速途網(wǎng)3月29日消息（報道：李楠）近日，昆侖萬維2050全球研究院、新加坡南洋理工大學(xué)、蘇黎世聯(lián)邦理工學(xué)院研究團隊聯(lián)手開源了數(shù)字智能體全流程研發(fā)工具包AgentStudio，旨在為研究人員和開發(fā)者提供一個覆蓋智能體完整開發(fā)流程的綜合性平臺，讓開發(fā)者們能夠輕松、高效、靈活地構(gòu)建專屬數(shù)字智能體。

AgentStudio所提供的工具涵蓋數(shù)字智能體開發(fā)的全部流程，包括智能體觀察與動作空間、跨平臺的在線環(huán)境支持、交互式數(shù)據(jù)收集與評估、可擴展的任務(wù)套件、以及相應(yīng)的圖形界面。此外，研究團隊還評估了多個多模態(tài)大模型完成數(shù)字世界任務(wù)的能力。

AgentStudio是一個完全免費的開源項目，項目團隊希望通過這一開源努力，與人工智能社區(qū)攜手加速智能體技術(shù)發(fā)展，促進前沿知識共享與合作。目前，AgentStudio相關(guān)論文、代碼、數(shù)據(jù)、文檔已全部公開。

論文標題：AgentStudio: A Toolkit for Building General Virtual Agents

論文鏈接：https://arxiv.org/abs/2403.17918

項目主頁與文檔：https://skyworkai.github.io/agent-studio/

開源代碼：https://github.com/SkyworkAI/agent-studio

Leaderboard：https://huggingface.co/spaces/Skywork/agent-studio-leaderboard

（AgentStudio論文截圖）

智能體：大模型產(chǎn)業(yè)最前沿

近來，隨著大模型技術(shù)在自然語言理解、工程能力、數(shù)據(jù)能力、存儲能力等領(lǐng)域的突破，大量以大模型技術(shù)驅(qū)動的智能體（Agents）不斷涌現(xiàn)，在通用性、實用性、可落地性等方面都表現(xiàn)卓越。

不同于傳統(tǒng)軟件程序，基于大模型能力打造的AI智能體具備感知環(huán)境、進行決策、執(zhí)行動作等能力，并能夠通過獨立思考、調(diào)用工具去逐步完成給定目標，成為當前全球AI大模型領(lǐng)域的關(guān)注最前沿。此前，昆侖萬維已經(jīng)推出“天工SkyAgents”AI Agents開發(fā)平臺，用戶可以通過自然語言和簡單操作，無需代碼編程，即可在幾分鐘之內(nèi)部署屬于自己的AI Agents。

現(xiàn)如今，在大模型的助力下，數(shù)字智能體（virtual agents）可以通過操控手機電腦上的軟件幫助人們完成許多日常工作，提高工作效率。

然而，當前數(shù)字智能體的進展很大程度上受到了基準環(huán)境和數(shù)據(jù)來源的限制，他們大都僅在簡單、受限的場景下評估與演示，從而掩蓋了面臨的挑戰(zhàn)，離真正落地需要的可用性與可靠性仍有較大距離，然而缺乏全面、真實的收集數(shù)據(jù)環(huán)境又阻礙了這些智能體能力的進一步提升。

AgentStudio工具包的開發(fā)，正是基于當前人工智能領(lǐng)域?qū)Ω咝А⒖蓴U展智能體開發(fā)工具的迫切需求。該工具包不僅包括了智能體觀察與動作空間的定義工具，還提供了跨平臺的在線環(huán)境支持，使得開發(fā)者可以在不同的平臺和設(shè)備上進行智能體的開發(fā)與測試。此外，AgentStudio還支持交互式數(shù)據(jù)收集與評估，以及可擴展的任務(wù)套件，極大地增強了其實用性和靈活性。

AgentStudio：靈活、通用、可擴展

(AgentStudio架構(gòu)及環(huán)境介紹。AgentStudio是一個支持與真實世界計算機在線交互的平臺。與現(xiàn)有環(huán)境相比，它具有最通用的智能體觀察和動作空間，同時提供了對工具制造與使用、收集人類反饋與數(shù)據(jù)集等功能的支持。)

目前，全球有多種數(shù)字智能體開發(fā)工具包，支持不同的開發(fā)環(huán)境和應(yīng)用領(lǐng)域。與現(xiàn)有工具相比，AgentStudio的主要優(yōu)勢在于：

目前，全球有多種數(shù)字智能體開發(fā)工具包，支持不同的開發(fā)環(huán)境和應(yīng)用領(lǐng)域。與現(xiàn)有工具相比，AgentStudio的主要優(yōu)勢在于：

