ollama_interface.py

import requests

class OllamaInterface: def init(self, model="mistral", **params): self.model = model self.params = params self.api_url = "http://localhost:11434/api/generate"

def generate(self, prompt: str) -> str:
    payload = {"model": self.model, "prompt": prompt, **self.params}
    try:
        response = requests.post(self.api_url, json=payload)
        response.raise_for_status()
        return response.json().get("response", "")
    except Exception as e:
        return f"[Error] {e}"

base_agent.py

from ollama_interface import OllamaInterface

class BaseAgent: def init(self, name, model="mistral", system_prompt="", **params): self.name = name self.system_prompt = system_prompt.strip() self.llm = OllamaInterface(model=model, **params)

def process(self, input_text: str) -> str:
    prompt = f"{self.system_prompt}\n\n{input_text}" if self.system_prompt else input_text
    return self.llm.generate(prompt)

agents.py

from base_agent import BaseAgent

class ObsidianAgent(BaseAgent): def init(self): super().init( name="ObsidianAgent", model="mistral", system_prompt="Tu es un assistant spécialisé dans la structuration et la synthèse de notes Markdown dans Obsidian.", temperature=0.6, top_k=40, top_p=0.95 )

class CursorAgent(BaseAgent): def init(self): super().init( name="CursorAgent", model="codellama:13b-python", system_prompt="Tu es un assistant de développement intégré à Cursor, spécialisé Python. Reste précis, rapide et concis.", temperature=0.3, top_k=60, top_p=0.9 )

class MistralServerAgent(BaseAgent): def init(self): super().init( name="MistralServerAgent", model="mistral:7b-instruct", system_prompt="Tu es un chatbot concis et réactif utilisé via une interface web.", temperature=0.7, top_k=40, top_p=0.92 )

agent_chain.py

class AgentChain: def init(self, chain_mode=True): self.agents = [] self.chain_mode = chain_mode

def add_agent(self, agent):
    self.agents.append(agent)

def run(self, input_text):
    if not self.agents:
        return "[Error] Aucun agent enregistré."

    if self.chain_mode:
        result = input_text
        for agent in self.agents:
            result = agent.process(result)
        return result
    else:
        return {agent.name: agent.process(input_text) for agent in self.agents}

main.py

from agents import ObsidianAgent, CursorAgent, MistralServerAgent from agent_chain import AgentChain

obsidian = ObsidianAgent() cursor = CursorAgent() mistral_web = MistralServerAgent()

Exemple avec chain_mode=False pour obtenir toutes les réponses séparément

dual_chain = AgentChain(chain_mode=False) dual_chain.add_agent(obsidian) dual_chain.add_agent(cursor) dual_chain.add_agent(mistral_web)

input_text = "Organise mes notes Markdown sur un projet de chatbot Python." results = dual_chain.run(input_text) for agent_name, output in results.items(): print(f"\n[{agent_name}]\n{output}")

Exemple avec chain_mode=True pour chaîner les réponses

print("\n--- Mode Chaîné ---") chained = AgentChain(chain_mode=True) chained.add_agent(obsidian) chained.add_agent(cursor) chained.add_agent(mistral_web)

final_output = chained.run(input_text) print("\n[Résultat Final Chaîné]\n", final_output)

Agent LLM recherches 2 Création de classes agents pour LLM locaux avec Cursor et Ollama

3.6 KiB Raw Blame History