Pythonエージェント環境設定

AIエージェントの構築を始める前に、適切な開発環境を整える必要があります。

PythonはAIおよび機械学習分野で最も人気のある言語であり、豊富なライブラリとツールを備えています。

1. Pythonバージョンの選択

AIエージェント開発には、以下を推奨します:Python 3.9以降。

以下のバージョンが一般的な選択肢です:

  • Python 3.9:安定性が高く、互換性に最も優れています
  • Python 3.10:パフォーマンスが向上し、新機能を搭載
  • Python 3.11+:最新バージョンで、パフォーマンスが最良

注意:一部のライブラリはPythonバージョンに特定の要件がある場合があります。公式ドキュメントを確認することをお勧めします。

2. Pythonのインストール

Windowsシステム

  • アクセス:Python公式サイト
  • 最新バージョンのPythonインストーラ(3.9以降)をダウンロードします
  • インストーラを実行し、必ずチェックを入れますAdd Python to PATH
  • インストール完了後、コマンドプロンプト(CMD)またはPowerShellを開き、次のように入力します:python --version、Pythonのバージョン番号が表示されます。

macOSシステム

macOSには通常Pythonがプリインストールされていますが、古いバージョンの場合があります。Homebrewを使用したインストールを推奨します:

# 安装 Homebrew(如果尚未安装)
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 安装 Python
brew install python@3.9

# 验证安装
python3 --version

Linuxシステム

ほとんどのLinuxディストリビューションにはPythonがプリインストールされています。特定のバージョンが必要な場合は:

# Ubuntu/Debian
sudo apt update
sudo apt install python3.9 python3-pip

# CentOS/RHEL
sudo yum install python39 python39-pip

# 验证安装
python3 --version

3. 仮想環境の設定

仮想環境を使用すると、異なるプロジェクトの依存関係を分離し、バージョンの競合を回避できます。

仮想環境の作成

# 创建项目目录
mkdir ai-agent-project
cd ai-agent-project

uvを使用して仮想環境を作成し、アクティブ化します。詳細は以下を参照してください:uvチュートリアル。

uvのインストール

pip install uv

uvコマンドで作成:

# 创建名为 .venv 的虚拟环境(默认)
uv venv

# 激活环境(macOS/Linux)
source .venv/bin/activate

# 激活环境(Windows)
.venv\Scripts\activate

その他のツール:

# 使用 venv,Python 3.3+ 内置
python -m venv venv

# 或使用 conda(如果已安装 Anaconda/Miniconda)
conda create -n ai-agent python=3.9
conda activate ai-agent

仮想環境のアクティブ化

Windows:

venv\Scripts\activate

macOS/Linux:

source venv/bin/activate

アクティブ化後、コマンドラインプロンプトに仮想環境名が表示されます(例:(venv))。

仮想環境の終了

deactivate

4. パッケージ管理ツール pip

pipはPythonのパッケージ管理ツールであり、サードパーティ製ライブラリのインストールに使用されます。

よく使うコマンド:

# 升级 pip 到最新版本
pip install --upgrade pip

# 安装包
pip install package_name

# 安装特定版本
pip install package_name==1.2.3

# 从 requirements.txt 安装所有依赖
pip install -r requirements.txt

# 列出已安装的包
pip list

# 生成 requirements.txt
pip freeze > requirements.txt

5. 開発ディレクトリ構成の提案

適切なプロジェクト構成は、コードの管理と保守に役立ちます:

ai-agent-project/
├── .env                    # 环境变量文件(不提交到Git)
├── .gitignore             # Git忽略文件
├── requirements.txt       # 项目依赖
├── README.md             # 项目说明
├── src/                  # 源代码目录
│   ├── __init__.py
│   ├── agents/          # Agent相关代码
│   │   ├── __init__.py
│   │   ├── base_agent.py
│   │   └── weather_agent.py
│   ├── tools/           # 工具定义
│   │   ├── __init__.py
│   │   ├── calculator.py
│   │   └── web_search.py
│   ├── memory/          # 记忆系统
│   │   ├── __init__.py
│   │   ├── short_term.py
│   │   └── vector_memory.py
│   └── utils/           # 工具函数
│       ├── __init__.py
│       ├── config.py
│       └── logger.py
├── tests/               # 测试代码
│   ├── __init__.py
│   ├── test_agents.py
│   └── test_tools.py
├── examples/            # 示例代码
│   ├── basic_agent.py
│   └── multi_tool_agent.py
└── notebooks/           # Jupyter笔记本
    └── experiments.ipynb

