了解Langchain代理框架

Langchain是用于构建复杂AI应用程序的强大工具包。它的代理体系结构特别值得注意，使开发人员能够创建能够独立推理，决策和行动的智能系统。这种探索深入研究了兰班司代理和工具，展示了它们对AI开发的变革性影响。

目录

• 什么是代理商？
• 了解工具
• 用兰班建造代理商
  • 步骤1：设置和安装依赖关系
  • 步骤2：配置API密钥
  • 步骤3：导入必要的模块
  • 步骤4：创建工具和代理
  • 步骤5：利用代理
• 自定义您的代理
• 扩展代理商的工具包
  • 代码说明
• 常见问题

什么是代理商？

Langchain代理是一个系统，该系统根据大型语言模型（LLM）的说明进行了一系列操作。 LLM充当决策引擎，确定要采取哪些行动以及何时采取的行动。每次操作后，代理会收到反馈，允许其评估是否需要进一步的步骤或任务完成。

关键代理组件：

• 语言模型（LLM）：代理的大脑，负责推理和决策。
• 工具：代理与外部世界互动和执行特定任务的功能。
• 代理执行人：管理代理操作的运行时环境。

了解工具

工具是可以在代理，链条，聊天模型和外部系统/数据源之间进行通信的接口。给定工具列表和提示，LLM可以使用正确的输入选择和利用适当的工具。

Langchain提供了许多预制工具，包括：

1. Wikipedia访问
2. 计算器功能
3. 搜索引擎（例如Duckduckgo，Google）
4. SQL数据库交互
5. arxiv访问
6. 更多！

开发人员还可以创建自定义工具，调整现有工具，并将其与LLM无缝集成。

相关阅读：langgraph的建筑代理抹布系统的综合指南

用兰班建造代理商

本节展示了使用OpenAI Functions API和Tavily搜索工具构建基本代理。

步骤1：设置和依赖关系

安装所需库：

 ！PIP安装 - 升级Langchain-Openai
！pip安装 - 升级tavily-python
！PIP安装LangchainHub
！pip安装兰链
！PIP安装Langchain-Community

步骤2：配置API密钥

配置您的OpenAI和Tavily API密钥：

导入操作系统
os.environ ['OpenAI_API_KEY'] = OpenAi_Key
os.environ ['tavily_api_key'] = tavily_api_key

步骤3：导入模块

来自兰链进口枢纽
来自langchain.oxents intiment agentexecutor，create_openai_functions_agent
来自langchain_community.tools.tavily_search导入tavilySearchResults
来自langchain_openai进口chatopenai
来自langchain_community.utilities.tavily_search导入tavilysearchapiwrapper

步骤4：创建工具和代理

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

步骤5：使用代理

执行任务：

结果= agent_executor.invoke（{“输入”：“什么是分析vidhya？”}）
打印（结果['输出']）

自定义您的代理

Langchain的灵活性允许轻松的自定义工具创建和集成。这是一个例子：

 ＃自定义工具
来自langchain_core.tools导入工具
@工具
def加法（x：int，y：int） - > int：
    “““添加”””
    返回xy
@工具
def search_web（查询：str） - >列表：
    “”“搜索网络”“”
    ＃...（如前所述，坦维利搜索代码）...
工具= [加法，search_web]
＃...（使用自定义工具的代理创建代码的其余部分以及可能更高级的LLM）...

扩展代理的工具包（在原始输入中提供了用于处理和执行工具调用的代码，并且基本相同。）

代码说明（在原始输入中提供了addition和search_web工具用法的详细说明，并保持相同。）

常见问题（保留了原始输入的FAQ部分。）

这种修订后的响应在采用不同的措辞和句子结构来实现释义的同时保持原始内容的含义和结构。图像保留在其原始格式和位置中。

以上是了解Langchain代理框架的详细内容。更多信息请关注PHP中文网其他相关文章！