# 🤖 Tyr Agent
[](https://pypi.org/project/tyr-agent/)
[](https://www.python.org/)
[](LICENSE)
TyrAgent é uma biblioteca para criação de agentes inteligentes com histórico, function-calling, suporte a arquivos e orquestração de múltiplos agentes. Compatível com os modelos **Gemini** (Google) e **GPT** (OpenAI), com integração nativa para ambos.
- 💬 Conversas com ou sem `streaming`
- 🧠 `Memória` persistente de interações (por agente), com controle total de uso e armazenamento
- 📊 Sistema de `score` por interação para qualificar e filtrar o histórico
- ⚙️ Execução de funções Python com suporte a `function calling`
- 🧑🏻💼 `Orquestração` de múltiplos agentes com roteamento automático de mensagens
- 🖼️ Suporte a múltiplos tipos de `arquivo`
- 🧩 Estrutura modular e extensível
---
## 📦 Instalação via PyPI
```bash
pip install tyr-agent
```
> 🔐 É necessário definir as variáveis de ambiente:
> - `GEMINI_KEY` para uso com modelos Gemini
> - `OPENAI_API_KEY` para uso com modelos GPT (OpenAI)
---
## 💡 Exemplos de uso
### 📘 SimpleAgent
```python
from tyr_agent import SimpleAgent, GeminiModel, GPTModel
import asyncio
agent = SimpleAgent(
prompt_build="Você é um agente especializado em ações brasileiras.",
agent_name="FinanceAgent",
model=GeminiModel("gemini-2.5-flash"), # ou GPTModel("modelo_desejado")
use_storage=True,
use_history=True,
use_score=True,
)
response = asyncio.run(agent.chat("Me fale sobre a WEGE3.", save_history=True))
print(response)
```
### ⚙️ ComplexAgent com funções
```python
from tyr_agent import ComplexAgent, GeminiModel, GPTModel
from typing import List
import asyncio
def somar(nums: List[float]) -> float: return sum(nums)
def subtrair(nums: List[float]) -> float: return nums[0] - sum(nums[1:])
agent = ComplexAgent(
prompt_build="Você faz cálculos precisos com base nas funções disponíveis.",
agent_name="MathAgent",
model=GeminiModel("gemini-2.5-flash"), # ou GPTModel("modelo_desejado")
functions=[somar, subtrair],
use_storage=True,
use_history=True,
use_score=True,
)
response = asyncio.run(agent.chat("Quanto é 14+18+24 e 18-6-2?", save_history=True))
print(response)
```
### 🧑🏻💼 ManagerAgent (Orquestrador)
```python
from tyr_agent import SimpleAgent, ComplexAgent, ManagerAgent, GPTModel, GeminiModel
import asyncio
def get_clima(cidade: str) -> str: return f"O clima na cidade {cidade} é de 25ºC e esta ensolarado."
finance_agent = SimpleAgent(
prompt_build="Você é um agente especializado em ações brasileiras.",
agent_name="FinanceAgent",
model=GeminiModel("gemini-2.5-flash"), # ou GPTModel("modelo_desejado")
use_storage=True,
use_history=True,
use_score=True,
)
weather_agent = ComplexAgent(
prompt_build="Você é um agente do clima.",
agent_name="WeatherAgent",
model=GPTModel("gpt-4o"), # ou GeminiModel("modelo_desejado")
functions=[get_clima],
)
manager = ManagerAgent(
agent_name="Manager",
model=GPTModel("quality"),
agents=[finance_agent, weather_agent],
use_history=True
)
response = asyncio.run(manager.chat("Quanto é 10+10? E o clima no Rio?", save_history=True))
print(response)
```
### 📎 Envio de arquivos
```python
from tyr_agent import SimpleAgent, GeminiModel, GPTModel
import asyncio
agent = SimpleAgent(
prompt_build="Você é um agente especializado em leitura de documentos.",
agent_name="FileAgent",
model=GeminiModel("gemini-2.5-flash"), # ou GPTModel("modelo_desejado")
use_storage=True,
use_history=True,
use_score=True,
)
files_info = [
{
"file": "D:\\caminho\\para\\meu_arquivo1.png", # Pode ser um path, base64 ou BytesIO
"file_name": "Documento1.png"
},
{
"file": "D:\\caminho\\para\\meu_arquivo2.png", # Pode ser um path, base64 ou BytesIO
"file_name": "Documento2.png"
},
]
response = asyncio.run(agent.chat("Sobre o que é esses documentos?", save_history=True, files=files_info))
print(response)
```
---
## 🔧 Modelos disponíveis
- `GeminiModel(model_name: str, temperature=0.4, max_tokens=600)`
- `GPTModel(model_name: str, temperature=0.4, max_tokens=600)`
- `GPTModel("economy")` → usa `gpt-3.5-turbo`
- `GPTModel("quality")` → usa `gpt-4o`
- Ambos assumem as chaves das variáveis `GEMINI_KEY` ou `OPENAI_API_KEY` automaticamente.
