|
|
from hello_agents.protocols import ANPDiscovery, register_service
|
|
|
from hello_agents import SimpleAgent, HelloAgentsLLM
|
|
|
from hello_agents.tools.builtin import ANPTool
|
|
|
import random
|
|
|
from dotenv import load_dotenv
|
|
|
|
|
|
load_dotenv()
|
|
|
llm = HelloAgentsLLM()
|
|
|
|
|
|
# 1. 创建服务发现中心
|
|
|
discovery = ANPDiscovery()
|
|
|
|
|
|
# 2. 注册多个计算节点
|
|
|
for i in range(10):
|
|
|
register_service(
|
|
|
discovery=discovery,
|
|
|
service_id=f"compute_node_{i}",
|
|
|
service_name=f"计算节点{i}",
|
|
|
service_type="compute",
|
|
|
capabilities=["data_processing", "ml_training"],
|
|
|
endpoint=f"http://node{i}:8000",
|
|
|
metadata={
|
|
|
"load": random.uniform(0.1, 0.9),
|
|
|
"cpu_cores": random.choice([4, 8, 16]),
|
|
|
"memory_gb": random.choice([16, 32, 64]),
|
|
|
"gpu": random.choice([True, False])
|
|
|
}
|
|
|
)
|
|
|
|
|
|
print(f"✅ 注册了 {len(discovery.list_all_services())} 个计算节点")
|
|
|
|
|
|
# 3. 创建任务调度Agent
|
|
|
scheduler = SimpleAgent(
|
|
|
name="任务调度器",
|
|
|
llm=llm,
|
|
|
system_prompt="""你是一个智能任务调度器，负责：
|
|
|
1. 分析任务需求
|
|
|
2. 选择最合适的计算节点
|
|
|
3. 分配任务
|
|
|
|
|
|
选择节点时考虑：负载、CPU核心数、内存、GPU等因素。
|
|
|
|
|
|
使用 service_discovery 工具时，必须提供 action 参数：
|
|
|
- 查看所有节点：{"action": "discover_services", "service_type": "compute"}
|
|
|
- 获取网络统计：{"action": "get_stats"}"""
|
|
|
)
|
|
|
|
|
|
# 添加ANP工具
|
|
|
anp_tool = ANPTool(
|
|
|
name="service_discovery",
|
|
|
description="服务发现工具，可以查找和选择计算节点",
|
|
|
discovery=discovery
|
|
|
)
|
|
|
scheduler.add_tool(anp_tool)
|
|
|
|
|
|
# 4. 智能任务分配
|
|
|
def assign_task(task_description):
|
|
|
print(f"\n任务：{task_description}")
|
|
|
print("=" * 50)
|
|
|
|
|
|
# 让Agent智能选择节点
|
|
|
response = scheduler.run(f"""
|
|
|
请为以下任务选择最合适的计算节点：
|
|
|
{task_description}
|
|
|
|
|
|
步骤：
|
|
|
1. 使用 service_discovery 工具查看所有可用的计算节点（service_type="compute"）
|
|
|
2. 分析每个节点的特点（负载、CPU核心数、内存、GPU等）
|
|
|
3. 根据任务需求选择最合适的节点
|
|
|
4. 说明选择理由
|
|
|
|
|
|
请直接给出最终选择的节点ID和理由。
|
|
|
""")
|
|
|
|
|
|
print(response)
|
|
|
print("=" * 50)
|
|
|
|
|
|
# 测试不同类型的任务
|
|
|
assign_task("训练一个大型深度学习模型，需要GPU支持")
|
|
|
assign_task("处理大量文本数据，需要高内存")
|
|
|
assign_task("运行轻量级数据分析任务") |