gateway/readme.md

Data Platform - Multi-Agent Service

Eine Full-Stack-Webapplikation für die Ausführung von Multi-Agent-Workflows zur Verarbeitung und Analyse von Daten basierend auf natürlichsprachlichen Benutzeranfragen.

Hier: http://localhost:8000/docs

Übersicht

Das System ermöglicht Benutzern:

• Hochladen und Verwalten verschiedener Datendateien
• Definieren von Prompts/Anweisungen für KI-Agenten
• Auswählen und Kombinieren spezialisierter Agenten
• Ausführen von Workflows mit Echtzeit-Protokollierung
• Visualisieren und Verwalten der Ergebnisse

Projektstruktur

Das Projekt besteht aus zwei Hauptkomponenten:

Frontend (HTML/CSS/JavaScript)

• index.html - Hauptstruktur der Benutzeroberfläche
• styles.css - Umfangreiches CSS für das responsive Design
• script.js - Client-seitige Logik für Interaktionen

Backend (Python/FastAPI)

• app.py - Hauptanwendung mit API-Endpunkten
• models.py - Datenmodelle und Validierungsschemas
• database.py - Datenpersistenz (JSON-basiert für Demo)
• agent_service.py - Multi-Agent-Orchestrierung
• requirements.txt - Python-Abhängigkeiten

Hauptfunktionen

Workspace-Management

• Mehrere Workspaces für verschiedene Projekte
• Organisierte Gruppenarbeit mit geteilten Ressourcen

Datei-Verarbeitung

• Upload verschiedener Dateitypen (PDF, Excel, Bilder, etc.)
• Automatische Erkennung und Kategorisierung

Agent-Orchestrierung

• Kombination verschiedener Agent-Typen:
  • Datenanalyse-Agent: Extrahiert Insights aus strukturierten Daten
  • Visualisierungs-Agent: Erstellt Diagramme und visuelle Darstellungen
  • Text-Generator: Verfasst Berichte und Zusammenfassungen
  • Web-Scraper: Sammelt externe Daten
  • Marktanalyse-Agent: Spezialisiert auf Wettbewerbsanalyse

Workflow-Ausführung

• Echtzeit-Protokollierung des Fortschritts
• Vollständige Nachverfolgbarkeit aller Schritte

Ergebnis-Management

• Strukturierte Darstellung von Analysen, Diagrammen und Berichten
• Export- und Sharing-Funktionen

Installation und Einrichtung

Voraussetzungen

• Python 3.8+
• Ein moderner Webbrowser
• Optional: Node.js für Entwicklungswerkzeuge

Frontend-Installation

1. Klonen des Repositories
2. Platzieren der Frontend-Dateien auf einem Webserver oder lokalen Entwicklungsserver:

   # Mit Python einen einfachen HTTP-Server starten
   python -m http.server 8080
   

Backend-Installation

1. Virtuelle Umgebung erstellen und aktivieren:

   python -m venv venv
   source venv/bin/activate  # Linux/Mac
   venv\Scripts\activate     # Windows
   

2. Abhängigkeiten installieren:

   pip install -r requirements.txt
   

3. Server starten:

   uvicorn app:app --reload --host 0.0.0.0 --port 8000
   

4. Zugangspunkte:

   • Frontend: http://localhost:8080
   • Backend API: http://localhost:8000
   • API-Dokumentation: http://localhost:8000/docs

Verwendung: Der Customer Journey

1. Workspace auswählen oder erstellen

• Wählen Sie einen vorhandenen Workspace oder erstellen Sie einen neuen für Ihr Projekt

2. Dateien hochladen

• Laden Sie die zu analysierenden Dateien hoch
• Das System erkennt automatisch Dateitypen und bereitet sie für die Verarbeitung vor

3. Prompt formulieren

• Definieren Sie in natürlicher Sprache, was Sie analysieren möchten
• Je präziser Ihre Anweisungen, desto zielgerichteter die Ergebnisse

4. Agenten konfigurieren

• Wählen Sie die passenden Agenten für Ihre Aufgabe
• Kombinieren Sie Agenten für umfassendere Analysen
  • Datenanalyse → Visualisierung → Textgenerierung

5. Workflow ausführen

• Starten Sie den Workflow und verfolgen Sie die Ausführung in Echtzeit
• Im linken Bereich sehen Sie die Konfiguration
• Im rechten Bereich werden Protokoll und Ergebnisse angezeigt

6. Ergebnisse verwenden

• Sehen Sie Analysen, Diagramme und Berichte ein
• Exportieren oder teilen Sie die Ergebnisse
• Iterieren Sie bei Bedarf mit angepassten Prompts oder Agent-Konfigurationen

Anpassung und Erweiterung

Integration mit echten KI-Diensten

Die aktuelle Implementierung simuliert die Agent-Verarbeitung. Für eine produktive Nutzung:

1. Erweitern Sie agent_service.py mit Integrationen zu:

   • OpenAI GPT-Modellen (ChatGPT, GPT-4)
   • Claude von Anthropic
   • Eigenentwickelten Modellen mit spezieller Expertise

2. Implementieren Sie robuste Datei-Parser für:

   • PDF-Dokumente mit OCR
   • Excel- und CSV-Verarbeitung
   • Bild- und Medienanalyse

3. Ergänzen Sie Authentifizierung und Autorisierung:

   • Benutzer-Accounts mit Rollenkonzept
   • API-Schlüsselverwaltung für externe Dienste
   • Sichere Datenspeicherung

Datenbank-Migration

Für größere Installationen die JSON-basierte Datenbank ersetzen durch:

• PostgreSQL für relationale Daten
• MongoDB für Dokumente und unstrukturierte Daten
• Redis für Caching und Workflow-Status

Technische Details

Frontend-Architektur

• Vanilla JavaScript ohne Framework-Abhängigkeiten
• Modularer CSS-Ansatz für einfache Anpassungen
• Responsive Design für Desktop und mobile Nutzung

Backend-Architektur

• FastAPI für hohe Performance und automatische API-Dokumentation
• Asynchrone Verarbeitung für parallele Agent-Ausführung
• Erweiterbare Service-Struktur für einfache Integration neuer Agententypen

Lizenz

PRIVATE LICENSE PATRICK MOTSCH ValueOn AG

Für Fragen oder Unterstützung wenden Sie sich bitte an p.motsch@valueon.ch