Veröffentlicht am

CAMEL AI Blog Translator Agent mit Mistral LLM

5 min read
Autoren
  • Profile picture of aithemes.net
    Name
    aithemes.net
    Twitter
Post image Während es leicht ist, das immense Potenzial von AI Agents zu erkennen, ist es nicht immer einfach, eine nützliche Anwendung für sie in beruflichen oder persönlichen Projekten zu finden.

In diesem Beitrag beschreibe ich die Verwendung des CAMEL AI Frameworks zur Erstellung eines sehr einfachen AI Agents, der von Mistral LLMs angetrieben wird und mir bei meinem Blog-Projekt hilft.

Die Ziele dieses Beitrags sind zweifach:

  1. Einen sehr einfachen AI Agent unter Verwendung des CAMEL AI Frameworks und des Mistral AI LLM API Endpunkts zu beschreiben.
  2. Einen praktischen Anwendungsfall für diesen AI Agent bereitzustellen.

Überblick über CAMEL AI

CAMEL AI ist eine Plattform, die es Benutzern ermöglicht, AI Agents mit natürlichen Sprachbefehlen zu erstellen und zu verwalten. Es unterstützt verschiedene Modelle, einschließlich Mistral AI, um intelligente Workflows für verschiedene Anwendungen zu ermöglichen.

Post Translator AI Agent

Dieser AI Agent übersetzt automatisch englische Blog-Beiträge aus einem GitHub-Repository in mehrere Sprachen (z. B. Deutsch, Spanisch) und committet die übersetzten Beiträge zurück in dasselbe Repository, wodurch sichergestellt wird, dass alle Übersetzungen innerhalb des GitHub-Projekts gespeichert und verwaltet werden.

Workflow-Diagramm

Workflow chart

Diagramm erstellt mit Mermaid.

Abhängigkeiten:

Der AI Agent

Dieser Codeausschnitt erstellt den AI Agent unter Verwendung des Mistral-Modells (für die Übersetzung ins Deutsche).

import os
from camel.models import ModelFactory
from camel.types import ModelPlatformType, ModelType
from camel.messages import BaseMessage
from camel.agents import ChatAgent

# Ensure the MISTRAL_API_KEY environment variable is set
if not os.getenv('MISTRAL_API_KEY'):
    raise EnvironmentError("MISTRAL_API_KEY environment variable is not set.")

# Create the Mistral AI model using the Mistral platform and model type.
# The temperature is set to 0.0 for deterministic responses (no randomness in output).
mistral_model = ModelFactory.create(
    model_platform=ModelPlatformType.MISTRAL,
    model_type=ModelType.MISTRAL_LARGE,
    model_config_dict={"temperature": 0.0},
)

# The assistant is tasked with translating blog posts from English to German (Germany).
# It should only output the translation in MDX format without extra comments.
german_system_message = BaseMessage.make_assistant_message(
    role_name="translator",
    content="""
        You are a specialized translator of blog posts written in English to German (Germany).
        You will receive an English post in MDX format.
        Translate to German using technical language and do not translate English technical terms.
        Very important: Only write in the output the translated post in MDX format inside a snippet without other comments in the format of a snippet exactly like:
        ```mdx
        <mdx_contents>
        ```
    """
)

# Create the ChatAgent with the Mistral model and the specified system message.
# This agent will handle translation requests according to the defined role and instructions.
german_agent = ChatAgent(model=mistral_model, system_message=german_system_message)

Dieser Codeausschnitt zeigt, wie der Agent aufgerufen wird, um einen Blog-Beitrag zu übersetzen.

# Define the content for the user message in MDX format.
# This content represents a blog post to be translated by the AI Agent.
content = """
---
title: CAMEL AI Blog Translator Agent with Mistral LLM
description: "A post on using CAMEL AI Agents with Mistral LLM for a practical blog translation use case."
date: Oct 09 2024
lastUpdate: Oct 09 2024
tags: ["CAMEL AI", "MDX", "Mistral AI", "agent", "blog post", "german", "german_agent", "german_blog post", "german_post", "user", "user_message"]
category: "AI Agents"
---

While it's easy to recognize the immense potential of AI Agents, it's not always straightforward to find a useful application for them in professional or personal projects.

In this post, I describe using the CAMEL AI framework to create a very simple AI Agent powered by Mistral LLMs, designed to assist with my blog project.

The goals of this post are twofold:
1. To describe a very simple AI Agent using the CAMEL AI framework and Mistral AI LLM API endpoint.
2. To provide a practical use case for this AI Agent.

Link(s):
[CAMEL AI](https://docs.camel-ai.org)
[Mistral AI API](https://docs.mistral.ai/api/)
"""

# Create a user message with the role 'user' and the blog post content.
# This message is sent to the AI Agent for translation.
user_message = BaseMessage.make_user_message(role_name="user", content=content)

# Invoke the AI Agent with the user message and retrieve the agent's response.
# The response should contain the translated blog post in MDX format.
agent_response = german_agent.step(user_message)

# Output the translated content from the agent's response.
print(agent_response.msgs[0].content)

Hier ist der resultierende Blog-Beitrag ins Deutsche übersetzt.

```mdx
---
title: CAMEL AI Blog Translator Agent mit Mistral LLM
description: "Ein Beitrag über die Verwendung von CAMEL AI Agents mit Mistral LLM für einen praktischen Blog-Übersetzungsanwendungsfall."
date: Oct 09 2024
lastUpdate: Oct 09 2024
---

Während es leicht ist, das immense Potenzial von AI Agents zu erkennen, ist es nicht immer einfach, eine nützliche Anwendung für sie in beruflichen oder persönlichen Projekten zu finden.

In diesem Beitrag beschreibe ich die Verwendung des CAMEL AI Frameworks zur Erstellung eines sehr einfachen AI Agents, der von Mistral LLMs angetrieben wird und mir bei meinem Blog-Projekt hilft.

Die Ziele dieses Beitrags sind zweifach:
1. Einen sehr einfachen AI Agent unter Verwendung des CAMEL AI Frameworks und des Mistral AI LLM API Endpunkts zu beschreiben.
2. Einen praktischen Anwendungsfall für diesen AI Agent bereitzustellen.

Link(s):
[CAMEL AI](https://docs.camel-ai.org)
[Mistral AI API](https://docs.mistral.ai/api/)
```

Integration mit GitHub

Das PyGithub-Paket (https://pygithub.readthedocs.io/) wird verwendet, um sich mit dem Blog-Projekt-Repository zu integrieren, um:

  • Blog-Beitragsdateien aus dem Repository zu lesen.
  • Übersetzte Blog-Dateien in das Repository zu committen.

Link(s):
CAMEL AI
Mistral AI API


Hat Ihnen dieser Beitrag gefallen? War er hilfreich? Hinterlassen Sie gerne einen Kommentar unten, um Ihre Gedanken mitzuteilen oder Fragen zu stellen. Ein GitHub-Konto ist erforderlich, um an der Diskussion teilzunehmen.