В этой статье мы обсудим агентов в LangChain со всех возможных сторон.
Что такое агент в LangChain?
Некоторым приложениям требуются не просто заранее определенные цепочки, но и неизвестная цепочка, которая зависит от ввода пользователя. Для такого случая существует « агент », которые получают доступ к инструменту и решают, какой инструмент требуется в соответствии с вводными данными пользователя и тем, что он или она запрашивает. Набор инструментов — это, по сути, набор инструментов, необходимых для достижения конкретной цели, и в набор инструментов входит 3–5 инструментов.
Типы агентов LangChain
Есть два основных агента:
- Агенты действий
- Агенты планирования и реализации
Агенты действий: Эти агенты решают действия, которые необходимо предпринять шаг за шагом, оценивают каждый шаг, а затем выполняют его и переходят к следующему, если мы обсудим псевдокод агента, который включает в себя несколько шагов.
- Ввод принимается от пользователя.
- Агент решает, какой инструмент и какой тип инструмента требуется.
- Этот инструмент вызывается с помощью инструмента ввода, и наблюдение записывается.
- Инструмент истории, инструмент наблюдения и инструмент ввода передаются обратно агенту.
- Повторяйте процесс до тех пор, пока агент не решит выйти из этого инструмента.
Агенты планирования и реализации: Эти агенты сначала решают, какое действие следует предпринять, а затем выполняют все эти действия.
- Пользовательский ввод получен.
- Агент перечисляет все шаги, которые необходимо выполнить.
- Исполнитель проходит по списку шагов, выполняя их.
Настройка агента
Перед настройкой агента необходимо установить последнюю версию Питон в соответствии с вашей операционной системой.
Шаг 1. Установка пакетов
Во-первых, нам нужно создать среду, для этого нам нужно установить LangChain, google-search-results и openai через « пункт » команда:
! пункт установить Лангчейн
! пункт установить результаты поиска в Google
! пункт установить опенай
Импорт необходимых библиотек:
из langchain.schema импортировать SystemMessageиз langchain.agents импортировать OpenAIFunctionsAgent, AgentExecutor
из инструмента импорта langchain.agents
из langchain.chat_models импортировать ChatOpenAI
импортировать повторно
из getpass импортировать getpass
Шаг 2. Получите секретный API
После настройки среды теперь вам нужно получить секретные ключи API от платформы OpenAI:
llm = ЧатOpenAI ( openai_api_key = openai_api_key, температура '=' 0 )
Шаг 3: Инициализация инструмента
Далее давайте определим инструмент, написав простой код Python для получения длины строки.
защита get_word_string ( слово: ул. ) - > интервал:
'' «дайте мне длину строки». ''
возвращаться только ( слово )
инструменты = [ get_word_string ]
Шаг 4. Создайте шаблон приглашения
После определения инструмента настройте шаблон подсказки, для этого используйте «OpenAIFunctionsAgent.create_prompt()» вспомогательная функция, которая автоматически создаст шаблон.
приглашение = OpenAIFunctionsAgent.create_prompt ( system_message =system_message )
Шаг 5: Создание агента
Теперь мы можем завершить все части и создать агента, используя функцию под названием «OpenAIFunctionsAgent()» .
Шаг 6: Настройка среды выполнения
Если вы успешно создали агент, создайте для него среду выполнения, для этого «AgentExecutor» используется в качестве среды выполнения для агента.
Шаг 7: Тестирование агента
После создания среды выполнения пришло время протестировать агент.
Если вы вставили правильный ключ API на шаге 2, вы получите ответ.
Заключение
Эта статья была проиллюстрирована во многих аспектах: сначала она демонстрирует, что такое LangChain и как он работает, затем переходит к агентам в LangChain, обсуждает назначение агентов в LangChain и содержит информацию о двух основных типах агентов. «Агенты действия» и «Агенты планирования и реализации» используется в LangChain, и в конце выполнения кода устанавливается агент в LangChain.