Què és un agent a LangChain?

El marc LangChain s'utilitza per desenvolupar aplicacions que utilitzen models de llenguatge. Els LLM donen respostes generals, no s'orienten a cap camp específic, mentre que LangChain té l'atribut més potent que proporciona per crear cadenes en què els usuaris poden combinar diversos components i fer una única aplicació coherent. LangChain té molts mòduls, connexions de dades, cadenes, agents, memòria i devolució de trucada.

En aquest article, parlarem dels agents de LangChain des de tots els aspectes possibles

Què és un agent a LangChain?

Algunes aplicacions requereixen no només cadenes predeterminades, sinó també una cadena desconeguda que depèn de l'entrada de l'usuari. Per a aquest cas, hi ha un ' agent ” qui accedeix a l'eina i decideix quina eina és necessària segons l'entrada de l'usuari i què demana. Un conjunt d'eines és bàsicament un conjunt d'eines que es necessiten per fer un objectiu específic i hi ha entre 3 i 5 eines en un conjunt d'eines.

Tipus d'agents LangChain

Hi ha dos agents principals:

Agents d'acció
Agents de planificació i execució

Agents d'acció: Aquests agents decideixen accions a fer pas a pas, avaluen cada pas i després l'executen i passen al següent si parlem del pseudocodi de l'agent que implica uns quants passos.

L'entrada es rep de l'usuari.
L'agent decideix l'eina i quin tipus d'eina es necessita.
Aquesta eina s'anomena amb l'eina d'entrada i es registra l'observació.
L'eina d'historial, l'eina d'observació i l'eina d'entrada es retornen a l'agent.
Repetiu el procés fins que l'agent decideixi abandonar aquesta eina.

Agents de planificació i execució: Aquests agents primer decideixen una acció a realitzar i després executen totes aquestes accions.

Es rep l'entrada de l'usuari.
L'agent enumera tots els passos a executar.
L'executor passa per la llista de passos, executant-los.

Configuració de l'agent

Abans de configurar l'agent, heu d'instal·lar la darrera versió de Python segons el vostre sistema operatiu.

Pas 1: instal·lació de paquets
En primer lloc, hem d'establir un entorn per a això hem d'instal·lar LangChain, google-search-results i openai a través del ' pip ' comandament:

! pip instal·lar langchain
! pip instal·lar resultats de la cerca de Google
! pip instal·lar oberta

Importació de les biblioteques necessàries:

de langchain.schema importar SystemMessage
de langchain.agents importa OpenAIFunctionsAgent, AgentExecutor
des de l'eina d'importació langchain.agents
des de langchain.chat_models importar ChatOpenAI
importar re
des de getpass import getpass

Pas 2: obteniu la vostra API secreta
Després de configurar un entorn, ara heu d'obtenir claus API secretes de la plataforma OpenAI:

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

Pas 3: eina d'inicialització
A continuació, definim una eina, escrivint codi Python senzill per obtenir la longitud d'una cadena.

@ eina
def get_word_string ( paraula: str ) - > int:
'' 'Dóna'm la longitud d'una corda'. ''
tornar només ( paraula )

eines = [ get_word_string ]

Pas 4: creeu una plantilla de sol·licitud
Després de definir l'eina, configureu una plantilla de sol·licitud per a aquest ús 'OpenAIFunctionsAgent.create_prompt()' funció d'ajuda que crearà la plantilla automàticament.

system_message = Missatge del sistema ( contingut = 'Ets un assistent molt potent, però dolent per calcular longituds de corda'. )
prompt = OpenAIFunctionsAgent.create_prompt ( missatge_sistema =missatge_sistema )

Pas 5: creació de l'agent
Ara podem concloure totes les peces i crear un agent mitjançant una funció anomenada 'OpenAIFunctionsAgent()' .

agent = OpenAIFunctionsAgent ( llm =llm, eines =eines, prompte = prompte )

Pas 6: Configuració del temps d'execució
Si heu creat un agent amb èxit, creeu un temps d'execució per a l'agent, per a aquest 'AgentExecutor' s'utilitza com a temps d'execució per a l'agent.

agent_executor = AgentExecutor ( agent =agent, eines =eines, verbosa = Cert )

Pas 7: prova d'agent
Després de crear Runtime, ara és el moment de provar l'agent.

agent_executor.run ( 'Quantes paraules té aquesta cadena?' )

Si heu inserit la clau API correcta al pas 2, obtindreu una resposta.

Conclusió

Aquest article s'ha il·lustrat des de molts aspectes, en primer lloc, demostra què és LangChain i com funciona, després es trasllada als agents de LangChain i discuteix el propòsit dels agents a LangChain i conté informació sobre els dos tipus principals d'agents. 'Agents d'acció' i 'Agents de planificació i execució' utilitzat a LangChain i, al final, l'execució del codi ha estat establir un agent a LangChain

Què és un agent a LangChain?