Ce este un agent în LangChain?

Cadrul LangChain este folosit pentru a dezvolta aplicații care utilizează modele de limbaj. LLM-urile oferă răspunsuri generale, nu vizează niciun domeniu specific, în timp ce LangChain are cel mai puternic atribut pe care îl oferă pentru a crea lanțuri în care utilizatorii pot combina mai multe componente și pot face o singură aplicație coerentă. LangChain are multe module, conexiuni de date, lanțuri, agenți, memorie și apel invers.

În acest articol, vom discuta despre agenții din LangChain din toate aspectele posibile

Ce este un agent în LangChain?

Unele aplicații necesită nu doar lanțuri predeterminate, ci necesită un lanț necunoscut care depinde de intrarea utilizatorului. Pentru acest caz, există un „ agent ” care accesează instrumentul și decid ce instrument este necesar în funcție de intrarea utilizatorului și de ce solicită acesta. Un set de instrumente este practic un set de instrumente care este necesar pentru a realiza un obiectiv specific și există 3-5 instrumente într-un set de instrumente.

Tipuri de agenți LangChain

Există doi agenți principali:

Agenți de acțiune
Agenți de planificare și execuție

Agenți de acțiune: Acești agenți decid acțiuni pe care să le întreprindă pas cu pas evaluează fiecare pas și apoi îl execută și trece la următorul dacă discutăm despre pseudo-codul agentului care implică câțiva pași

Intrarea este primită de la utilizator.
Agentul decide instrumentul și ce tip de instrument este necesar.
Acest instrument este apelat cu instrumentul de intrare și observația este înregistrată.
Instrumentul de istoric, instrumentul de observare și instrumentul de introducere sunt transmise înapoi agentului.
Repetați procesul până când agentul decide să renunțe la acest instrument.

Agenți de planificare și execuție: Acești agenți decid mai întâi asupra unei acțiuni de întreprins și apoi execută toate acele acțiuni.

Intrarea utilizatorului este primită.
Agentul listează toți pașii de executat.
Executorul parcurge lista de pași, executându-i.

Configurarea agentului

Înainte de a configura agentul, trebuie să instalați cea mai recentă versiune a Piton conform sistemului dvs. de operare.

Pasul 1: Instalarea pachetelor
În primul rând, trebuie să stabilim un mediu pentru aceasta, trebuie să instalăm LangChain, google-search-results și openai prin intermediul „ pip ”comandă:

! pip instalare langchain
! pip instalare Google-search-results
! pip instalare openai

Importul bibliotecilor necesare:

din langchain.schema import SystemMessage
din langchain.agents import OpenAIFunctionsAgent, AgentExecutor
din instrumentul de import langchain.agents
din langchain.chat_models import ChatOpenAI
import re
din getpass import getpass

Pasul 2: Obțineți API-ul dvs. secret
După configurarea unui mediu, acum trebuie să obțineți chei secrete API de la Platforma OpenAI:

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

Pasul 3: Instrumentul de inițializare
Apoi, să definim un instrument, scriind cod Python simplu pentru a obține lungimea unui șir.

@ instrument
def get_word_string ( cuvânt: str ) - > int:
'' „Dă-mi lungimea unui șir”. ''
întoarcere numai ( cuvânt )

instrumente = [ get_word_string ]

Pasul 4: Creați un șablon prompt
După definirea instrumentului, configurați un șablon de solicitare pentru această utilizare „OpenAIFunctionsAgent.create_prompt()” funcția de ajutor care va crea șablonul automat.

system_message = SystemMessage ( conţinut = „Ești un asistent foarte puternic, dar nu calculezi lungimile șirului.” )
prompt = OpenAIFunctionsAgent.create_prompt ( mesaj_sistem =system_message )

Pasul 5: Crearea agentului
Acum putem încheia toate piesele și putem crea un agent folosind o funcție numită „OpenAIFunctionsAgent()” .

agent = OpenAIFunctionsAgent ( llm =llm, unelte = instrumente, prompt =prompt )

Pasul 6: Configurarea timpului de rulare
Dacă ați creat cu succes un agent, atunci creați un timp de execuție pentru agent, pentru acest „AgentExecutor” este folosit ca un timp de execuție pentru agent.

agent_executor = AgentExecutor ( agent = agent, unelte = instrumente, verboroasă =Adevărat )

Pasul 7: Testarea agenților
După ce ați creat Runtime, acum este timpul să testați agentul.

agent_executor.run ( „Câte cuvinte are acest șir?” )

Dacă ați introdus cheia API corectă în Pasul 2, veți primi un răspuns.

Concluzie

Acest articol a fost ilustrat din multe aspecte, în primul rând demonstrează ce este LangChain și cum funcționează, apoi trece la agenții din LangChain și discută scopul agenților din LangChain și conține informații despre cele două tipuri majore de agenți. „Agenți de acțiune” și „Agenți de planificare și execuție” folosit în LangChain și, la final, execuția codului a fost stabilirea unui agent în LangChain

Ce este un agent în LangChain?