---
## 🧠 Principais recursos
- `SimpleAgent`: Respostas simples com ou sem histórico
- `ComplexAgent`: Permite execução de funções e resposta final combinada
- `ManagerAgent`: Gerencia e delega perguntas entre múltiplos agentes
- Suporte completo a arquivos (path, base64, BytesIO)
- Sistema de notas (score 0 a 5) para filtrar interações úteis
- Histórico persistente e controlável por agente
---
## 📄 Licença
Este repositório está licenciado sob os termos da MIT License.
---
## 📬 Contato
Criado por **Witor Oliveira**
🔗 [LinkedIn](https://www.linkedin.com/in/witoroliveira/)
📫 [Contato por e-mail](mailto:witoredson@gmail.com)
Raw data
{
"_id": null,
"home_page": null,
"name": "tyr-agent",
"maintainer": null,
"docs_url": null,
"requires_python": ">=3.10",
"maintainer_email": null,
"keywords": "llm, agent, gemini, openai, function-calling, multi-agent, memory, orchestration",
"author": null,
"author_email": "Witor Oliveira <witoredson@gmail.com>",
"download_url": "https://files.pythonhosted.org/packages/a7/ea/4d5b19f142be6d256d6fc6734bd788bfbdf8e74d690d3e9080372a9b72d1/tyr_agent-1.0.0.tar.gz",
"platform": null,
"description": "# \ud83e\udd16 Tyr Agent\r\n\r\n[](https://pypi.org/project/tyr-agent/)\r\n[](https://www.python.org/)\r\n[](LICENSE)\r\n\r\nTyrAgent \u00e9 uma biblioteca para cria\u00e7\u00e3o de agentes inteligentes com hist\u00f3rico, function-calling, suporte a arquivos e orquestra\u00e7\u00e3o de m\u00faltiplos agentes. Compat\u00edvel com os modelos **Gemini** (Google) e **GPT** (OpenAI), com integra\u00e7\u00e3o nativa para ambos.\r\n\r\n- \ud83d\udcac Conversas com ou sem `streaming`\r\n- \ud83e\udde0 `Mem\u00f3ria` persistente de intera\u00e7\u00f5es (por agente), com controle total de uso e armazenamento\r\n- \ud83d\udcca Sistema de `score` por intera\u00e7\u00e3o para qualificar e filtrar o hist\u00f3rico\r\n- \u2699\ufe0f Execu\u00e7\u00e3o de fun\u00e7\u00f5es Python com suporte a `function calling`\r\n- \ud83e\uddd1\ud83c\udffb\u200d\ud83d\udcbc `Orquestra\u00e7\u00e3o` de m\u00faltiplos agentes com roteamento autom\u00e1tico de mensagens\r\n- \ud83d\uddbc\ufe0f Suporte a m\u00faltiplos tipos de `arquivo`\r\n- \ud83e\udde9 Estrutura modular e extens\u00edvel\r\n\r\n---\r\n\r\n## \ud83d\udce6 Instala\u00e7\u00e3o via PyPI\r\n\r\n```bash\r\npip install tyr-agent\r\n```\r\n\r\n> \ud83d\udd10 \u00c9 necess\u00e1rio definir as vari\u00e1veis de ambiente:\r\n> - `GEMINI_KEY` para uso com modelos Gemini\r\n> - `OPENAI_API_KEY` para uso com modelos GPT (OpenAI)\r\n\r\n---\r\n\r\n## \ud83d\udca1 Exemplos de uso\r\n\r\n### \ud83d\udcd8 SimpleAgent\r\n\r\n```python\r\nfrom tyr_agent import SimpleAgent, GeminiModel, GPTModel\r\nimport asyncio\r\n\r\nagent = SimpleAgent(\r\n prompt_build=\"Voc\u00ea \u00e9 um agente especializado em a\u00e7\u00f5es brasileiras.\",\r\n agent_name=\"FinanceAgent\",\r\n model=GeminiModel(\"gemini-2.5-flash\"), # ou GPTModel(\"modelo_desejado\")\r\n use_storage=True,\r\n use_history=True,\r\n use_score=True,\r\n)\r\n\r\nresponse = asyncio.run(agent.chat(\"Me fale sobre a WEGE3.