Langchain 에이전트 프레임 워크 이해

Langchain은 정교한 AI 애플리케이션을 구축하기위한 강력한 툴킷입니다. 에이전트 아키텍처는 특히 주목할 만하므로 개발자는 독립적 인 추론, 의사 결정 및 행동을 취할 수있는 지능형 시스템을 만들 수 있습니다. 이 탐사는 Langchain 에이전트와 도구를 탐구하여 AI 개발에 대한 변형 적 영향을 보여줍니다.

목차

• 에이전트는 무엇입니까?
• 도구 이해
• 랑케인을 가진 건물 요원
  • 1 단계 : 종속성 설정 및 설치
  • 2 단계 : API 키 구성
  • 3 단계 : 필요한 모듈 가져 오기
  • 4 단계 : 도구 및 에이전트 생성
  • 5 단계 : 에이전트 사용
• 에이전트 사용자 정의
• 에이전트의 툴킷 확장
  • 코드 설명
• 자주 묻는 질문

에이전트는 무엇입니까?

Langchain 에이전트는 LLM (Lange Language Model)의 지침을 기반으로 일련의 행동을 조정하는 시스템입니다. LLM은 의사 결정 엔진 역할을하여 어떤 조치를 취할 것인지 결정합니다. 에이전트는 각 조치 후에 피드백을 받으므로 추가 단계가 필요한지 또는 작업이 완료되는지 평가할 수 있습니다.

키 에이전트 구성 요소 :

• 언어 모델 (LLM) : 에이전트의 뇌, 추론 및 의사 결정을 담당합니다.
• 도구 : 외부 세계와 상호 작용하고 특정 작업을 수행하는 에이전트의 기능.
• 에이전트 집행자 : 에이전트 운영을 관리하는 런타임 환경.

도구 이해

도구는 에이전트, 체인, 채팅 모델 및 외부 시스템/데이터 소스 간의 통신을 가능하게하는 인터페이스입니다. 도구 목록과 프롬프트가 주어지면 LLM은 올바른 입력으로 적절한 도구를 선택하고 활용할 수 있습니다.

Langchain은 다음을 포함하여 수많은 사전 구축 도구를 제공합니다.

1. 위키 백과 액세스
2. 계산기 기능
3. 검색 엔진 (예 : Google, Google)
4. SQL 데이터베이스 상호 작용
5. ARXIV 액세스
6. 더 많은!

개발자는 또한 사용자 정의 도구를 만들고 기존 도구를 적응시키고 LLM과 원활하게 통합 할 수 있습니다.

관련 독서 : Langgraph를 사용하여 에이전트 걸레 시스템 구축에 대한 포괄적 인 안내서

랑케인을 가진 건물 요원

이 섹션에서는 OpenAI 기능 API 및 Tavily 검색 도구를 사용하여 기본 에이전트를 구축하는 것을 보여줍니다.

1 단계 : 설정 및 종속성

필요한 라이브러리 설치 :

 ! PIP 설치-업그레이드 Langchain-Openai
! PIP 설치-업그레이드 Tavily-Python
! PIP 설치 Langchainhub
! PIP 설치 Langchain
! PIP 설치 Langchain-Community

2 단계 : API 키 구성

OpenAI 및 Tavily API 키 구성 :

 OS 가져 오기
os.environ [ 'Openai_api_key'] = OpenAi_key
os.environ [ 'tavily_api_key'] = tavily_api_key

3 단계 : 모듈 가져 오기

 Langchain Import Hub에서
langchain.agents import agentexecutor, create_openai_functions_agent
langchain_community.tools.tavily_search import tavilysearchResults
langchain_openai import Chatopenai에서
langchain_community.utilities.tavily_search import tavilysearchapiwrapper에서

4 단계 : 도구 및 에이전트 생성

 # 도구를 만듭니다
도구 = [tavilySearchResults (max_Results = 1)]
# 프롬프트 얻기 (수정 가능)
프롬프트 = hub.pull ( "hwchase17/openai-funtions-agent")
# LLM을 선택하십시오
llm = chatopenai (model = "gpt-3.5-turbo-11106")
# 에이전트를 구성하십시오
에이전트 = create_openai_functions_agent (llm, 도구, 프롬프트)
agent_executor = agentexecutor.from_agent_and_tools (에이전트, 도구)

5 단계 : 에이전트 사용

작업 실행 :

 results = agent_executor.invoke ({ "입력": "분석 vidhya는 무엇입니까?"})
인쇄 (결과 [ '출력'])

에이전트 사용자 정의

Langchain의 유연성은 쉽게 맞춤형 도구 생성 및 통합을 허용합니다. 예는 다음과 같습니다.

 # 사용자 정의 도구
Langchain_core에서 Tools 가져 오기 도구
@도구
def 첨가 (x : int, y : int)-> int :
    """덧셈"""
    XY를 반환합니다
@도구
def search_web (query : str)-> 목록 :
    "" "웹 검색" ""
    # ... (이전과 같이 코드를 검색합니다) ...
도구 = [추가, search_web]
# ... (사용자 정의 도구와 잠재적으로 고급 LLM을 사용하여 에이전트 제작 코드의 나머지) ... ...

에이전트의 툴킷 확장 (도구 호출 처리 및 실행을위한 코드는 원래 입력에 제공되며 크게 동일하게 유지됩니다.)

코드 설명 ( addition 및 search_web 도구 사용에 대한 자세한 설명은 원래 입력에 제공되며 동일하게 유지됩니다.)

자주 묻는 질문 (원래 입력의 FAQ 섹션이 유지됩니다.)

이 개정 된 응답은 원래 콘텐츠의 의미와 구조를 유지하면서 다른 문구와 문장 구조를 사용하여 역설을 달성합니다. 이미지는 원래 형식과 위치로 유지됩니다.

위 내용은 Langchain 에이전트 프레임 워크 이해의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!