必須ライブラリのインストール

AIエージェント開発には、さまざまなサードパーティ製ライブラリのサポートが必要です。以下に、コアライブラリのインストール方法と簡単な紹介を示します。

コアライブラリのインストール

作成するrequirements.txtファイル(以下の内容を含む):

# 基础库
python-dotenv>=1.0.0      # 环境变量管理
pydantic>=2.0.0           # 数据验证和设置管理
loguru>=0.7.0             # 日志记录

# AI/ML 相关
openai>=1.0.0             # OpenAI API
anthropic>=0.7.0          # Claude API
google-generativeai>=0.3.0 # Gemini API
sentence-transformers>=2.2.0 # Embedding 模型
chromadb>=0.4.0           # 向量数据库

# Agent 框架
langchain>=0.1.0          # LangChain 框架
langchain-community>=0.0.10 # LangChain 社区工具
langchain-openai>=0.0.5   # LangChain OpenAI 集成
llama-index>=0.10.0       # LlamaIndex(可选)
semantic-kernel>=0.9.0    # Semantic Kernel(可选)

# 工具和工具
requests>=2.31.0          # HTTP 请求
beautifulsoup4>=4.12.0    # HTML 解析
pandas>=2.0.0             # 数据处理
numpy>=1.24.0             # 数值计算

# 开发工具
pytest>=7.4.0             # 测试框架
black>=23.0.0             # 代码格式化
flake8>=6.0.0             # 代码检查
jupyter>=1.0.0            # Jupyter 笔记本

すべての依存関係をインストール:

pip install -r requirements.txt

主要ライブラリの紹介

1. LangChain

LangChainは最も人気のあるAIエージェント開発フレームワークで、チェーン(Chain)およびエージェント(Agent)アプリケーションを構築するためのツールを提供します。

# LangChain 基本使用示例
from langchain.llms import OpenAI
from langchain.chat_models import ChatOpenAI
from langchain.agents import initialize_agent, AgentType
from langchain.tools import Tool

# 初始化 LLM
llm = ChatOpenAI(temperature=0.7, model="gpt-3.5-turbo")

# 创建工具
tools = [
    Tool(
        name="计算器",
        func=lambda x: str(eval(x)),
        description="用于数学计算"
    )
]

# 创建 Agent
agent = initialize_agent(
    tools=tools,
    llm=llm,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True
)

# 运行 Agent
result = agent.run("计算 25 的平方根")
print(result)

2. LlamaIndex

LlamaIndex(旧GPT Index)はドキュメントのインデックス化と検索に特化しており、ドキュメントベースのQ&Aシステムの構築に適しています。

# LlamaIndex 基本使用示例
from llama_index import VectorStoreIndex, SimpleDirectoryReader
from llama_index.llms import OpenAI

# 加载文档
documents = SimpleDirectoryReader("./data").load_data()

# 创建索引
index = VectorStoreIndex.from_documents(documents)

# 创建查询引擎
query_engine = index.as_query_engine()

# 查询
response = query_engine.query("文档中提到了哪些AI技术?")
print(response)

3. Semantic Kernel

Semantic Kernelはマイクロソフトが提供するフレームワークで、拡張性とエンタープライズ向けアプリケーションを重視しています。

# Semantic Kernel 基本使用示例
import semantic_kernel as sk
from semantic_kernel.connectors.ai.open_ai import OpenAITextCompletion

# 初始化内核
kernel = sk.Kernel()
api_key = "your-openai-api-key"
kernel.add_text_completion_service(
    "dv",
    OpenAITextCompletion("text-davinci-003", api_key)
)

# 定义技能
skill = kernel.import_semantic_skill_from_directory("./skills", "ExampleSkill")

# 运行技能
context = kernel.create_new_context()
context["input"] = "介绍一下人工智能"
result = skill["Summarize"](context)
print(result)

インストールの検証

検証スクリプトを作成しますverify_installation.py:

例

# verify_installation.py
import sys

def check_package(package_name, import_name=None):
    """パッケージがインストールされているか確認します"""
    import_name = import_name or package_name
    try:
        __import__(import_name)
        print(f"{package_name} は正常にインストールされました")
        return True
    except ImportError:
        print(f"{package_name} はインストールされていません")
        return False

def main():
    print("AIエージェント開発環境を確認中...")
    print("=" * 50)

    # Pythonバージョンを確認
    python_version = sys.version_info
    print(f"Pythonバージョン: {python_version.major}.{python_version.minor}.{python_version.micro}")
    if python_version.major == 3 and python_version.minor >= 9:
        print("Pythonバージョンは要件を満たしています (>=3.9)")
    else:
        print("Pythonバージョンが要件を満たしていません。3.9以降が必要です")

    print("\nコアライブラリを確認中...)

