O que é um agente no LangChain?

A estrutura LangChain é usada para desenvolver aplicativos que utilizam modelos de linguagem. LLMs fornecem respostas gerais, eles não têm como alvo nenhum campo específico, enquanto LangChain tem o atributo mais poderoso que fornece para criar cadeias nas quais os usuários podem combinar vários componentes e fazer um único aplicativo coerente. LangChain possui muitos módulos, conexões de dados, cadeias, agentes, memória e retorno de chamada.

Neste artigo, discutiremos os agentes no LangChain de todos os aspectos possíveis

O que é um agente no LangChain?

Alguns aplicativos exigem não apenas cadeias predeterminadas, mas também uma cadeia desconhecida que depende da entrada do usuário. Para tal caso, existe um “ agente ”que acessam a ferramenta e decidem qual ferramenta é necessária de acordo com a entrada do usuário e o que ele está solicitando. Um kit de ferramentas é basicamente um conjunto de ferramentas necessárias para atingir um objetivo específico e há de 3 a 5 ferramentas em um kit de ferramentas.

Tipos de agentes LangChain

Existem dois agentes principais:

Agentes de Ação
Agentes de planejar e executar

Agentes de Ação: Esses agentes decidem as ações a serem executadas passo a passo, avaliam cada etapa e então a executam e passam para a próxima se discutirmos o pseudocódigo do agente que envolve algumas etapas

A entrada é recebida do usuário.
O agente decide a ferramenta e que tipo de ferramenta é necessária.
Essa ferramenta é chamada com ferramenta de entrada e a observação é registrada.
A ferramenta de histórico, a ferramenta de observação e a ferramenta de entrada são repassadas ao agente.
Repita o processo até que o agente decida encerrar esta ferramenta.

Agentes de planejar e executar: Esses agentes primeiro decidem qual ação tomar e depois executam todas essas ações.

A entrada do usuário é recebida.
O agente lista todas as etapas a serem executadas.
O executor percorre a lista de etapas, executando-as.

Configurando Agente

Antes de configurar o agente, você precisa instalar a versão mais recente do Pitão de acordo com seu sistema operacional.

Etapa 1: Instalando Pacotes
Primeiramente temos que estabelecer um ambiente para isso temos que instalar LangChain, google-search-resultados e openai através do “ pip ”comando:

! pip instalar cadeia de idiomas
! pip instalar resultados de pesquisa do Google
! pip instalar aberto

Importando bibliotecas necessárias:

de langchain.schema importar SystemMessage
de langchain.agents importar OpenAIFunctionsAgent, AgentExecutor
da ferramenta de importação langchain.agents
de langchain.chat_models importar ChatOpenAI
importar re
de getpass importar getpass

Etapa 2: Obtenha sua API secreta
Depois de configurar um ambiente, agora você precisa obter chaves de API secretas da plataforma OpenAI:

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

Etapa 3: ferramenta de inicialização
A seguir, vamos definir uma ferramenta, escrevendo código Python simples para obter o comprimento de uma string.

@ ferramenta
def get_word_string ( palavra:str ) - > interno:
'' 'dê-me o comprimento de uma corda.' ''
retornar apenas ( palavra )

ferramentas = [ get_word_string ]

Etapa 4: crie um modelo de prompt
Após definir a ferramenta, configure um modelo de prompt para isso utilize o “OpenAIFunctionsAgent.create_prompt()” função auxiliar que criará o modelo automaticamente.

mensagem_sistema = mensagem do sistema ( contente = 'Você é um assistente muito poderoso, mas péssimo em calcular comprimentos de barbante.' )
prompt = OpenAIFunctionsAgent.create_prompt ( mensagem_do_sistema = mensagem_do sistema )

Etapa 5: Criando Agente
Agora podemos concluir todas as peças e criar um agente usando uma função chamada “OpenAIFunctionsAgent()” .

agente = OpenAIFunctionsAgent ( llm =llm, ferramentas =ferramentas, incitar = alerta )

Etapa 6: configurando o tempo de execução
Se você criou um agente com sucesso, crie um tempo de execução para o agente, para isso “AgentExecutor” é usado como tempo de execução para o agente.

agente_executor = AgenteExecutor ( agente =agente, ferramentas =ferramentas, detalhado = Verdadeiro )

Etapa 7: teste de agente
Depois de criar o Runtime, agora é hora de testar o agente.

agente_executor.run ( 'Quantas palavras esta string tem?' )

Se você inseriu a chave de API correta na Etapa 2, receberá uma resposta.

Conclusão

Este artigo foi ilustrado sob vários aspectos, primeiro demonstra o que é LangChain e como funciona, depois passa para os agentes no LangChain e discute a finalidade dos agentes no LangChain e contém informações sobre os dois principais tipos de agentes “Agentes de Ação” e “Agentes de planejar e executar” usado no LangChain e no final da execução do código foi estabelecer um agente no LangChain

O que é um agente no LangChain?