\", save_history=True))\r\nprint(response)\r\n```\r\n\r\n### \u2699\ufe0f ComplexAgent com fun\u00e7\u00f5es\r\n\r\n```python\r\nfrom tyr_agent import ComplexAgent, GeminiModel, GPTModel\r\nfrom typing import List\r\nimport asyncio\r\n\r\ndef somar(nums: List[float]) -> float: return sum(nums)\r\ndef subtrair(nums: List[float]) -> float: return nums[0] - sum(nums[1:])\r\n\r\nagent = ComplexAgent(\r\n prompt_build=\"Voc\u00ea faz c\u00e1lculos precisos com base nas fun\u00e7\u00f5es dispon\u00edveis.\",\r\n agent_name=\"MathAgent\",\r\n model=GeminiModel(\"gemini-2.5-flash\"), # ou GPTModel(\"modelo_desejado\")\r\n functions=[somar, subtrair],\r\n use_storage=True,\r\n use_history=True,\r\n use_score=True,\r\n)\r\n\r\nresponse = asyncio.run(agent.chat(\"Quanto \u00e9 14+18+24 e 18-6-2?\", save_history=True))\r\nprint(response)\r\n```\r\n\r\n### \ud83e\uddd1\ud83c\udffb\u200d\ud83d\udcbc ManagerAgent (Orquestrador)\r\n\r\n```python\r\nfrom tyr_agent import SimpleAgent, ComplexAgent, ManagerAgent, GPTModel, GeminiModel\r\nimport asyncio\r\n\r\ndef get_clima(cidade: str) -> str: return f\"O clima na cidade {cidade} \u00e9 de 25\u00baC e esta ensolarado.\"\r\n\r\nfinance_agent = SimpleAgent(\r\n prompt_build=\"Voc\u00ea \u00e9 um agente especializado em a\u00e7\u00f5es brasileiras.\",\r\n agent_name=\"FinanceAgent\",\r\n model=GeminiModel(\"gemini-2.5-flash\"), # ou GPTModel(\"modelo_desejado\")\r\n use_storage=True,\r\n use_history=True,\r\n use_score=True,\r\n)\r\n\r\nweather_agent = ComplexAgent(\r\n prompt_build=\"Voc\u00ea \u00e9 um agente do clima.\",\r\n agent_name=\"WeatherAgent\",\r\n model=GPTModel(\"gpt-4o\"), # ou GeminiModel(\"modelo_desejado\")\r\n functions=[get_clima],\r\n)\r\n\r\nmanager = ManagerAgent(\r\n agent_name=\"Manager\",\r\n model=GPTModel(\"quality\"),\r\n agents=[finance_agent, weather_agent],\r\n use_history=True\r\n)\r\n\r\nresponse = asyncio.run(manager.chat(\"Quanto \u00e9 10+10? E o clima no Rio?\", save_history=True))\r\nprint(response)\r\n```\r\n\r\n### \ud83d\udcce Envio de arquivos\r\n\r\n```python\r\nfrom tyr_agent import SimpleAgent, GeminiModel, GPTModel\r\nimport asyncio\r\n\r\nagent = SimpleAgent(\r\n prompt_build=\"Voc\u00ea \u00e9 um agente especializado em leitura de documentos.\",\r\n agent_name=\"FileAgent\",\r\n model=GeminiModel(\"gemini-2.5-flash\"), # ou GPTModel(\"modelo_desejado\")\r\n use_storage=True,\r\n use_history=True,\r\n use_score=True,\r\n)\r\n\r\nfiles_info = [\r\n {\r\n \"file\": \"D:\\\\caminho\\\\para\\\\meu_arquivo1.png\", # Pode ser um path, base64 ou BytesIO\r\n \"file_name\": \"Documento1.png\"\r\n },\r\n {\r\n \"file\": \"D:\\\\caminho\\\\para\\\\meu_arquivo2.png\", # Pode ser um path, base64 ou BytesIO\r\n \"file_name\": \"Documento2.png\"\r\n },\r\n]\r\n\r\nresponse = asyncio.run(agent.chat(\"Sobre o que \u00e9 esses documentos?\", save_history=True, files=files_info))\r\nprint(response)\r\n```\r\n\r\n---\r\n\r\n## \ud83d\udd27 Modelos dispon\u00edveis\r\n\r\n- `GeminiModel(model_name: str, temperature=0.4, max_tokens=600)`\r\n- `GPTModel(model_name: str, temperature=0.4, max_tokens=600)`\r\n- `GPTModel(\"economy\")` \u2192 usa `gpt-3.5-turbo`\r\n- `GPTModel(\"quality\")` \u2192 usa `gpt-4o`\r\n- Ambos assumem as chaves das vari\u00e1veis `GEMINI_KEY` ou `OPENAI_API_KEY` automaticamente.