使用Robocorp Toolkit扩展AI代理功能的完整指南

qq_37836323

于 2024-09-15 18:51:41 发布

阅读量194

点赞数 2

文章标签：人工智能 python

本文链接：https://blog.csdn.net/qq_29929123/article/details/142287362

版权

# 引言

在当今快速发展的技术世界中，AI代理和助理正在逐步改变我们的工作方式。Robocorp Toolkit为开发者提供了一个简单的方法，通过自定义操作扩展AI代理的功能。本篇文章将介绍如何使用Robocorp Action Server和LangChain来实现这一目标。

# 主要内容

## 安装

要开始使用Robocorp Action Server，首先请参阅[Robocorp快速入门](https://robocorp.com/docs)指南以设置Action Server并创建自定义动作。在你的LangChain应用中，可以通过以下命令安装`langchain-robocorp`包：

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

创建Action Server

按照快速入门指南创建新的Action Server，这会生成一个包含action.py文件的目录。我们可以在action.py中添加Python函数作为自定义操作。例如，一个获取天气预报的函数：

from robocorp.actions import action

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

    Args:
        city (str): 目标城市
        days: 预报天数
        scale (str): 温度单位，"celsius"或"fahrenheit"

    Returns:
        str: 天气预报
    """
    return "75F and sunny :)"

启动服务器：

action-server start

成功启动后，你应能看到输出显示已发现新动作：get_weather_forecast。

环境设置

可以选择设置以下环境变量：

LANGCHAIN_TRACING_V2=true：启用LangSmith日志记录以关联到相应的Action Server动作运行日志。

使用

本地启动的Action Server运行在http://localhost:8080。下面是如何在LangChain中使用它：

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()

# 初始化代理
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?")