🤖 Multi-Agent System với LangGraph

Dự án này triển khai các hệ thống multi-agent thông minh sử dụng LangGraph và LangChain, cho phép nhiều AI agent chuyên biệt cộng tác với nhau để giải quyết các tác vụ phức tạp.

📋 Mục lục

• Cài đặt
• 1. Simple Multi-Agent
• 2. Visual Agentic AI
• Dependencies
• Lưu ý kỹ thuật

🚀 Cài đặt

Yêu cầu hệ thống

• Python >= 3.12
• UV package manager

Các bước cài đặt

Bước 1: Clone repository

git clone <repository-url>
cd Multi-agent

Bước 2: Cài đặt dependencies

uv sync

Bước 3: Cấu hình biến môi trường

Tạo file .env trong thư mục gốc:

OPENAI_API_KEY=your_openai_api_key
TAVILY_API_KEY=your_tavily_api_key

---

1️⃣ Simple Multi-Agent

File: Multi-agent.ipynb

📖 Tổng quan

Hệ thống multi-agent đơn giản với supervisor quản lý hai agent chuyên biệt để xử lý các tác vụ tìm kiếm thông tin và tính toán.

✨ Tính năng

• ✅ Tìm kiếm web real-time với Tavily Search
• ✅ Tính toán toán học (cộng, nhân, chia)
• ✅ Supervisor thông minh tự động phân bổ công việc
• ✅ Hỗ trợ tiếng Việt đầy đủ

🏗️ Kiến trúc

        Supervisor (GPT-4o)
              │
    ┌─────────┴─────────┐
    ▼                   ▼
Research Agent      Math Agent
(Web Search)        (Calculator)

🤖 Các Agent

1. Research Agent

• Tools: TavilySearch (tìm kiếm web real-time)
• Chức năng: Tìm kiếm và tổng hợp thông tin từ internet
• Model: GPT-4o-mini

2. Math Agent

• Tools: add(), multiply(), divide()
• Chức năng: Thực hiện các phép tính toán học
• Model: GPT-4o-mini

3. Supervisor

• Model: GPT-4o
• Chức năng:
  • Phân tích yêu cầu người dùng
  • Giao việc cho agent phù hợp
  • Tổng hợp kết quả cuối cùng

🚀 Cách chạy

1. Mở file Multi-agent.ipynb
2. Chạy lần lượt từng cell bằng cách nhấn nút ▶️ Run

💡 Ví dụ sử dụng

Example 1: Tìm kiếm thông tin

"Ai là thị trưởng của thành phố New York?"

→ Research Agent tìm kiếm trên web

Example 2: Tính toán

"Kết quả của phép tính (3 + 5) x 7 là bao nhiêu?"

→ Math Agent thực hiện tính toán

Example 3: Kết hợp cả hai

"Hãy tìm GDP của Việt Nam năm 2023 và 2024, 
sau đó tính toán tỷ lệ tăng/giảm phần trăm giữa hai năm này?"

→ Research Agent tìm GDP → Math Agent tính tỷ lệ

---

2️⃣ Visual Agentic AI

File: Visual-Agentic-AI.ipynb

📖 Tổng quan

Hệ thống multi-agent nâng cao kết hợp khả năng nghiên cứu học thuật và xử lý hình ảnh với computer vision.

✨ Tính năng

• 🔍 Tìm kiếm bài báo khoa học trên Arxiv
• 📚 Tra cứu thông tin trên Wikipedia
• 🖼️ Mô tả chi tiết hình ảnh với GPT-4o-mini
• 🎯 Phát hiện và đếm đối tượng với YOLOv11x
• 🤝 Kết hợp nhiều agent để xử lý tác vụ phức tạp
• 🌐 Hỗ trợ ảnh local và URL

🏗️ Kiến trúc

        Supervisor (GPT-4o)
              │
    ┌─────────┴─────────┐
    ▼                   ▼
Research Agent      Visual Agent
(Arxiv, Wiki)     (Vision AI)
                       │
                  ┌────┴────┐
                  ▼         ▼
            Image       Object
          Describer    Detection
          (GPT-4o)     (YOLOv11)

🤖 Các Agent

1. Research Agent

• Tools:
  • ArxivQueryRun: Tìm bài báo khoa học
  • WikipediaQueryRun: Tra cứu Wikipedia
• Chức năng: Tìm kiếm và tổng hợp thông tin học thuật
• Model: GPT-4o-mini
• Đặc biệt: Tự động dịch kết quả sang tiếng Việt

