Čo je to agent v LangChain?

Rámec LangChain sa používa na vývoj aplikácií, ktoré využívajú jazykové modely. LLM poskytujú všeobecné odpovede, nezameriavajú sa na žiadnu konkrétnu oblasť, zatiaľ čo LangChain má najsilnejší atribút, ktorý poskytuje, na vytváranie reťazcov, v ktorých môžu používatelia kombinovať viacero komponentov a vytvoriť jedinú koherentnú aplikáciu. LangChain má veľa modulov, dátových spojení, reťazcov, agentov, pamäte a spätného volania.

V tomto článku rozoberieme agentov v LangChain zo všetkých možných aspektov

Čo je to agent v LangChain?

Niektoré aplikácie vyžadujú nielen vopred určené reťazce, ale vyžadujú aj neznámy reťazec, ktorý závisí od vstupu používateľa. Pre takýto prípad existuje „ agent “, ktorí pristupujú k nástroju a rozhodujú, ktorý nástroj je potrebný podľa vstupu používateľa a toho, čo požaduje. Súprava nástrojov je v podstate súbor nástrojov, ktoré sú potrebné na dosiahnutie konkrétneho cieľa, pričom v súprave nástrojov je 3 až 5 nástrojov.

Typy agentov LangChain

Existujú dvaja hlavní agenti:

Akční agenti
Agenti plánovania a vykonávania

Akční agenti: Títo agenti rozhodujú o akciách, ktoré sa majú vykonať krok za krokom, vyhodnotia každý krok a potom ho vykonajú a prejdú na ďalší, ak budeme diskutovať o pseudokóde agenta, ktorý zahŕňa niekoľko krokov.

Vstup je prijatý od používateľa.
Agent rozhodne o nástroji a o tom, aký typ nástroja je potrebný.
Tento nástroj sa zavolá pomocou vstupného nástroja a pozorovanie sa zaznamená.
Nástroj histórie, pozorovací nástroj a nástroj na zadávanie údajov sa odovzdávajú späť agentovi.
Opakujte proces, kým sa agent nerozhodne ukončiť tento nástroj.

Zástupcovia plánovania a vykonávania: Títo agenti sa najprv rozhodnú o akcii, ktorú majú vykonať, a potom vykonajú všetky tieto akcie.

Vstup používateľa je prijatý.
Agent uvádza všetky kroky, ktoré treba vykonať.
Vykonávateľ prejde zoznam krokov a vykoná ich.

Nastavenie agenta

Pred nastavením agenta musíte nainštalovať najnovšiu verziu Python podľa vášho operačného systému.

Krok 1: Inštalácia balíkov
Najprv musíme vytvoriť prostredie, v ktorom musíme nainštalovať LangChain, google-search-results a openai cez „ pip 'príkaz:

! pip Inštalácia langchain
! pip Inštalácia google-search-results
! pip Inštalácia openai

Import požadovaných knižníc:

z langchain.schema import SystemMessage
z langchain.agents importujte OpenAIFunctionsAgent, AgentExecutor
z importovacieho nástroja langchain.agents
z langchain.chat_models importujte ChatOpenAI
import re
z getpass import getpass

Krok 2: Získajte svoje tajné rozhranie API
Po nastavení prostredia teraz musíte získať tajné kľúče API z platformy OpenAI:

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

Krok 3: Inicializačný nástroj
Ďalej definujme nástroj, ktorý napíše jednoduchý kód Python na získanie dĺžky reťazca.

@ nástroj
def get_word_string ( slovo: str ) - > int:
'' 'Daj mi dĺžku šnúrky.' ''
vrátiť len ( slovo )

nástroje = [ get_word_string ]

Krok 4: Vytvorte si šablónu výzvy
Po definovaní nástroja nastavte šablónu výzvy na toto použitie 'OpenAIFunctionsAgent.create_prompt()' pomocná funkcia, ktorá vytvorí šablónu automaticky.

system_message = Správa systému ( obsahu = 'Si veľmi silný pomocník, ale zlý vo výpočte dĺžky struny.' )
prompt = OpenAIFunctionsAgent.create_prompt ( systémová_správa =systémová_správa )

Krok 5: Vytvorenie agenta
Teraz môžeme uzavrieť všetky časti a vytvoriť agenta pomocou funkcie s názvom 'OpenAIFunctionsAgent()' .

agent = OpenAIFunctionsAgent ( llm =llm, nástrojov = náradie, výzva = promptné )

Krok 6: Nastavenie Runtime
Ak ste úspešne vytvorili agenta, vytvorte runtime pre agenta, pre tento sa používa „AgentExecutor“ ako runtime pre agenta.

agent_executor = AgentExecutor ( agent = agent, nástrojov = náradie, podrobný = Pravda )

Krok 7: Testovanie agenta
Po vytvorení modulu Runtime je teraz čas otestovať agenta.

agent_executor.run ( 'Koľko slov má tento reťazec?' )

Ak ste v kroku 2 vložili správny kľúč API, dostanete odpoveď.

Záver

Tento článok bol ilustrovaný z mnohých aspektov, najprv ukazuje, čo je LangChain a ako funguje, potom sa presúva k agentom v LangChain a rozoberá účel agentov v LangChain a obsahuje informácie o dvoch hlavných typoch agentov. 'Akční agenti' a 'Agenti plánovania a vykonávania' používané v LangChain a na konci vykonania kódu bolo vytvorenie agenta v LangChain

Čo je to agent v LangChain?