Biomni API 参考

# Biomni API 参考 Biomni 框架的综合 API 文档。 ## A1 智能体类 A1 类是与 biomni 交互的主要接口。 ### 初始化 python from biomni.agent import A1 agent = A1( path: str, # 数据湖目录路径 llm: str, # LLM 模型标识符 verbose: bool = True, # 启用详细日志 mcp_config: str = None # MCP 服务器配置路径 ) **参数：** - **`path`** (str, 必填) - biomni 数据湖的目录路径（约 11GB）。如果不存在，首次使用时会自动下载。 - **`llm`** (str, 必填) - LLM 模型标识符。选项包括： - `'claude-sonnet-4-20250514'` - 推荐，性能均衡 - `'claude-opus-4-20250514'` - 最高性能 - `'gpt-4'`, `'gpt-4-turbo'` - OpenAI 模型 - `'gemini-2.0-flash-exp'` - Google Gemini - `'llama-3.3-70b-versatile'` - 通过 Groq - 通过提供商配置的自定义模型端点 - **`verbose`** (bool, 可选, 默认=True) - 启用智能体推理、工具使用和代码执行的详细日志记录。 - **`mcp_config`** (str, 可选) - 用于外部工具集成的 MCP（模型上下文协议）服务器配置文件路径。 **示例：** python # 基本初始化 agent = A1(path='./biomni_data', llm='claude-sonnet-4-20250514') # 带 MCP 集成 agent = A1( path='./biomni_data', llm='claude-sonnet-4-20250514', mcp_config='./.biomni/mcp_config.json' ) ### 核心方法 #### `go(query: str) -> str` 自主执行生物医学研究任务。 python result = agent.go(query: str) **参数：** - **`query`** (str) - 要执行的生物医学任务的自然语言描述 **返回：** - **`str`** - 智能体的最终答案或分析结果 **行为：** 1. 将查询分解为可执行的子任务 2. 从集成数据库中检索相关知识 3. 生成并执行 Python 代码进行分析 4. 迭代结果直到任务完成 5. 返回最终合成的答案 **示例：** python result = agent.go(""" 从 GWAS 数据中识别与阿尔茨海默病相关的基因。 对前几名命中结果执行通路富集分析。 """) print(result) #### `save_conversation_history(output_path: str, format: str = 'pdf')` 保存完整的对话历史，包括任务、推理、代码和结果。 python agent.save_conversation_history( output_path: st