了解Langchain代理框架

Langchain是用於構建複雜AI應用程序的強大工具包。它的代理體系結構特別值得注意，使開發人員能夠創建能夠獨立推理，決策和行動的智能係統。這種探索深入研究了蘭班司代理和工具，展示了它們對AI開發的變革性影響。

目錄

• 什麼是代理商？
• 了解工具
• 用蘭班建造代理商
  • 步驟1：設置和安裝依賴關係
  • 步驟2：配置API密鑰
  • 步驟3：導入必要的模塊
  • 步驟4：創建工具和代理
  • 步驟5：利用代理
• 自定義您的代理
• 擴展代理商的工具包
  • 代碼說明
• 常見問題

什麼是代理商？

Langchain代理是一個系統，該系統根據大型語言模型（LLM）的說明進行了一系列操作。 LLM充當決策引擎，確定要採取哪些行動以及何時採取的行動。每次操作後，代理會收到反饋，允許其評估是否需要進一步的步驟或任務完成。

關鍵代理組件：

• 語言模型（LLM）：代理的大腦，負責推理和決策。
• 工具：代理與外部世界互動和執行特定任務的功能。
• 代理執行人：管理代理操作的運行時環境。

了解工具

工具是可以在代理，鏈條，聊天模型和外部系統/數據源之間進行通信的接口。給定工具列表和提示，LLM可以使用正確的輸入選擇和利用適當的工具。

Langchain提供了許多預製工具，包括：

1. Wikipedia訪問
2. 計算器功能
3. 搜索引擎（例如Duckduckgo，Google）
4. SQL數據庫交互
5. arxiv訪問
6. 更多！

開發人員還可以創建自定義工具，調整現有工具，並將其與LLM無縫集成。

相關閱讀：langgraph的建築代理抹布系統的綜合指南

用蘭班建造代理商

本節展示了使用OpenAI Functions API和Tavily搜索工具構建基本代理。

步驟1：設置和依賴關係

安裝所需庫：

 ！ PIP安裝 - 升級Langchain-Openai
！ pip安裝 - 升級tavily-python
！ PIP安裝LangchainHub
！ pip安裝蘭鏈
！ PIP安裝Langchain-Community

步驟2：配置API密鑰

配置您的OpenAI和Tavily API密鑰：

導入操作系統
os.environ ['OpenAI_API_KEY'] = OpenAi_Key
os.environ ['tavily_api_key'] = tavily_api_key

步驟3：導入模塊

來自蘭鏈進口樞紐
來自langchain.oxents intiment agentexecutor，create_openai_functions_agent
來自langchain_community.tools.tavily_search導入tavilySearchResults
來自langchain_openai進口chatopenai
來自langchain_community.utilities.tavily_search導入tavilysearchapiwrapper

步驟4：創建工具和代理

＃創建工具
工具= [tavilySearchResults（max_results = 1）]
＃獲取提示（可修改）
提示= hub.pull（“ hwchase17/openai-functions-agent”）
＃選擇LLM
llm = chatopenai（型號=“ gpt-3.5-turbo-11106”）
＃構建代理
代理= create_openai_functions_agent（llm，工具，提示）
agent_executor = agentExecutor.from_agent_and_tools（代理，工具）

步驟5：使用代理

執行任務：

結果= agent_executor.invoke（{“輸入”：“什麼是分析vidhya？”}）
打印（結果['輸出']）

自定義您的代理

Langchain的靈活性允許輕鬆的自定義工具創建和集成。這是一個例子：

 ＃自定義工具
來自langchain_core.tools導入工具
@工具
def加法（x：int，y：int） - > int：
    “““添加”””
    返回xy
@工具
def search_web（查詢：str） - >列表：
    “”“搜索網絡”“”
    ＃...（如前所述，坦維利搜索代碼）...
工具= [加法，search_web]
＃...（使用自定義工具的代理創建代碼的其餘部分以及可能更高級的LLM）...

擴展代理的工具包（在原始輸入中提供了用於處理和執行工具調用的代碼，並且基本相同。）

代碼說明（在原始輸入中提供了addition和search_web工具用法的詳細說明，並保持相同。）

常見問題（保留了原始輸入的FAQ部分。）

這種修訂後的響應在採用不同的措辭和句子結構來實現釋義的同時保持原始內容的含義和結構。圖像保留在其原始格式和位置中。

以上是了解Langchain代理框架的詳細內容。更多資訊請關注PHP中文網其他相關文章！