    # 基本ライブラリ
    check_package("dotenv", "dotenv")
    check_package("pydantic")
    check_package("loguru")

    # AI/MLライブラリ
    check_package("openai")
    check_package("anthropic")
    check_package("chromadb")
    check_package("sentence_transformers", "sentence_transformers")

    # エージェントフレームワーク
    check_package("langchain")
    check_package("llama_index", "llama_index")

    # ツールライブラリ
    check_package("requests")
    check_package("pandas")
    check_package("numpy")

    print("\n" + "=" * 50)
    print("環境チェックが完了しました!")

if __name__ == "__main__":
    main()

検証を実行:

python verify_installation.py

よくあるインストール問題の解決

1. インストールが遅い、またはタイムアウトする場合

# 使用国内镜像源
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

# 或使用阿里云镜像
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/

2. バージョンの競合

# 创建新的虚拟环境
python -m venv new_venv
source new_venv/bin/activate  # 或 venv\Scripts\activate

# 重新安装,让 pip 自动解决依赖
pip install --upgrade pip
pip install langchain openai

3. 特定プラットフォームの問題(Apple Siliconなど)

# 对于 Apple Silicon (M1/M2/M3),可能需要特定版本
pip install grpcio==1.48.2  # 解决某些兼容性问题

# 或使用 conda
conda install -c conda-forge grpcio

APIキー管理

AIエージェント開発では、さまざまなAPIサービス(OpenAI、Anthropic、DeepSeekなど)へのアクセスが必要です。APIキーを安全かつ効果的に管理することが極めて重要です。

1. APIキーを安全に管理する必要があるのはなぜですか?

  • 漏洩の防止:APIキーの漏洩は経済的損失を引き起こす可能性があります
  • アクセス制御:環境ごとに異なるキーを使用
  • 設定の容易さ:チームでの協業時に設定方法を統一できます
  • 環境の分離:開発、テスト、本番環境で異なるキーを使用

2. 環境変数による管理(推奨)

使用する.envファイルで機密情報を管理し、バージョン管理システムにはコミットしません。

作成:.envファイル

# API Keys
OPENAI_API_KEY=sk-你的OpenAI密钥
ANTHROPIC_API_KEY=你的Claude密钥
GOOGLE_API_KEY=你的Gemini密钥
SERPAPI_API_KEY=你的搜索API密钥

# 应用配置
APP_ENV=development
LOG_LEVEL=INFO
DEBUG=true

# 数据库配置(如使用)
VECTOR_DB_PATH=./data/vector_db
MAX_MEMORY_ITEMS=1000

作成:.gitignoreファイル

必ず.envファイルがGitにコミットされないようにします:

# Python
__pycache__/
*.py[cod]
*$py.class
*.so
.Python
env/
venv/
ENV/
env.bak/
venv.bak/

# 环境变量
.env
.env.local
.env.*.local

# 数据文件
data/
*.db
*.sqlite
*.sqlite3

# 日志
logs/
*.log

# 编辑器
.vscode/
.idea/
*.swp
*.swo

python-dotenvを使用して環境変数を読み込む

例

# config.py
import os
from pathlib import Path
from dotenv import load_dotenv

# .envファイルを読み込む
env_path = Path('.') / '.env'
load_dotenv(dotenv_path=env_path)

class Config:
    """アプリケーション設定"""

    # API Keys
    OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
    ANTHROPIC_API_KEY = os.getenv("ANTHROPIC_API_KEY")
    GOOGLE_API_KEY = os.getenv("GOOGLE_API_KEY")
    SERPAPI_API_KEY = os.getenv("SERPAPI_API_KEY")

    # アプリケーション設定
    APP_ENV = os.getenv("APP_ENV", "development")
    LOG_LEVEL = os.getenv("LOG_LEVEL", "INFO")
    DEBUG = os.getenv("DEBUG", "false").lower() == "true"

    # データベース設定
    VECTOR_DB_PATH = os.getenv("VECTOR_DB_PATH", "./data/vector_db")
    MAX_MEMORY_ITEMS = int(os.getenv("MAX_MEMORY_ITEMS", "1000"))

