使用Robocorp Toolkit扩展AI能力：从安装到实现-CSDN博客

本文链接：https://blog.csdn.net/dfvcbipanjr/article/details/142753072

引言

在AI技术快速发展的今天，定制化操作让我们的AI助手和协作系统更具竞争力。Robocorp提供了一种简单的方法来实现这一点，通过其Action Server和LangChain集成，让我们可以轻松地扩展AI的功能。本篇文章将引导您如何使用Robocorp Action Server和LangChain快速上手。

主要内容

安装

首先，请参阅Robocorp快速开始指南，了解如何设置Action Server并创建自定义动作。

接着，在您的LangChain应用中安装langchain-robocorp包：

# 安装包
%pip install --upgrade --quiet langchain-robocorp

创建Action Server

按照快速开始指南创建新Action Server，您将获得包含action.py的目录。我们可以在其中添加Python函数作为操作。

示例函数

在action.py中添加以下函数：

@action
def get_weather_forecast(city: str, days: int, scale: str = "celsius") -> str:
    """
    返回指定城市的天气预报。

    参数:
        city (str): 目标城市
        days (int): 天数
        scale (str): 温度尺度，可选值为 "celsius" 或 "fahrenheit"

    返回:
        str: 请求的天气预报
    """
    return "75F and sunny :)"

启动服务器：

action-server start

你应该会看到：

Found new action: get_weather_forecast

本地测试

通过访问http://localhost:8080可以使用UI来运行该函数进行测试。

环境设置

可选地，您可以设置以下环境变量：

LANGCHAIN_TRACING_V2=true: 启用LangSmith日志跟踪。详细信息请参考LangSmith文档。

使用

在本地启动的Action Server运行于http://localhost:8080。以下是使用示例：

from langchain.agents import AgentExecutor, OpenAIFunctionsAgent
from langchain_core.messages import SystemMessage
from langchain_openai import ChatOpenAI
from langchain_robocorp import ActionServerToolkit

# 初始化LLM聊天模型
llm = ChatOpenAI(model="gpt-4", temperature=0)

# 初始化Action Server Toolkit
toolkit = ActionServerToolkit(url="http://localhost:8080", report_trace=True) # 使用API代理服务提高访问稳定性
tools = toolkit.get_tools()

# 初始化Agent
system_message = SystemMessage(content="You are a helpful assistant")
prompt = OpenAIFunctionsAgent.create_prompt(system_message)
agent = OpenAIFunctionsAgent(llm=llm, prompt=prompt, tools=tools)

executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

executor.invoke("What is the current weather today in San Francisco in fahrenheit?")

单一输入工具

默认情况下，toolkit.get_tools()返回结构化工具。如需返回单一输入工具，传入一个用于处理输入的聊天模型：

# 初始化单一输入Action Server Toolkit
toolkit = ActionServerToolkit(url="http://localhost:8080")
tools = toolkit.get_tools(llm=llm)

常见问题和解决方案

网络连接问题：在某些地区，由于网络限制，可能需要使用API代理服务来提高访问稳定性。
环境配置错误：确保依赖项安装正确，并按照文档配置环境变量。

总结和进一步学习资源

Robocorp Toolkit为扩展AI功能提供了强大的工具和直观的接口。通过本文的指导，您可以快速实现自定义操作并与LangChain无缝连接。如需进一步学习，建议查看Robocorp官方文档。

参考资料

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

—END—