- Étape 1 : Cloner le dépôt depuis GitHub.
- Étape 2 : Installer les dépendances Python avec pip.
- Étape 3 : Configurer le magasin de mémoire en graphe (e.g., Neo4j ou en mémoire).
- Étape 4 : Définir votre fournisseur LLM et les fonctions d'appel d'outils dans la configuration.
- Étape 5 : Implémenter les tâches et pipelines de l'agent à l'aide des classes de planificateur et d'exécutant fournies.
- Étape 6 : Lancer l'agent et surveiller les logs pour la récupération de mémoire et les appels d'outils.