2. Visual Agent

• Tools:
  • image_describer: Mô tả nội dung ảnh chi tiết
  • detect_and_count_objects: Phát hiện đối tượng với YOLO
• Chức năng:
  • Phân tích và mô tả hình ảnh
  • Phát hiện, đếm và định vị đối tượng
  • Trích xuất văn bản trong ảnh (OCR)
• Model: GPT-4o-mini + YOLOv11x
• Output: Mô tả chi tiết, số lượng đối tượng, tọa độ bounding box, confidence score

3. Supervisor

• Model: GPT-4o
• Chức năng:
  • Điều phối Research Agent và Visual Agent
  • Kết hợp kết quả từ nhiều agent
  • Trả lời cuối cùng cho người dùng

🚀 Cách chạy

1. Mở file Visual-Agentic-AI.ipynb
2. Chạy lần lượt từng cell bằng cách nhấn nút ▶️ Run

💡 Ví dụ sử dụng

Example 1: Nghiên cứu đơn giản

"Nghiên cứu mới nhất về positional embeddings là gì?"

→ Research Agent tìm trên Arxiv và Wikipedia

Example 2: Phân tích ảnh

"Có bao nhiêu con chó trong bức ảnh này? 
Bức ảnh: https://example.com/dog.jpg"

→ Visual Agent phát hiện và đếm đối tượng

Example 3: Kết hợp Visual + Research

"Khái niệm được thể hiện trong bức ảnh này là gì? 
Bức ảnh: https://huggingface.co/datasets/tmnam20/Storage/resolve/main/rope.png
Hãy cung cấp thông tin chi tiết và các bài nghiên cứu liên quan."

→ Visual Agent mô tả ảnh → Research Agent tìm thông tin chi tiết

Example 4: Phân tích chi tiết

"Con chó trong hình có bộ lông màu gì? 
Và hãy cung cấp cho tôi thêm thông tin về giống chó này.
Bức ảnh: https://example.com/terrier.jpg"

→ Visual Agent mô tả → Research Agent tìm thông tin về giống chó

---

📦 Dependencies

Core Frameworks

• langchain==0.3.24 - Framework chính cho LLM applications
• langchain-openai==0.3.14 - Integration với OpenAI models
• langgraph>=0.6.11 - State machine và workflow cho multi-agent
• langgraph-supervisor>=0.0.29 - Supervisor pattern implementation

Search & Research Tools

• langchain-tavily==0.1.6 - Web search real-time
• langchain-community>=0.3.23 - Community tools (Arxiv, Wikipedia, DuckDuckGo)
• arxiv>=2.4.0 - Arxiv API client
• wikipedia>=1.4.0 - Wikipedia API client
• duckduckgo-search>=8.1.1 - DuckDuckGo search engine

Computer Vision (chỉ cho Visual Agentic AI)

• ultralytics>=8.3.252 - YOLOv11 object detection framework
• torch>=2.9.1 - PyTorch deep learning backend
• torchvision>=0.24.1 - Computer vision utilities
• opencv-python>=4.11.0.86 - Image processing library

Utilities

• python-dotenv>=1.2.1 - Environment variables management
• python-magic>=0.4.27 - File type detection
• ipykernel>=7.1.0 - Jupyter notebook kernel support

📄 Xem pyproject.toml để biết danh sách đầy đủ các dependencies.

---

🔧 Lưu ý kỹ thuật

Simple Multi-Agent

• ✅ Nhẹ, không yêu cầu GPU
• ✅ Chỉ cần ~500MB RAM
• ✅ Chạy nhanh trên mọi máy

Visual Agentic AI

• ⚠️ YOLO Model: Lần đầu chạy sẽ tự động tải yolo11x.pt (~200MB)
• ⚠️ RAM: Yêu cầu tối thiểu ~2GB RAM
• ⚠️ GPU: Tự động sử dụng CUDA nếu có GPU NVIDIA (tăng tốc 10-20x)
• ⚠️ CPU: Vẫn chạy được nhưng chậm hơn (~2-3s/ảnh)

API Keys

• OPENAI_API_KEY - Bắt buộc cho cả hai hệ thống
• TAVILY_API_KEY - Chỉ cần cho Simple Multi-Agent