诸赞松
LSEG全球战略客户技术总监
背景介绍
智能体（AI Agent）是指利用人工智能技术与外部环境互动，进行思考并完成指定任务的计算机程序或系统。今年以来，智能体与大语言模型（LLM）的结合备受市场关注。智能体给大模型赋予了各种工具、计算单元和参与外界互动的能力，借助大模型的思考和分析能力自动执行各种复杂任务，正成为大模型应用落地的强大支撑和重要途径。
Microsoft Autogen Studio是微软研究院发布的一款前沿的无代码的AI智能体开发工具。它支持快速创建和管理智能体，实现学习、适应、用户交互和多智能体间的协作。Autogen Studio通过可视化的方式简化了部署多个智能体共同处理复杂任务的过程，使得这些代理能够更高效地协同工作。
LSEG Workspace为客户提供了广泛而深入的金融数据、新闻、分析和生产力工具的覆盖。其集成的开发环境允许用户使用现代API和Python等流行语言灵活地使用和分析数据。
在本文中，我们将探索如何使用Microsoft Autogen Studio来构建金融AI智能体通过集成LSEG Workspace的数据API辅助金融专业人士高效地检索、分析和可视化金融数据。
准备工作
具有API桌面会话访问权限的LSEG Workspace应用程序
通过Workspace中的App Key应用程序生成的API密钥。
访问OpenAI API的权限
Python 3.9或以上版本
AutoGen Studio安装和启动
1
在本机环境变量中加入OpenAI的API KEY，例如，如果您在运行Linux或Mac环境，可以运行命令：export OPENAI_API_KEY=<您的OpenAI密钥>
2
运行安装命令：pip install autogenstudio
3
运行启动AutoGenStudio的命令：autogenstudio ui --port 8081
4
在浏览器中打开http://localhost:8081进入AutoGen Studio的配置界面
AutoGen Studio组件介绍
Autogen Studio是通过工作流（Workkflows）实现和外部环境的互动。
工作流中的User Proxy Agent是负责直接面向用户回答问题的智能体，Assistant Agent相当于内部专家智能体为User Proxy Agent提供专业知识和技能。
User Proxy Agent和Assistant Agent可以被分别配置不同的大模型（缺省是GPT4）赋予其分析以及处理问题的能力，同时也可以赋予一些特殊技能（Skills）如金融计算器，或者获取外部资源等。
下图展示了AutoGen Studio的基本组件及其与LSEG Workspace交互方式。绿色部分是AutoGenStudio里面的模块。
LSEG Workspace
集成场景与样例
（一）通过自然语言自动生成外汇图表
在Workflows主界面点击New Workflow创建一个名为workspace_assistant的工作流，全部使用缺省配置即可，Agent缺省使用的是GPT4。
进入Playground Tab，点击New创建和workspace_assistant的对话环境，之后就可以正式开始对话了。
首先我们先测试一下英文场景 - 绘制欧元2023的价格曲线并加上技术分析指标。在聊天对话框中输入：“Plot a chart to display historical fx price of EUR in 2023 and add a bolling TA on it, save result to eur.jpg, my eikon api key is *********”。智能体之后会进行一系列的操作包括安装缺失的Python 库，最后执行自动生成的含有LSEG Workspace Data API的python脚本并将结果按要求保存，同时我们看到GPT很好的理解了TA是Technical Analysis的意思。
接下来测试一下中文场景。在用户对话框中输入：“绘制2023年CNY和CNH外汇价格图表，并保存为cnycny.png”，（*由于上面的对话已经提供了api key,系统会自动记忆相关上下文，所以后续对话不需要再次提供api key了）
接下来继续在用户对话框中输入：“在上面的CNY和CNH价格图表中添加一条价差线，有两个Y轴一个表示cny和cnh的走势，一个表示spread”
（二）债券估值智能体
LSEG Workspace中自带丰富的金融工程的计算功能，这个例子我们将通过给智能体添加调用LSEG 金融计算的技能，实现根据LSEG最新可用的市场数据或日终数据计算当日债券的理论价格。用户可以通过对话框以自然语言的方式了解感兴趣债券当日的理论价格。
创建新的债券定价技能。在浏览器中，导航到‘Skills’子菜单，点击New Skill，输入LSEG IPA API相关代码添加债券定价计算技能。
回到智能体菜单，将上面的Bond Pricing技能添加到workspace_assistant工作流下面的Assistant Proxy中
重新回到工作流的对话框开始提问：
总结
本文演示了如何使用一个开源的多智能体无代码开发工具AutoGen Studio，结合LSEG Workspace的强大数据与分析的能力构建多智能体在金融领域的示例应用。
多智能体提供了将复杂问题分解成可管理的工作单元，并将特定任务分配给具有这些领域专业知识的智能体，从而实现更专注和高效的问题解决方法。通过大型语言模型的力量结合利用不同智能体可定制化的技能，使解决复杂问题变得更加容易。
除了AutoGen Studio，其他多智能体框架和工具也在不断涌现和快速发展，如LangGraph和CrewAI等，这些新平台为金融应用开发者和研究人员提供了更多探索的选择，随着这些框架的不断发展和完善，也为大模型在金融领域的落地提供了新的可能性。
尽管提供的示例可能未涵盖许多潜在的复杂性，也包括执行效率不高，多种意图识别的准确率，用户等待时间过长等问题，进入大规模应用阶段还需要大量工作，但通过这些示例我们也看到将AI智能体架构引入到金融大模型应用领域的巨大潜力和优势。
数据来源可信赖——LSEG Workspace：金融专业人士依赖准确的数据来做出决策。智能体的输出效果直接取决于从Workspace Data API接收数据的准确性。
通过在多智能体框架中的‘技能’功能，实现了AI智能体与专业金融模型以及外部API之间的无缝集成，通过LSEG IPA 提供的强大而丰富金融计算API，大大提升了智能体进行复杂金融分析的能力。多智能体的方法还可以利用不同智能体的专长，提供更全面和可靠的金融洞察，大大超越单一LLM的能力。
提高效率：AI代理在自动化日常任务（如数据录入、分析和报告）方面也表现非常出色。通过代理机制处理这些任务，使金融专业人士能够将时间和精力分配到更具战略性和附加值的活动中。
※免责声明
本示例以及相关代码由作者本人编写，目的是为了辅助说明文章的观点，未经过适用于生产环境的测试。如果将相关示例用于生产或其他客户环境，LSEG将不对任何可能发生的问题负责。
我们的产品：LSEG Workspace
无论您身在何处，LSEG Workspace都是您的个人见解、新闻和前沿分析生态系统，旨在增强工作流程并简化您的任务。
欢迎点击“阅读原文”，了解有关 LSEG Workspace 的更多资讯！
