Langchainエージェントフレームワークの理解

Langchainは、洗練されたAIアプリケーションを構築するための強力なツールキットです。そのエージェントアーキテクチャは特に注目に値するため、開発者は独立した推論、意思決定、およびアクションが可能なインテリジェントなシステムを作成できます。この探索は、Langchainエージェントとツールを掘り下げ、AI開発への変革的影響を紹介します。

目次

• エージェントとは何ですか？
• ツールの理解
• ラングチェーン付きの建物エージェント
  • ステップ1：依存関係のセットアップとインストール
  • ステップ2：APIキーの構成
  • ステップ3：必要なモジュールのインポート
  • ステップ4：ツールとエージェントの作成
  • ステップ5：エージェントを利用します
• エージェントのカスタマイズ
• エージェントのツールキットを拡大します
  • コード説明
• よくある質問

エージェントとは何ですか？

Langchainエージェントは、大規模な言語モデル（LLM）からの命令に基づいて、一連のアクションを調整するシステムです。 LLMは意思決定エンジンとして機能し、どのアクションを実行するかを決定します。エージェントは、各アクションの後にフィードバックを受け取り、さらなるステップが必要かどうか、またはタスクが完了したかどうかを評価できます。

キーエージェントコンポーネント：

• 言語モデル（LLM）：推論と意思決定に責任があるエージェントの脳。
• ツール：外部世界と対話し、特定のタスクを実行するためのエージェントの機能。
• エージェントエグゼキューター：エージェントの操作を管理するランタイム環境。

ツールの理解

ツールは、エージェント、チェーン、チャットモデル、および外部システム/データソース間の通信を可能にするインターフェイスです。ツールのリストとプロンプトが与えられた場合、LLMは正しい入力で適切なツールを選択および利用できます。

Langchainは、以下を含む多数の事前に構築されたツールを提供します

1. ウィキペディアアクセス
2. 計算機の機能
3. 検索エンジン（例えば、Duckduckgo、Google）
4. SQLデータベースインタラクション
5. arxivアクセス
6. もっとたくさん！

開発者は、カスタムツールを作成したり、既存のツールを適応させたり、LLMとシームレスに統合することもできます。

関連する読書：Langgraphを使用したエージェントRAGシステムを構築するための包括的なガイド

ラングチェーン付きの建物エージェント

このセクションでは、OpenAI関数APIとTavily検索ツールを使用して、基本エージェントの構築を示します。

ステップ1：セットアップと依存関係

必要なライブラリをインストールします：

 ！ピップインストール - ラングチャインオペナイのアップグレード
！PIPインストール-Tavily-Pythonのアップグレード
！ピップLangchainhubをインストールします
！ピップインストールlangchain
！ピップLangchain-communityをインストールします

ステップ2：APIキーの構成

OpenaiとTavily APIキーを構成します。

 OSをインポートします
os.environ ['openai_api_key'] = openai_key
os.environ ['tavily_api_key'] = tavily_api_key

ステップ3：モジュールのインポート

Langchain Import Hubから
langchain.agentsからImport Ageentexecutor、create_openai_functions_agentから
langchain_community.tools.tools.tavily_search Import tavilysearchresultsから
langchain_openaiからChatopenaiをインポートします
langchain_community.utilities.tavily_search Import tavilysearchapiwrapperから

ステップ4：ツールとエージェントの作成

＃ツールを作成します
ツール= [tavilysearchResults（max_results = 1）]]
＃プロンプトを取得する（変更可能）
PROMPT = HUB.PULL（ "hwchase17/openai-functions-agent"）
＃LLMを選択します
LLM = Chatopenai（Model = "GPT-3.5-TURBO-106"）
＃エージェントを作成します
agent = create_openai_functions_agent（llm、ツール、プロンプト）
agent_executor = agentexecutor.from_agent_and_tools（エージェント、ツール）

ステップ5：エージェントの使用

タスクを実行します：

 results = agent_executor.invoke（{"input"： "分析vidhyaとは？"}）
印刷（結果['出力']）

エージェントのカスタマイズ

Langchainの柔軟性により、カスタムツールの作成と統合が簡単になります。これが例です：

 ＃カスタムツール
langchain_core.toolsインポートツールから
@道具
def addition（x：int、y：int） - > int：
    """追加"""
    xyを返します
@道具
def search_web（query：str） - > list：
    "" "Webを検索" ""
    ＃...（以前のようにコードを検索する）...
ツール= [追加、search_web]
＃...（カスタムツールを使用したエージェント作成コードの残り、および潜在的にはより高度なLLMを使用）...

エージェントのツールキットの拡張（ツール呼び出しの処理と実行のコードは、元の入力で提供されており、ほぼ同じままです）。

コードの説明（ additionおよびsearch_webツールの使用の詳細な説明は、元の入力で提供され、同じままです。）

よくある質問（元の入力からのFAQセクションが保持されます。）

この改訂された応答は、さまざまな言い換えを実現するために異なるフレージングと文構造を使用しながら、元のコンテンツの意味と構造を維持します。画像は元の形式と位置のままです。

以上がLangchainエージェントフレームワークの理解の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。