多代理强化学习与RAG替代方案

第比利斯数据科学会议2025：释放RAG的潜力：MCP和多智能体强化学习在行动

欢迎来到研讨会的登录页面 Unlocking RAG's Potential: MCP and Multi-Agent Reinforcement Learning in Action 在 Tbilisi Data Science Meetup 2025.

期待什么

本次研讨会旨在介绍：

• 使用介绍 代理2代理（A2A）协议 将多个代理连接在一起
• 使用介绍 模型上下文协议（MCP） 与AI代理一起使用
• 如何构建提供类似功能的RAG代理的替代方案
• 如何将此代理与传统的RAG代理连接（使用OpenSearch）

所有这些都使用小语言模型（SLM），在推理时需要更少的资源。

软件先决条件

• 基于Linux或Mac的开发人员笔记本电脑，具有足够的内存来运行数据库（即OpenSearch）和英特尔的神经聊天SLM（见下文）。
  • Windows用户应使用VM或云实例
• 已安装Python：3.12或更高版本
• （推荐）使用miniconda或venv虚拟环境
• Docker（Linux或MacOS）已安装：用于运行本地OpenSearch实例
• 基本熟悉shell操作

你应该在你的环境中预拉Docker镜像：

• docker image pull opensearchproject/opensearch:3

LLM预下载：

这是今天研讨会上使用的官方版本：

• 英特尔的 神经聊天-7B-v3-3-GGUF

或

• 拥抱脸 bartowski/Meta-Lama-3-8B-指令-GGUF

或

• 或者，使用 奥拉玛
  • Llama 3B： https://ollama.com/library/llama3:8b

参与选项

有4个单独的演示：

• demo/1矛盾
• demo/2_mcpwhats_relative
• 演示/3_a2a_simple
• 演示/4_a2a_财务人员

每个演示的说明和目的都包含在各自的文件夹中。