chen的文档&blog

外观

Extra07-环境配置

复制页面

约 2043 字大约 7 分钟

2026-04-04

Extra07 - 环境配置

本节将指导您配置运行 FirstAgentTest.py 所需的完整环境。该代码实现了一个智能旅行助手，展示了基于工具调用的 Agent 实现模式。

一、环境要求

1.1 Python 版本要求

  • Python 3.10+ （推荐使用 Python 3.10 或更高版本）
  • 支持的操作系统：Windows、macOS、Linux

1.2 目标代码说明

我们的目标是成功运行项目code\chapter1\FirstAgentTest.py，该代码实现了：

  • 智能旅行助手功能
  • 天气查询工具（基于 wttr.in API）
  • 景点推荐工具（基于 Tavily Search API）
  • OpenAI 兼容的 LLM 调用
  • ReAct 模式的 Agent 执行流程

二、API 配置

2.1 大语言模型 API 配置

选项一：AIHubmix API（推荐）

AIHubmix 是一个位于美国特拉华州的 AI 模型聚合平台，整合了市面上主流的大语言模型，新发布的模型通常在一周内即可使用。该平台直接对接各大云服务商的原生 API（如 OpenAI 通过 Azure、Anthropic 通过 AWS、Google 通过官方接口等），采用美国 Google Cloud 的集群架构部署，具备多节点负载均衡能力，在稳定性和响应速度方面表现优异。

平台提供的免费额度能够满足我们的学习需求。

  1. 进入 AIHubmix 官网

    使用浏览器访问 AIHubmix 官方网站

    image1

  2. 完成账户注册

    首次使用需要注册账户。点击右上角的注册按钮，支持邮箱或手机号两种方式完成注册流程。

  3. 浏览可用模型

    注册成功后，访问模型中心查看所有可用模型。在筛选条件中选择免费标签，即可查看平台提供的免费模型列表。建议选择 coding-glm-4.7-freecoding-glm-4.7-free 或其他兼容 OpenAI 格式的免费模型。

    image2

  4. 获取 API 凭证

    前往API 密钥管理页面，系统默认会生成一个可用的密钥。您也可以通过点击 创建 Key 按钮自定义密钥名称并生成新的密钥。

    image3

    请妥善保存以下配置信息：

    • API Key: your_api_key
    • Base URL: https://aihubmix.com/v1
    • 推荐模型: coding-glm-4.7-free

选项二：ModelScope

ModelScope 是国内领先的大模型服务商，提供高性价比的 API 服务。这里我们以Qwen为例，您可以从ModelScope获取，它提供Qwen系列的免费（OpenAI）兼容格式的API，每天免费2000次调用。

请确保您拥有一个正常注册且可使用的ModelScope账户。要生成您的私有 API KEY可以参考我们的图示。

image4

image5

图中的SDK令牌就是我们的API KEY。

请注意，需要在模型服务先绑定阿里巴巴云账号， 不然api会显示无法使用

可选模型范围

在ModelScope中的模型库中选择推理 API-Inference ，里面的模型都可以选择，我们可以体验到最新的使用DeepSeek-R1数据蒸馏出的Llama-70B模型。

image6

最终所需格式与AIHubmix的配置信息相同(Key，URL，模型名称)

2.2 Tavily Search API 配置

Tavily 是一个专为 AI 应用设计的搜索 API，用于景点推荐功能。

  1. 访问 Tavily 平台

    打开浏览器，访问 Tavily

    image7

  2. 注册并获取 API 密钥

    image8

    1. 注册账号
    2. 在控制台获取 API Key
    3. 记录 API Key: your_tavily_key

三、Python 环境配置

3.1 安装 Python（如果未安装）

Windows 用户：

  1. 访问 Python 官网
  2. 下载 Python 3.10+ 版本
  3. 安装时勾选 "Add Python to PATH"

macOS 用户：

# 使用 Homebrew 安装
brew install python@3.10

Linux 用户：

# Ubuntu/Debian
sudo apt update
sudo apt install python3.10 python3.10-pip python3.10-venv

# CentOS/RHEL
sudo yum install python3.10 python3.10-pip

3.2 验证 Python 安装

python --version
# 或
python3 --version

确保显示 Python 3.10 或更高版本。

四、项目环境配置

4.1 创建虚拟环境（推荐）

# 进入项目目录
cd "hello-agents"

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows:
venv\Scripts\activate
# macOS/Linux:
source venv/bin/activate

4.2 安装依赖包

# 安装核心依赖
pip install requests>=2.31.0
pip install tavily-python>=0.3.0
pip install openai>=1.0.0

# 可选：安装其他常用包
pip install python-dotenv>=1.0.0

4.3 环境变量配置

方法一：使用 .env 文件（推荐）

在项目根目录创建 .env 文件：

# 在项目根目录创建 .env 文件
touch .env  # Linux/macOS
# 或在 Windows 中手动创建

编辑 .env 文件，添加以下内容：

# Tavily API 配置
TAVILY_API_KEY=your_tavily_api_key

# 大语言模型 API 配置（选择其中一种）
# 选项一：AIHubmix
OPENAI_API_KEY=your_aihubmix_api_key
OPENAI_BASE_URL=https://aihubmix.com/v1
MODEL_NAME=xxxx

