Camel AI
Was dieser Artikel behandelt
- Was Camel AI ist und wofür es genutzt wird.
- Wie Du Camel AI installierst.
- Wie Du ein einfaches rollenbasiertes Gespräch baust.
- Wie Du lokale Modelle über Ollama einbindest.
- Für wen Camel AI geeignet ist.
Einleitung
Camel AI ist ein Framework für rollenbasierte Multi-Agenten-Gespräche. Du definierst zwei oder mehr Agenten mit klaren Rollen und lässt sie miteinander interagieren. Der Klassiker ist ein Gespräch zwischen einem Käufer und einem Verkäufer, einem Lehrer und einem Schüler oder zwischen Spezialisten eines Teams. Camel AI ist gut geeignet, um zu beobachten, wie Agenten in einem Szenario Verhandlungen führen oder Wissen austauschen.
Camel AI kurz erklärt
Camel AI arbeitet mit Rollen, Aufgaben und Chat-Sessions. Jeder Agent bekommt eine Systemanweisung, die seine Rolle beschreibt. Eine Aufgabe gibt das Thema vor. Die Agenten sprechen miteinander, bis ein definiertes Ende erreicht ist.
Installation
pip install camel-aiFür die Nutzung mit OpenAI brauchst Du einen API-Key:
export OPENAI_API_KEY="dein-key"Für Ollama oder andere OpenAI-kompatible APIs setzt Du zusätzlich:
export OPENAI_BASE_URL="http://localhost:11434/v1"Erste Schritte: Käufer und Verkäufer
from camel.agents import ChatAgent
from camel.messages import BaseMessage
buyer = ChatAgent(
system_message=BaseMessage.make_assistant_message(
role_name="Käufer",
content="Du möchtest einen Laptop möglichst günstig kaufen."
)
)
seller = ChatAgent(
system_message=BaseMessage.make_assistant_message(
role_name="Verkäufer",
content="Du möchtest einen Laptop möglichst teuer verkaufen."
)
)
message = BaseMessage.make_user_message(
role_name="Käufer",
content="Was kostet der Laptop?"
)
response = seller.step(message)
print(response.msg.content)In diesem Beispiel startest Du ein Gespräch zwischen Käufer und Verkäufer. Du kannst die Rollen und Themen beliebig anpassen.
Wofür ist Camel AI geeignet?
| Einsatzgebiet | Nutzen |
|---|---|
| Rollenspiele | Verkauf, Verhandlung, Coaching simulieren |
| Wissenstransfer | Agenten unterschiedlicher Spezialgebiete austauschen lassen |
| Datengenerierung | Gespräche für Training oder Tests erzeugen |
| Forschung | Verhalten von Agenten in Szenarien untersuchen |
Typische Stolpersteine
- Rollen müssen klar sein - Je präziser die Systemanweisungen, desto besser das Gespräch.
- Lokale Modelle schwächeln manchmal - Längere Verhandlungen brauchen ein starkes Modell.
- API-Kosten - Viele Runden mit mehreren Agenten erzeugen viele Token.
Weiterführende Links
FAQ - Typische Fragen
Ist Camel AI kostenlos?
Ja, das Open-Source-Framework ist kostenlos. Kosten entstehen nur für Modell-APIs.
Kann ich Camel AI lokal betreiben?
Ja, mit Ollama oder einem anderen OpenAI-kompatiblen Endpoint. Der API-Key kann ein Platzhalter sein.