    @classmethod
    def validate(cls):
        """必要な設定を検証"""
        missing = []

        if not cls.OPENAI_API_KEY:
            missing.append("OPENAI_API_KEY")

        if missing:
            raise ValueError(f"必要な環境変数が不足しています: {', '.join(missing)}")

# 使用例
config = Config()
print(f"環境: {config.APP_ENV}")
print(f"デバッグモード: {config.DEBUG}")

3. APIキーの安全な使用

コード内で環境変数を使用する

import os
from openai import OpenAI

# 从环境变量读取 API Key
api_key = os.getenv("OPENAI_API_KEY")

if not api_key:
    raise ValueError("OPENAI_API_KEY 环境变量未设置")

# 初始化 OpenAI 客户端
client = OpenAI(api_key=api_key)

# 使用客户端
response = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "你好"}]
)

設定クラスを使用する

例

from langchain.llms import OpenAI
from langchain.chat_models import ChatOpenAI
from config import Config

class LLMClientFactory:
    """LLMクライアントファクトリ"""

    @staticmethod
    def create_openai_client(model="gpt-3.5-turbo", **kwargs):
        """OpenAIクライアントを作成"""
        Config.validate()  # 設定を検証

        return ChatOpenAI(
            model=model,
            openai_api_key=Config.OPENAI_API_KEY,
            temperature=kwargs.get("temperature", 0.7),
            max_tokens=kwargs.get("max_tokens", 1000)
        )

    @staticmethod
    def create_anthropic_client(model="claude-3-sonnet-20240229", **kwargs):
        """Anthropicクライアントを作成"""
        from langchain.chat_models import ChatAnthropic

        Config.validate()

        return ChatAnthropic(
            model=model,
            anthropic_api_key=Config.ANTHROPIC_API_KEY,
            temperature=kwargs.get("temperature", 0.7),
            max_tokens=kwargs.get("max_tokens", 1000)
        )

# 使用例
llm = LLMClientFactory.create_openai_client()
response = llm.predict("こんにちは、自己紹介をしてください")
print(response)

4. マルチ環境の設定

大規模なプロジェクトでは、異なる環境設定が必要になる場合があります:

環境固有の.envファイル

# .env.development (开发环境)
OPENAI_API_KEY=sk-dev-key
APP_ENV=development
DEBUG=true

# .env.production (生产环境)
OPENAI_API_KEY=sk-prod-key
APP_ENV=production
DEBUG=false

環境設定の動的読み込み

# config_manager.py
import os
from pathlib import Path
from dotenv import load_dotenv

class ConfigManager:
    """配置管理器"""

    def __init__(self, env=None):
        self.env = env or os.getenv("APP_ENV", "development")
        self.load_config()

    def load_config(self):
        """加载配置"""
        # 先加载通用配置
        load_dotenv(dotenv_path=Path('.') / '.env')

        # 加载环境特定配置
        env_file = Path('.') / f'.env.{self.env}'
        if env_file.exists():
            load_dotenv(dotenv_path=env_file, override=True)

        # 加载本地覆盖配置(不提交到Git)
        local_file = Path('.') / f'.env.{self.env}.local'
        if local_file.exists():
            load_dotenv(dotenv_path=local_file, override=True)

    def get(self, key, default=None):
        """获取配置值"""
        return os.getenv(key, default)

# 使用示例
config = ConfigManager(env="development")
print(f"当前环境: {config.get('APP_ENV')}")
print(f"API Key: {config.get('OPENAI_API_KEY')[:10]}...")  # 只显示前10个字符

5. キーのローテーションと監視

本番環境では、キーのローテーションと監視の実施を推奨します:

# key_manager.py
import os
import time
from datetime import datetime, timedelta

class APIKeyManager:
    """API Key 管理器"""

    def __init__(self):
        self.keys = {}
        self.key_history = []
        self.load_keys()

    def load_keys(self):
        """加载 API Keys"""
        # 可以从环境变量、数据库或密钥管理服务加载
        self.keys = {
            "openai": {
                "current": os.getenv("OPENAI_API_KEY"),
                "previous": os.getenv("OPENAI_API_KEY_PREVIOUS"),
                "created_at": datetime.now(),
                "rotation_days": 30  # 30天轮换一次
            },
            "anthropic": {
                "current": os.getenv("ANTHROPIC_API_KEY"),
                "previous": None,
                "created_at": datetime.now(),
                "rotation_days": 30
            }
        }

    def get_key(self, service):
        """获取当前可用的 Key"""
        key_info = self.keys.get(service)
        if not key_info:
            raise ValueError(f"未配置服务 {service} 的 API Key")