• 可復(fù)現(xiàn)、多模態(tài)、跨平臺的在線環(huán)境：AgentStudio支持通過Docker、VNC、FastAPI以及虛擬機等方式便捷地連接包括Windows、MacOS、Linux等各種操作系統(tǒng)與設(shè)備，相比現(xiàn)有環(huán)境更加注重真實落地場景。
• 統(tǒng)一的標準化的輸入輸出：為了支持智能體和盡可能多地各種軟件進行交互，AgentStudio采用了最為通用的輸入輸出方式，既支持像人一樣通過觀察電腦屏幕的圖像作為輸入，操作鍵盤鼠標和命令行作為輸出，也支持進行函數(shù)調(diào)用和使用API，達到通用計算機控制。

• 全面、可擴展、可組合的任務(wù)集：AgentStudio包含了在十余個應(yīng)用上用于全面評估AI智能體完成指令的能力，全方位覆蓋各種應(yīng)用軟件，如文檔操作、郵件處理、日歷使用、音樂播放、視頻編輯器、代碼編輯器等，涵蓋復(fù)雜真實應(yīng)用場景，同時包含了范圍從單個底層操作到跨任務(wù)的組合性任務(wù)的不同難度的多級任務(wù)。AgentStudio基于該任務(wù)集，公開了相應(yīng)的leaderboard。

• 完整的智能體數(shù)據(jù)收集與評估代碼：AgentStudio的功能不僅包含了對智能體能力的評估，而且包含了完整開源的數(shù)據(jù)集收集代碼，可用于人工標注數(shù)據(jù)集，也可用于智能體自行收集經(jīng)驗。

• 關(guān)注工具創(chuàng)造與使用：在開放域中的工具創(chuàng)造與使用是AI智能體的核心能力之一。以電腦為例，AgentStudio為智能體提供了最通用的三類工具：鍵盤、鼠標、與命令行，同時支持智能體進一步在交互過程中自行創(chuàng)造并復(fù)用新的工具，如用于創(chuàng)建、修改日歷的工具集，實現(xiàn)智能體的不斷自我提升。

• 交互式可視化界面:?AgentStudio提供用戶友好的輕量化GUI界面，幫助用戶方便快捷地一鍵自動化創(chuàng)建任務(wù)并搜集數(shù)據(jù)。以下流程圖將直觀呈現(xiàn)使用AgentStudio創(chuàng)建任務(wù)并收集數(shù)據(jù)的過程。通過AgentStudio提供的用戶友好的界面，用戶可以實現(xiàn)跨平臺的人工演示的錄制，包括輸入任務(wù)指令、通過交互界面得到坐標、編輯和運行代碼、記錄智能體軌跡等一系列功能，這些大幅簡化了大規(guī)模數(shù)據(jù)收集的難度，為下一代智能體數(shù)據(jù)規(guī)模化提供了基礎(chǔ)。

使用AgentStudio創(chuàng)建任務(wù)并收集數(shù)據(jù)以及與環(huán)境交互的過程

多維度全面評估

除了搭建工具包外，研究團隊還評估了多個多模態(tài)大模型完成數(shù)字世界任務(wù)的能力。為了全面評估智能體的能力，AgentStudio的結(jié)果從多個維度入手：

• 圖形界面grounding數(shù)據(jù)集：任務(wù)僅包含單步動作，指令為不需要規(guī)劃的底層操作，主要關(guān)注智能體和圖形界面交互的能力；

• 日常任務(wù)與組合性任務(wù)集：任務(wù)完成調(diào)用復(fù)雜API，或需要多步動作、并常常需要跨軟件交互。該任務(wù)集用于衡量智能體完成日常任務(wù)、以及進行復(fù)雜動作規(guī)劃的能力。

AgentStudio的評測結(jié)果還進一步分析了現(xiàn)有多模態(tài)模型在圖形界面grounding數(shù)據(jù)集表現(xiàn)不佳的可能原因和相應(yīng)的改進方法，并衡量了模型自我評估的能力，這些都對智能體的自我提升和真實落地至關(guān)重要。根據(jù)評測結(jié)果，研究團隊在論文中還討論了若干有前景的研究方向，包括更通用的圖形界面grounding模型和算法、從視頻演示中學(xué)習(xí)等。

智能體全流程解決方案

從環(huán)境到智能體，從數(shù)據(jù)到評估，AgentStudio提供了一套完整的解決方案覆蓋了構(gòu)建智能體的全過程，將極大地加速了智能體的發(fā)展。AgentStudio的建立在研究團隊對智能體、工具調(diào)用、代碼解釋器的深入理解與積累之上。

目前，研究人員已經(jīng)開源了所有結(jié)果，包括環(huán)境的實現(xiàn)、智能體數(shù)據(jù)集、算法實現(xiàn)等，希望幫助人工智能社區(qū)搭建更多能夠完成復(fù)雜任務(wù)的AI智能體。歡迎感興趣的研究與開發(fā)者們下載使用，并關(guān)注AgentStudio團隊其他相關(guān)項目。

AgentStudio團隊其他相關(guān)工作：

Synapse：https://ltzheng.github.io/Synapse

Cradle：https://baai-agents.github.io/Cradle/

FinAgent：https://arxiv.org/abs/2402.18485