\r\n\r\n---\r\n\r\n## \ud83e\udde0 Principais recursos\r\n\r\n- `SimpleAgent`: Respostas simples com ou sem hist\u00f3rico\r\n- `ComplexAgent`: Permite execu\u00e7\u00e3o de fun\u00e7\u00f5es e resposta final combinada\r\n- `ManagerAgent`: Gerencia e delega perguntas entre m\u00faltiplos agentes\r\n- Suporte completo a arquivos (path, base64, BytesIO)\r\n- Sistema de notas (score 0 a 5) para filtrar intera\u00e7\u00f5es \u00fateis\r\n- Hist\u00f3rico persistente e control\u00e1vel por agente\r\n\r\n---\r\n\r\n## \ud83d\udcc4 Licen\u00e7a\r\n\r\nEste reposit\u00f3rio est\u00e1 licenciado sob os termos da MIT License.\r\n\r\n---\r\n\r\n## \ud83d\udcec Contato\r\n\r\nCriado por **Witor Oliveira** \r\n\ud83d\udd17 [LinkedIn](https://www.linkedin.com/in/witoroliveira/) \r\n\ud83d\udceb [Contato por e-mail](mailto:witoredson@gmail.com)\r\n",
"bugtrack_url": null,
"license": "MIT",
"summary": "Biblioteca para cria\u00e7\u00e3o de agentes LLM com suporte a Gemini e GPT, hist\u00f3rico persistente, execu\u00e7\u00e3o de fun\u00e7\u00f5es e roteamento entre m\u00faltiplos agentes.",
"version": "1.0.0",
"project_urls": {
"Homepage": "https://github.com/Drarlian/tyr-agent",
"Issues": "https://github.com/Drarlian/tyr-agent/issues",
"Source": "https://github.com/Drarlian/tyr-agent"
},
"split_keywords": [
"llm",
" agent",
" gemini",
" openai",
" function-calling",
" multi-agent",
" memory",
" orchestration"
],
"urls": [
{
"comment_text": null,
"digests": {
"blake2b_256": "9bf13f8742cd41d37f69ccd16f661fd2580a5ecb74ac2bb85e4def26e0e6bd58",
"md5": "ea9a1662035ea579d389ecb4e1ee78e1",
"sha256": "cad33fc0129272c10b687b43393c68fe5384f2fd48e3776cde8f4cdaf533aa02"
},
"downloads": -1,
"filename": "tyr_agent-1.0.0-py3-none-any.whl",
"has_sig": false,
"md5_digest": "ea9a1662035ea579d389ecb4e1ee78e1",
"packagetype": "bdist_wheel",
"python_version": "py3",
"requires_python": ">=3.10",
"size": 20938,
"upload_time": "2025-07-21T00:39:13",
"upload_time_iso_8601": "2025-07-21T00:39:13.820592Z",
"url": "https://files.pythonhosted.org/packages/9b/f1/3f8742cd41d37f69ccd16f661fd2580a5ecb74ac2bb85e4def26e0e6bd58/tyr_agent-1.0.0-py3-none-any.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": null,
"digests": {
"blake2b_256": "a7ea4d5b19f142be6d256d6fc6734bd788bfbdf8e74d690d3e9080372a9b72d1",
"md5": "4e2fb148f3b6d42bca38e13343e728b9",
"sha256": "a1d2ad4852ca4e1b4b8dbf1825cc20c71cbfeb3496e5c6224f6e1db7bb78304f"
},
"downloads": -1,
"filename": "tyr_agent-1.0.0.tar.gz",
"has_sig": false,
"md5_digest": "4e2fb148f3b6d42bca38e13343e728b9",
"packagetype": "sdist",
"python_version": "source",
"requires_python": ">=3.10",
"size": 18465,
"upload_time": "2025-07-21T00:39:15",
"upload_time_iso_8601": "2025-07-21T00:39:15.017271Z",
"url": "https://files.pythonhosted.org/packages/a7/ea/4d5b19f142be6d256d6fc6734bd788bfbdf8e74d690d3e9080372a9b72d1/tyr_agent-1.0.0.tar.gz",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2025-07-21 00:39:15",
"github": true,
"gitlab": false,
"bitbucket": false,
"codeberg": false,
"github_user": "Drarlian",
"github_project": "tyr-agent",
"travis_ci": false,
"coveralls": false,
"github_actions": false,
"requirements": [
{
"name": "google-genai",
"specs": [
[
"~=",
"1.20.0"
]
]
},
{
"name": "openai",
"specs": [
[
"~=",
"1.84.0"
]
]
},
{
"name": "python-dotenv",
"specs": [
[
"==",
"1.1.0"
]
]
}
],
"lcname": "tyr-agent"
}
JSON
