Kaj je agent v LangChainu?

Ogrodje LangChain se uporablja za razvoj aplikacij, ki uporabljajo jezikovne modele. LLM-ji dajejo splošne odgovore, ne ciljajo na nobeno specifično področje, medtem ko ima LangChain najmočnejši atribut, ki ga zagotavlja za ustvarjanje verig, v katerih lahko uporabniki združijo več komponent in naredijo eno samo skladno aplikacijo. LangChain ima veliko modulov, podatkovnih povezav, verig, agentov, pomnilnika in povratnih klicev.

V tem članku bomo razpravljali o agentih v LangChainu z vseh možnih vidikov

Kaj je agent v LangChainu?

Nekatere aplikacije ne zahtevajo samo vnaprej določenih verig, ampak zahtevajo neznano verigo, ki je odvisna od uporabnikovega vnosa. Za tak primer obstaja ' agent «, ki dostopajo do orodja in se odločijo, katero orodje je potrebno glede na uporabnikov vnos in kaj ta zahteva. Zbirka orodij je v bistvu nabor orodij, ki so potrebna za doseganje določenega cilja, v zbirki orodij pa je 3-5 orodij.

Vrste agentov LangChain

Obstajata dva glavna agenta:

Akcijski agenti
Agenti za načrtovanje in izvedbo

Akcijski agenti: Ti agenti se odločajo o dejanjih, ki jih bodo izvedli korak za korakom, ovrednotijo vsak korak in ga nato izvedejo ter se premaknejo na naslednjega, če razpravljamo o psevdo kodi agenta, ki vključuje nekaj korakov

Vnos je prejet od uporabnika.
Zastopnik se odloči za orodje in vrsto orodja, ki ga potrebujete.
To orodje se pokliče z orodjem za vnos in opazovanje se zabeleži.
Orodje za zgodovino, orodje za opazovanje in orodje za vnos se posreduje nazaj agentu.
Postopek ponavljajte, dokler se agent ne odloči zapreti tega orodja.

Agenti za načrtovanje in izvedbo: Ti agenti se najprej odločijo za dejanje, ki ga bodo izvedli, nato pa izvedejo vsa ta dejanja.

Uporabniški vnos je prejet.
Agent navede vse korake, ki jih je treba izvesti.
Izvajalec gre skozi seznam korakov in jih izvede.

Nastavitev agenta

Preden nastavite agenta, morate namestiti najnovejšo različico Python glede na vaš operacijski sistem.

1. korak: Namestitev paketov
Najprej moramo vzpostaviti okolje za to moramo namestiti LangChain, google-search-results in openai prek ' pip ” ukaz:

! pip namestite Langchain
! pip namestite google-rezultati iskanja
! pip namestite openai

Uvoz potrebnih knjižnic:

iz langchain.schema import SystemMessage
iz langchain.agents uvozi OpenAIFunctionsAgent, AgentExecutor
iz orodja za uvoz langchain.agents
iz langchain.chat_models uvozi ChatOpenAI
uvoz re
iz getpass uvoz getpass

2. korak: pridobite svoj Secret API
Po nastavitvi okolja morate zdaj pridobiti skrivne ključe API iz platforme OpenAI:

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

3. korak: Orodje za inicializacijo
Nato definirajmo orodje, ki napiše preprosto kodo Python, da dobi dolžino niza.

@ orodje
def get_word_string ( beseda: str ) - > int:
'' 'daj mi dolžino niza.' ''
vrnitev samo ( beseda )

orodja = [ get_word_string ]

4. korak: Ustvarite predlogo poziva
Ko definirate orodje, nastavite predlogo poziva za to uporabo 'OpenAIFunctionsAgent.create_prompt()' pomočnik, ki samodejno ustvari predlogo.

sistemsko_sporočilo = sistemsko sporočilo ( vsebino = 'Si zelo močan pomočnik, a slab pri računanju dolžin niza.' )
poziv = OpenAIFunctionsAgent.create_prompt ( sistemsko_sporočilo =sistemsko_sporočilo )

5. korak: Ustvarjanje agenta
Zdaj lahko zaključimo vse dele in ustvarimo agenta z uporabo funkcije, imenovane 'OpenAIFunctionsAgent()' .

agent = OpenAIFunctionsAgent ( llm =llm, orodja =orodja, poziv =poziv )

6. korak: Nastavitev izvajalnega okolja
Če ste agenta uspešno ustvarili, ustvarite izvajalno okolje za agenta, za to se kot izvajalno okolje za agenta uporablja »AgentExecutor«.

agent_executor = AgentExecutor ( agent = agent, orodja =orodja, verbose = Res )

7. korak: Testiranje agenta
Ko ustvarite Runtime, je čas, da preizkusite agenta.

agent_executor.run ( 'Koliko besed ima ta niz?' )

Če ste v 2. koraku vstavili pravilen ključ API, boste prejeli odgovor.

Zaključek

Ta članek je ilustriran z več vidikov, najprej prikazuje, kaj je LangChain in kako deluje, nato se pomakne k agentom v LangChainu in razpravlja o namenu agentov v LangChainu ter vsebuje informacije o dveh glavnih vrstah agentov. 'Akcijski agenti' in »Agenti za načrtovanje in izvedbo« uporablja se v LangChainu in na koncu je bila izvedba kode vzpostavitev agenta v LangChainu

Kaj je agent v LangChainu?