo['description']}" for repo in repos])
chosen = self._call_llm(prompt.format(choices=choices))
# 선택된 라이브러리의 URL 찾기
chosen_repo = next((repo for repo in repos if chosen.strip().lower() in repo['name'].lower()), repos[0])
return {
"results": repos,
"chosen": chosen,
"url": chosen_repo["html_url"]
}
except Exception as e:
print(f"검색 중 오류 발생: {e}")
# 오류 발생 시 기본값 반환
return {
"results": default_libraries,
"chosen": "matplotlib",
"url": "github.com/matplotlib/matplotlib"
}
class FileSurferAgent(BaseAgent):
def inspect(self, repo_url: str) -> str:
print(f"📄 저장소 분석 중: {repo_url}")
# README 가져오기
readme_url = f"{repo_url}/raw/main/README.md"
response = requests.get(readme_url)
if response.status_code == 200:
readme_content = response.text
# LLM에게 README 분석 요청
prompt = f"""다음 README 내용을 분석하고 핵심 설치 방법을 추출하세요:
{readme_content[:2000]} # 처음 2000자만 사용
"""
analysis = self._call_llm(prompt)
return analysis
return "README를 찾을 수 없습니다."
class CoderAgent(BaseAgent):
def write_script(self, readme_content: str) -> str:
print("🤖 설치 스크립트 생성 중...")
prompt = """다음 README 분석 결과를 바탕으로 Python 패키지 설치를 위한
pip 명령어만 생성하세요. 설명이나 주석 없이 실행 가능한 명령어만 반환하세요.
README 내용:
{content}
형식: pip install
예시 응답:
pip install matplotlib
"""
install_script = self._call_llm(prompt.format(content=readme_content))
# pip install로 시작하지 않으면 기본값 사용
if not install_script.strip().startswith("pip install"):
install_script = "pip install matplotlib"
return install_script.strip()
class ComputerTerminalAgent(BaseAgent):
def run(self, script: str) -> bool:
print(f"💻 실행 중: {script}")
try:
# 실제 pip 명령어 실행
result = subprocess.run(
script.split(),
capture_output=True,
text=True,
check=True
)
print(result.stdout)
return True
except subprocess.CalledProcessError as e:
print(f"설치 실패: {e.stderr}")
return False
코드 공유합니다~!

[@akromawrath7353]

Nice 👍👏😁

[@honon-cs2wl]

돌아와주셔서 감사합니다 JAY님!!!!!!

[@CONNECT-AI-LAB]

매일 올릴게요!

[@Svet_dream]

Thanks for the great video ❤

[@zacharikurbah6358]

This is a great video on AI 👍🏻