Uw Agno Agent Implementeren op TrueFoundry
.webp)
Gebouwd voor snelheid: ~10ms latentie, zelfs onder belasting
De razendsnelle manier om je modellen te bouwen, volgen en implementeren!
- Verwerkt 350+ RPS op slechts 1 vCPU — geen tuning nodig
- Productieklaar met volledige enterprise-ondersteuning
In deze gids laten we u zien hoe u een Agno agent implementeert op TrueFoundry, een platform dat is ontworpen om AI-deployment te vereenvoudigen met minimale DevOps- of MLOps-expertise. TrueFoundry automatiseert het beheer van infrastructuur, schalen en monitoring, zodat u zich kunt richten op het verkrijgen van inzichten in plaats van het afhandelen van complexe deployment-taken. Met slechts enkele kliks kunt u verzoeken in natuurlijke taal omzetten in SQL-query's en dynamische grafieken, wat verkennende data-analyse naadloos en intelligent maakt. Handmatig query's schrijven is niet meer nodig!
Als u dit rechtstreeks wilt uitproberen, bezoek dan het TrueFoundry-platform en navigeer naar Live Demos en agno-Streamlit: Live demo van onze agent-workflow
Overzicht van de Architectuur
Dit project bestaat uit verschillende sleutelcomponenten die samenwerken:
Query Agent
- Gebruikt GPT-4o voor het begrijpen van natuurlijke taal
- Genereert geschikte SQL-query's voor ClickHouse
- Voert de SQL-query uit op een vooraf geconfigureerde SQL database
- Retourneert de gegevens in tabelvorm als invoer voor de visualisatie-agent
Visualization Agent: Een tweede AI-agent die
- Het meest geschikte visualisatietype bepaalt op basis van de gegevens
- Plots genereert met behulp van matplotlib/seaborn
- De opmaak en styling van visualisaties afhandelt
FastAPI Backend: RESTful API die
- Coördineert tussen agenten met behulp van agno
- Asynchrone taakverwerking beheert
- Plot-afbeeldingen en resultaten serveert
Streamlit Frontend: Gebruikersinterface die
- Biedt een intuïtieve query-interface
- Toont de realtime verwerkingsstatus
- Toont interactieve visualisaties

Dataflow
Gebruiker dient een verzoek in natuurlijke taal in via Streamlit.
- Query Agent gebruikt agno met GPT-4o om SQL-query's te genereren voor ClickHouse
- Voert de SQL-query uit op de ClickHouse-database
- Resultaten worden geretourneerd in tabelvorm als invoer voor de Visualization Agent
- Visualization Agent genereert visualisaties en retourneert afbeeldingen voor weergave
Aan de Slag
Kloon de Repository
Navigeer eerst naar de TrueFoundry Getting Started Examples repository en kloon deze:
Navigeer naar de agno Plot Agent-directory:
Omgevingsinstelling
Maak en activeer een virtuele omgeving:
Installeer afhankelijkheden:
Omgevingsvariabelen Configureren
Maak een .env-bestand:
Opmerking: Bij het gebruik van de TrueFoundry LLM Gateway moet het model-ID-formaat provider-name/model-name zijn (bijv. openai-main/gpt-4o). Zorg ervoor dat uw .env-bestand de juiste LLM Gateway-inloggegevens bevat zoals getoond in het gedeelte Omgevingsconfiguratie.

Om ClickHouse-inloggegevens te verkrijgen, maakt u een account aan op clickhouse, meldt u zich aan en maakt u een service aan. Nadat u op de service hebt geklikt, ziet u een connect-knop in het midden van de linkerzijbalk, waarop u kunt klikken om de inloggegevens te bekijken zoals hieronder getoond. U kunt een database maken door uw bestanden te uploaden of een vooraf gedefinieerde database gebruiken.

Agno Agent-implementatie
De Services Uitvoeren
Start agno Workflow
Start FastAPI Backend:
Start Streamlit UI (nieuwe terminal):

Deployment op TrueFoundry
Vereisten
Installeer TrueFoundry CLI:
Log in op TrueFoundry:
Stappen voor Deployment
- Navigeer naar het gedeelte Deployments in TrueFoundry.

- Klik onderaan op Service.
- Selecteer uw cluster-workspace.
- U kunt implementeren vanaf uw laptop, GitHub of Docker. Als u vanaf uw laptop implementeert, zorg er dan voor dat u aan de bovenstaande vereisten hebt voldaan.
- Het TrueFoundry-platform genereert een deploy.py-bestand en voegt dit toe aan uw project. U moet dit bestand bewerken om uw omgevingsvariabelen toe te voegen. Zoek het gedeelte env in het gegenereerde bestand en voeg uw inloggegevens toe:
- Gebruik het gegenereerde
deploy.pyen bewerk het gedeelteenv:
Deployment Testen
Stuur een test-query:
Voorbeeld van een succesvolle respons:
API-endpoints
- Een Query Indienen:
- Query-status Controleren:
- Plot-afbeelding Ophalen:
Frontend en CORS
Configureer CORS in FastAPI:
Definieer Omgevingsvariabele in Streamlit:
Opmerkingen na Deployment
- Test API-connectiviteit van Streamlit naar FastAPI.
- Werk het
.env-bestand van Streamlit bij met het FastAPI-endpoint. - Bevestig dat de CORS-instellingen Streamlit-verzoeken toestaan.
Bewaak en beheer uw deployment via TrueFoundry door:
- Logs te bekijken
- Het gebruik van bronnen te monitoren
- Regels voor automatisch schalen in te stellen
- De status van de backend (
/health), API-documentatie (/docs) en metrieken te controleren op/metrics

Traces toevoegen aan uw agent
Tracing helpt u te begrijpen wat er onder de motorkap gebeurt wanneer een agent-run wordt aangeroepen. U krijgt inzicht in het pad, de aangeroepen tools, de gebruikte context en de opgelopen latentie wanneer u uw agent uitvoert met de tracing-functionaliteit van TrueFoundry door slechts enkele regels code toe te voegen.
U dient het volgende te installeren
En voeg vervolgens de benodigde omgevingsvariabelen toe om tracing in te schakelen
In uw codebase waar u uw agent definieert, hebt u alleen deze regels nodig om tracing in te schakelen
Voeg vervolgens een decorator toe aan de agent en workflows zoals hieronder

Met deze stappen is uw agno agent-workflow succesvol geïmplementeerd op TrueFoundry!
TrueFoundry AI Gateway levert een latentie van ~3–4 ms, verwerkt 350+ RPS op 1 vCPU, schaalt moeiteloos horizontaal en is klaar voor productie, terwijl LiteLLM last heeft van hoge latentie, moeite heeft boven een gemiddeld aantal RPS, geen ingebouwde schaling heeft en het meest geschikt is voor lichte workloads of prototypes.















.png)

.webp)



.webp)








.webp)





