Какво е агент в LangChain?

Рамката LangChain се използва за разработване на приложения, които използват езикови модели. LLM дават общи отговори, те не са насочени към никаква конкретна област, докато LangChain има най-мощния атрибут, който предоставя, за да създава вериги, в които потребителите могат да комбинират множество компоненти заедно и да направят едно съгласувано приложение. LangChain има много модули, връзки за данни, вериги, агенти, памет и обратно извикване.

В тази статия ще обсъдим агентите в LangChain от всички възможни аспекти

Какво е агент в LangChain?

Някои приложения изискват не само предварително определени вериги, но те изискват неизвестна верига, която зависи от въвеждането на потребителя. За такъв случай има „ агент ”, които имат достъп до инструмента и решават кой инструмент е необходим според въведените от потребителя и какво той или тя иска. Наборът от инструменти е основно набор от инструменти, които са необходими за постигане на конкретна цел и има 3-5 инструмента в един набор от инструменти.

Видове агенти на LangChain

Има два основни агента:

Агенти за действие
Агенти за планиране и изпълнение

Агенти за действие: Тези агенти решават действия, които да предприемат стъпка по стъпка, оценяват всяка стъпка и след това я изпълняват и преминават към следващата, ако обсъждаме псевдокода на агента, който включва няколко стъпки

Въвеждането се получава от потребителя.
Агентът решава инструмента и какъв тип инструмент е необходим.
Този инструмент се извиква с инструмента за въвеждане и наблюдението се записва.
Инструментът за история, инструментът за наблюдение и инструментът за въвеждане се предават обратно на агента.
Повтаряйте процеса, докато агентът реши да напусне този инструмент.

Агенти за планиране и изпълнение: Тези агенти първо решават какво действие да предприемат и след това изпълняват всички тези действия.

Получава се въвеждане от потребителя.
Агентът изброява всички стъпки за изпълнение.
Изпълнителят преминава през списъка със стъпки, като ги изпълнява.

Настройване на агент

Преди да настроите агента, трябва да инсталирате най-новата версия на Python според вашата операционна система.

Стъпка 1: Инсталиране на пакети
Първо, трябва да създадем среда за това, трябва да инсталираме LangChain, google-search-results и openai чрез „ пип ” команда:

! пип Инсталирай Langchain
! пип Инсталирай резултати от търсене в google
! пип Инсталирай openai

Импортиране на необходимите библиотеки:

от langchain.schema import SystemMessage
от langchain.agents импортирайте OpenAIFunctionsAgent, AgentExecutor
от инструмента за импортиране на langchain.agents
от langchain.chat_models импортирайте ChatOpenAI
внос повторно
от getpass импортиране getpass

Стъпка 2: Вземете своя Secret API
След като настроите среда, сега трябва да получите секретни API ключове от платформата OpenAI:

openai_api_key = getpass ( )
llm = ChatOpenAI ( openai_api_key =openai_api_key, температура = 0 )

Стъпка 3: Инструмент за инициализиране
След това нека дефинираме инструмент, който пише прост код на Python, за да получи дължината на низ.

@ инструмент
def get_word_string ( дума: ул ) - > int:
'' 'дайте ми дължината на низ.' ''
връщане само ( дума )

инструменти = [ get_word_string ]

Стъпка 4: Създайте шаблон за подкана
След като дефинирате инструмента, настройте шаблон за подкана за това използване на „OpenAIFunctionsAgent.create_prompt()“ помощна функция, която ще създаде шаблона автоматично.

системно_съобщение = Системно съобщение ( съдържание = „Ти си много мощен помощник, но си лош в изчисляването на дължини на низове.“ )
подкана = OpenAIFunctionsAgent.create_prompt ( системно_съобщение =системно_съобщение )

Стъпка 5: Създаване на агент
Сега можем да завършим всички части и да създадем агент, като използваме функция, наречена „OpenAIFunctionsAgent()“ .

агент = OpenAIFunctionsAgent ( llm =llm, инструменти = инструменти, подкана =подкана )

Стъпка 6: Настройване на Runtime
Ако сте създали агент успешно, тогава създайте време за изпълнение за агента, за това ”AgentExecutor” се използва като време за изпълнение за агента.

agent_executor = AgentExecutor ( агент = агент, инструменти = инструменти, многословен =Вярно )

Стъпка 7: Тестване на агент
След като създадете Runtime, сега е време да тествате агента.

agent_executor.run ( „Колко думи има този низ?“ )

Ако сте въвели правилния API ключ в Стъпка 2, ще получите отговор.

Заключение

Тази статия е илюстрирана от много аспекти, първо демонстрира какво е LangChain и как работи, след това преминава към агенти в LangChain и обсъжда предназначението на агентите в LangChain и съдържа информация за двата основни типа агенти „Агенти за действие“ и „Агенти за планиране и изпълнение“ използва се в LangChain и накрая изпълнението на кода е да се установи агент в LangChain

Какво е агент в LangChain?