        # 检查是否需要轮换
        if self.should_rotate(key_info):
            self.rotate_key(service)

        return key_info["current"]

    def should_rotate(self, key_info):
        """检查是否需要轮换 Key"""
        rotation_days = key_info.get("rotation_days", 30)
        created_at = key_info.get("created_at", datetime.now())

        age = datetime.now() - created_at
        return age.days >= rotation_days

    def rotate_key(self, service):
        """轮换 API Key"""
        # 在实际应用中,这里会从密钥管理服务获取新 Key
        print(f"轮换 {service} 的 API Key...")

        key_info = self.keys[service]
        key_info["previous"] = key_info["current"]
        # 这里应该从安全的地方获取新 Key
        # key_info["current"] = get_new_key_from_vault(service)
        key_info["created_at"] = datetime.now()

        # 记录历史
        self.key_history.append({
            "service": service,
            "rotated_at": datetime.now(),
            "old_key": key_info["previous"][:10] + "..." if key_info["previous"] else None
        })

# 使用示例
key_manager = APIKeyManager()
openai_key = key_manager.get_key("openai")
print(f"OpenAI Key: {openai_key[:10]}...")

開発ツールのおすすめ

適切な開発ツールを選択することで、開発効率を大幅に向上させることができます。以下に、おすすめの開発ツールを紹介します。

1. コードエディタ/IDE

Visual Studio Code(推奨)

ダウンロード先:https://code.visualstudio.com/

おすすめの拡張機能:

  • Python:Python言語サポート
  • Pylance:高度なPython言語サーバー
  • Jupyter:Jupyterノートブックのサポート
  • GitLens:Git 拡張機能
  • Prettier:コードフォーマット
  • Code Spell Checker:スペルチェック
  • Rainbow CSV:CSVファイルのハイライト
  • Thunder Client:APIテストツール

VS Code 設定(.vscode/settings.json):

{
    "python.defaultInterpreterPath": "${workspaceFolder}/venv/bin/python",
    "python.terminal.activateEnvironment": true,
    "python.linting.enabled": true,
    "python.linting.pylintEnabled": false,
    "python.linting.flake8Enabled": true,
    "python.formatting.provider": "black",
    "python.formatting.blackArgs": [
        "--line-length",
        "88"
    ],
    "python.testing.pytestEnabled": true,
    "[python]": {
        "editor.formatOnSave": true,
        "editor.codeActionsOnSave": {
            "source.organizeImports": "always"
        }
    },
    "files.exclude": {
        "**/__pycache__": true,
        "**/.pytest_cache": true,
        "**/.venv": true,
        "**/venv": true
    }
}

PyCharm(プロフェッショナル版)

ダウンロード先:https://www.jetbrains.com/pycharm/

特徴:

  • プロフェッショナルなPython IDE
  • 強力なデバッグ機能
  • データベースツール統合
  • 科学計算サポート

2. バージョン管理:Git

Gitは不可欠なバージョン管理ツールです。

基本設定:

# 配置用户信息
git config --global user.name "你的姓名"
git config --global user.email "你的邮箱"

# 配置默认编辑器(可选)
git config --global core.editor "code --wait"

# 创建 Git 仓库
cd ai-agent-project
git init

# 添加所有文件
git add .

# 提交
git commit -m "初始提交:AI Agent 项目"

# 连接到远程仓库(如 GitHub)
git remote add origin https://github.com/你的用户名/ai-agent-project.git
git branch -M main
git push -u origin main

3. デバッグツール

Pythonデバッガ(pdb)

# 在代码中插入断点
import pdb

def complex_function(x):
    pdb.set_trace()  # 这里会进入调试器
    result = x * 2
    return result

# 常用 pdb 命令:
# n(ext) - 执行下一行
# s(tep) - 进入函数
# c(ontinue) - 继续执行
# l(ist) - 显示代码
# p(rint) - 打印变量值
# q(uit) - 退出调试器

VS Code デバッグ設定

.vscode/launch.json:

