打造智能工具链：如何在AI应用中连接与运用多个工具

akhfuiigabv

于 2024-10-03 16:21:01 发布

阅读量162

点赞数 3

文章标签：人工智能 python

本文链接：https://blog.csdn.net/akhfuiigabv/article/details/142693069

版权

# 引言

在现代AI应用中，单凭生成文本输出已经无法满足复杂业务需求。通过创建工具链和智能代理，AI模型能够调用API、函数、数据库等工具，扩展其能力。本文将带您深入了解如何在AI模型中创建和运用工具链，以提升功能的广度和深度。

# 主要内容

## 1. 环境设置

要开始本指南，首先需要安装以下包：

```bash
%pip install --upgrade --quiet langchain

如需启用LangSmith运行跟踪，请配置以下环境变量：

import os
import getpass

# os.environ["LANGCHAIN_TRACING_V2"] = "true"
# os.environ["LANGCHAIN_API_KEY"] = getpass.getpass()

2. 创建工具

我们将创建一个自定义工具，该工具用于调用一个简单的乘法函数：

from langchain_core.tools import tool

@tool
def multiply(first_int: int, second_int: int) -> int:
    """Multiply two integers together."""
    return first_int * second_int

工具创建完毕，我们可以调用并查看工具的基本信息：

print(multiply.name)
print(multiply.description)
print(multiply.args)

multiply.invoke({"first_int": 4, "second_int": 5})  # 输出：20

3. 创建工具链

工具链用于固定次数调用工具。例如，简单的乘法链：

from operator import itemgetter

chain = llm_with_tools | (lambda x: x.tool_calls[0]["args"]) | multiply
chain.invoke("What's four times 23")  # 输出：92

4. 使用智能代理

代理可以根据输入动态决定工具的使用顺序和次数。我们将创建一个可以调用多个工具的代理：

from langchain import hub
from langchain.agents import AgentExecutor, create_tool_calling_agent

@tool
def add(first_int: int, second_int: int) -> int:
    "Add two integers."
    return first_int + second_int

@tool
def exponentiate(base: int, exponent: int) -> int:
    "Exponentiate the base to the exponent power."
    return base**exponent

tools = [multiply, add, exponentiate]

agent = create_tool_calling_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

agent_executor.invoke({"input": "Take 3 to the fifth power and multiply that by the sum of twelve and three, then square the whole result"})