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