# 选项二：Modelscope
# OPENAI_API_KEY=your_modelscope_api_key
# OPENAI_BASE_URL=https://api-inference.modelscope.cn/v1/
# MODEL_NAME=xxxx

方法二：系统环境变量

以下为长期环境变量方案，也可以在终端短期加载。

Windows：

  1. 右键"此电脑" → "属性" → "高级系统设置"
  2. 点击"环境变量"
  3. 在"用户变量"中添加：
    • TAVILY_API_KEY: your_tavily_api_key

macOS/Linux：

# 编辑 ~/.bashrc 或 ~/.zshrc
export TAVILY_API_KEY="your_tavily_api_key"

# 使配置生效
source ~/.bashrc

五、代码配置

5.1 修改 FirstAgentTest.py 配置

打开 code/chapter1/FirstAgentTest.py 文件，找到第 143-148 行的配置部分：

# --- 1. 配置LLM客户端 ---
# 请根据您使用的服务，将这里替换成对应的凭证和地址
API_KEY = "YOUR_API_KEY"
BASE_URL = "YOUR_BASE_URL"
MODEL_ID = "YOUR_MODEL_ID"
os.environ['TAVILY_API_KEY'] = "YOUR_TAVILY_API_KEY"

替换为您的实际配置：

使用 AIHubmix 的配置示例：

API_KEY = "your_aihubmix_api_key"
BASE_URL = "https://aihubmix.com/v1"
MODEL_ID = "coding-glm-4.7-free"
os.environ['TAVILY_API_KEY'] = "your_tavily_api_key"

六、运行验证

6.1 测试网络连接

首先测试各个 API 的连通性：

# 测试天气 API
import requests
response = requests.get("https://wttr.in/Beijing?format=j1")
print("天气API状态:", response.status_code)

# 测试 Tavily API
from tavily import TavilyClient
tavily = TavilyClient(api_key="your_tavily_key")
try:
    result = tavily.search("test", search_depth="basic")
    print("Tavily API 连接成功")
except Exception as e:
    print("Tavily API 错误:", e)

6.2 运行完整程序

# 确保在正确目录
cd "hello-agents\code\chapter1"

# 运行程序
python FirstAgentTest.py

6.3 预期输出

程序成功运行时，您应该看到类似以下的输出：

用户输入: 你好，请帮我查询一下今天北京的天气，然后根据天气推荐一个合适的旅游景点。
========================================
--- 循环 1 ---

正在调用大语言模型...
大语言模型响应成功。
模型输出:
Thought: 用户想要查询北京的天气，然后根据天气情况推荐合适的旅游景点。我需要先调用get_weather工具查询北京的天气情况。
Action: get_weather(city="北京")

Observation: 北京当前天气：Clear，气温15摄氏度
========================================
--- 循环 2 ---

正在调用大语言模型...
大语言模型响应成功。
模型输出:
Thought: 现在我知道了北京的天气是晴朗的，气温15摄氏度，这是一个很适合户外活动的天气。接下来我需要根据这个天气情况推荐合适的旅游景点。
Action: get_attraction(city="北京", weather="Clear，气温15摄氏度")

Observation: 根据搜索，为您找到以下信息：...
========================================
任务完成，最终答案: 根据查询，北京今天天气晴朗，气温15摄氏度，非常适合户外游览。推荐您去...

七、常见问题排查

7.1 依赖安装问题

问题：pip 安装速度慢

解决方案：使用国内镜像源

# 临时使用清华镜像
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple requests tavily-python openai

# 永久配置镜像源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

问题：ModuleNotFoundError

解决方案：

# 确认虚拟环境已激活
# 重新安装缺失的包
pip install requests tavily-python openai python-dotenv

7.2 API 调用问题

问题：Tavily API 返回错误

可能原因：

  • API Key 未正确设置
  • API 额度用尽
  • 网络连接问题

解决方案：

# 检查环境变量
import os
print("TAVILY_API_KEY:", os.environ.get('TAVILY_API_KEY'))

# 测试 API 连接
from tavily import TavilyClient
client = TavilyClient(api_key="your_key")
result = client.search("test")

十、总结

完成环境配置后，建议：

  1. 理解 FirstAgentTest.py 的代码结构
  2. 尝试修改 System Prompt 观察效果
  3. 添加新的工具函数
  4. 实现更复杂的 Agent 逻辑

按照本文档的步骤操作，您应该能够成功运行智能旅行助手代码，并理解基于工具调用的 Agent 实现原理。