前言
利用langchain快速实现一个使用tool的agent
langchain agent相关的文章
以下都值得花时间看看
- 提供的内置tools:https://python.langchain.com/v0.2/docs/integrations/tools/
- agent的类型:https://python.langchain.com/v0.1/docs/modules/agents/agent_types/
-
agent类:https://api.python.langchain.com/en/latest/agents/langchain.agents.agent.AgentExecutor.html
-
tool类:https://api.python.langchain.com/en/latest/tools/langchain_core.tools.BaseTool.html#langchain_core.tools.BaseTool
-
自定义tools:https://python.langchain.com/v0.2/docs/how_to/custom_tools/
-
tool的集合:https://api.python.langchain.com/en/latest/tools/langchain_core.tools.BaseToolkit.html#langchain_core.tools.BaseToolkit
自定义tool
主要有两种方式
继承baseTool
from typing import Type, Optional
from langchain_core.tools import BaseTool
from langchain_core.pydantic_v1 import BaseModel, Field
from langchain.tools import tool
class AddInput(BaseModel):
a: int = Field(description="first number")
b: int = Field(description="second number")
class AddTool(BaseTool):
name = "add"
description = "Adds two numbers together"
args_schema: Optional[Type[BaseModel]] = AddInput
return_direct: bool = True
def _run(
self, a: int, b: int,
) -> int:
return a + b
add_tool = AddTool()
print(add_tool.name)
print(add_tool.description)
print(add_tool.args)
输出
add
Adds two numbers together
{'a': {'title': 'A', 'description': 'first number', 'type': 'integer'}, 'b': {'title': 'B', 'description': 'second number', 'type': 'integer'}}
可以看下BaseTool这个基类, 就豁然开朗,知道咋用了:
-
name tool的名字,最好直接清晰的表达目的
-
description 主要作用就是描述如何为何要用这个tool, 让llm知道什么时间用这个tool,可以加入一些few shot example
-
args_schema:tool的输入参数
其中只有一个abstract method:
这里实现tool的主要逻辑
tool装饰器
还有一种更为简单的方式来定义tool,直接用装饰器
@tool
def add(a: int, b: int) -> int:
"""Adds two numbers together"""
return a + b
print(add.name)
print(add.description)
print(add.args)
这里直接会把a和b参数进行包装,且"""之间的即为 description
输出:
add
Adds two numbers together
{'a': {'title': 'A', 'type': 'integer'}, 'b': {'title': 'B', 'type': 'integer'}}
math agent example
实现一个可以做一些数学题的agent
这里只实现两个tool,一个是+一个是✖️
@tool
def add(a: int, b: int) -> int:
"""Adds two numbers together"""
return a + b
@tool
def multipy(a: int, b: int) -> int:
"""Multiply two numbers"""
return a * b
定义好tool之后,可以将tool按照toolkit进行管理
class MathToolkit(BaseToolkit):
def get_tools(self) -> list[BaseAgentTool]:
return [
add,
multipy
]
之后完成后面几步,就可以和agent进行沟通了,加上前面的步骤,主要需要实现:
-
定义tool
-
用toolkit进行分类管理
-
实例化llm
-
创建prompt
-
利用tool + llm + prompt创建agent
-
利用agent + tool创建agent executor
from typing import Type, Optional, List, Callable, Any
from docmesh_agent.tools.base import BaseAgentTool
from langchain.agents import create_tool_calling_agent, AgentExecutor
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain.tools import tool
from langchain_core.tools import BaseToolkit
@tool
def add(a: int, b: int) -> int:
"""Adds two numbers together"""
return a + b
@tool
def multipy(a: int, b: int) -> int:
"""Multiply two numbers"""
return a * b
class MathToolkit(BaseToolkit):
def get_tools(self) -> list[BaseAgentTool]:
return [
add,
multipy
]
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-2024-05-13")
prompt = ChatPromptTemplate.from_messages(
[
("system", """
You are a mathematical assistant. Use your tools to answer questions.
If you do not have a tool to answer the question, say so.
Return only the answers. e.g
Human: What is 1 + 1?
You: 2
"""),
MessagesPlaceholder("chat_history", optional=True),
("human", "{input}"),
MessagesPlaceholder("agent_scratchpad"),
]
)
tools = [
*MathToolkit().get_tools()
]
agent = create_tool_calling_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
result = agent_executor.invoke({"input": "what is (1 + 3) * 6"})
print(result)
这里prompt设计,如果其他问题会拒答,得不到答案,按照目前的执行,打印log:
如果问一个非数学问题:
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
result = agent_executor.invoke({"input": "What is the time now ?"})
print(result)
如何学习AI大模型?
作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
![](https://img-blog.csdnimg.cn/img_convert/ee68d3dc2485292c4fc66e7a3788a0ba.png)
一、全套AGI大模型学习路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。