{
    "version": "0.2.0",
    "configurations": [
        {
            "name": "Python: 当前文件",
            "type": "python",
            "request": "launch",
            "program": "${file}",
            "console": "integratedTerminal",
            "justMyCode": true,
            "envFile": "${workspaceFolder}/.env"
        },
        {
            "name": "Python: 测试",
            "type": "python",
            "request": "launch",
            "program": "${workspaceFolder}/tests",
            "console": "integratedTerminal",
            "justMyCode": true,
            "envFile": "${workspaceFolder}/.env"
        }
    ]
}

4. テストツール

pytest

# tests/test_agent.py
import pytest
from src.agents.base_agent import BaseAgent

def test_agent_initialization():
    """测试 Agent 初始化"""
    agent = BaseAgent(name="测试Agent")
    assert agent.name == "测试Agent"
    assert agent.messages == []

def test_agent_add_message():
    """测试添加消息"""
    agent = BaseAgent()
    agent.add_message("user", "你好")

    assert len(agent.messages) == 1
    assert agent.messages[0]["role"] == "user"
    assert agent.messages[0]["content"] == "你好"

テストを実行:

# 运行所有测试
pytest

# 运行特定测试文件
pytest tests/test_agent.py

# 运行特定测试函数
pytest tests/test_agent.py::test_agent_initialization

# 显示详细输出
pytest -v

# 显示覆盖率报告
pytest --cov=src

5. コード品質とフォーマット

black(コードフォーマット)

# 格式化所有 Python 文件
black .

# 检查哪些文件需要格式化
black --check .

# 格式化单个文件
black src/agents/base_agent.py

flake8(コードチェック)

# 检查代码质量
flake8 src/

# 忽略特定错误
flake8 --ignore=E501,W503 src/

# 显示错误统计
flake8 --statistics src/

pre-commit(Gitフック)

作成.pre-commit-config.yaml:

repos:
  - repo: https://github.com/pre-commit/pre-commit-hooks
    rev: v4.5.0
    hooks:
      - id: trailing-whitespace
      - id: end-of-file-fixer
      - id: check-yaml
      - id: check-added-large-files

  - repo: https://github.com/psf/black
    rev: 23.12.1
    hooks:
      - id: black

  - repo: https://github.com/pycqa/flake8
    rev: 6.1.0
    hooks:
      - id: flake8
        args: [--max-line-length=88]

pre-commitをインストール:

pip install pre-commit
pre-commit install

6. ドキュメントツール

Jupyter Notebook

実験とドキュメント用:

# 启动 Jupyter
jupyter notebook

# 或使用 JupyterLab
jupyter lab

MkDocs(ドキュメント生成)

作成docs/ディレクトリとmkdocs.yml:

site_name: AI Agent 项目文档
site_url: https://your-project.com
nav:
  - 首页: index.md
  - API文档: api.md
  - 使用指南: guide.md
theme: readthedocs

ドキュメントを生成:

# 安装 MkDocs
pip install mkdocs mkdocs-material

# 本地预览
mkdocs serve

# 构建文档
mkdocs build

7. コンテナ化ツール(オプション)

Docker

Dockerfile:

FROM python:3.9-slim

WORKDIR /app

# 复制依赖文件
COPY requirements.txt .

# 安装依赖
RUN pip install --no-cache-dir -r requirements.txt

# 复制应用代码
COPY src/ ./src/
COPY .env.example .env

# 设置环境变量
ENV PYTHONPATH=/app

# 运行应用
CMD ["python", "src/main.py"]

docker-compose.yml:

version: '3.8'

services:
  ai-agent:
    build: .
    ports:
      - "8000:8000"
    environment:
      - OPENAI_API_KEY=${OPENAI_API_KEY}
    volumes:
      - ./data:/app/data
      - ./logs:/app/logs

8. 監視とログ

loguru(ログライブラリ)

from loguru import logger
import sys

# 配置日志
logger.remove()  # 移除默认处理器
logger.add(
    sys.stderr,
    format="<green>{time:YYYY-MM-DD HH:mm:ss}</green> | <level>{level: <8}</level> | <cyan>{name}</cyan>:<cyan>{function}</cyan>:<cyan>{line}</cyan> - <level>{message}</level>",
    level="INFO"
)

logger.add(
    "logs/app_{time}.log",
    rotation="500 MB",  # 每500MB轮转
    retention="30 days",  # 保留30天
    compression="zip",  # 压缩旧日志
    level="DEBUG"
)

# 使用日志
logger.info("应用启动")
logger.debug(f"配置加载: {config}")
logger.error("API调用失败", exc_info=True)
その他の拡張機能