Was ist ein Agent in LangChain?

Das LangChain-Framework wird zur Entwicklung von Apps verwendet, die Sprachmodelle verwenden. LLMs geben allgemeine Antworten, sie zielen nicht auf ein bestimmtes Feld ab, während LangChain über die leistungsstärkste Eigenschaft verfügt, die es bietet, Ketten zu erstellen, in denen Benutzer mehrere Komponenten miteinander kombinieren und eine einzige kohärente Anwendung erstellen können. LangChain verfügt über viele Module, Datenverbindungen, Ketten, Agenten, Speicher und Rückrufe.

In diesem Artikel werden wir Agenten in LangChain aus allen möglichen Aspekten diskutieren

Was ist ein Agent in LangChain?

Einige Anwendungen erfordern nicht nur vorgegebene Ketten, sondern eine unbekannte Kette, die von der Eingabe des Benutzers abhängt. Für einen solchen Fall gibt es ein „ Agent ” Wer auf das Tool zugreift und anhand der Eingaben des Benutzers und seiner Anforderungen entscheidet, welches Tool erforderlich ist. Ein Toolkit ist im Grunde eine Reihe von Werkzeugen, die zur Erreichung eines bestimmten Ziels benötigt werden. Ein Toolkit besteht aus 3–5 Werkzeugen.

Arten von LangChain-Agenten

Es gibt zwei Hauptakteure:

Aktionsagenten
Agenten planen und ausführen

Aktionsagenten: Diese Agenten entscheiden Schritt für Schritt über zu ergreifende Maßnahmen, bewerten jeden Schritt, führen ihn dann aus und fahren mit dem nächsten fort, wenn wir den Pseudocode des Agenten besprechen, der einige Schritte umfasst

Eingaben werden vom Benutzer empfangen.
Der Agent entscheidet über das Werkzeug und welche Art von Werkzeug benötigt wird.
Dieses Tool wird mit dem Eingabetool aufgerufen und die Beobachtung wird aufgezeichnet.
Das Verlaufstool, das Beobachtungstool und das Eingabetool werden an den Agenten zurückgegeben.
Wiederholen Sie den Vorgang, bis der Agent beschließt, dieses Tool zu beenden.

Plan-and-Execute-Agenten: Diese Agenten entscheiden zunächst über eine durchzuführende Aktion und führen dann alle diese Aktionen aus.

Benutzereingaben werden empfangen.
Der Agent listet alle auszuführenden Schritte auf.
Der Ausführende geht die Liste der Schritte durch und führt sie aus.

Agent einrichten

Bevor Sie den Agenten einrichten, müssen Sie die neueste Version installieren Python entsprechend Ihrem Betriebssystem.

Schritt 1: Pakete installieren
Zuerst müssen wir eine Umgebung dafür einrichten. Wir müssen LangChain, Google-Suchergebnisse und OpenAI über „ Pip ' Befehl:

! Pip Installieren langchain
! Pip Installieren Google-Suchergebnisse
! Pip Installieren openai

Erforderliche Bibliotheken importieren:

aus langchain.schema SystemMessage importieren
aus langchain.agents importieren OpenAIFunctionsAgent, AgentExecutor
aus dem Importtool langchain.agents
aus langchain.chat_models ChatOpenAI importieren
Import bzgl
aus getpass getpass importieren

Schritt 2: Holen Sie sich Ihre Secret API
Nachdem Sie eine Umgebung eingerichtet haben, müssen Sie nun geheime API-Schlüssel von der OpenAI-Plattform erhalten:

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

Schritt 3: Tool initialisieren
Als Nächstes definieren wir ein Tool und schreiben einfachen Python-Code, um die Länge einer Zeichenfolge zu ermitteln.

@ Werkzeug
def get_word_string ( Wort: str ) - > int:
„“ „Gib mir die Länge einer Schnur.“ „“
zurückkehren nur ( Wort )

Werkzeuge = [ get_word_string ]

Schritt 4: Erstellen Sie eine Eingabeaufforderungsvorlage
Nachdem Sie das Tool definiert haben, richten Sie eine Eingabeaufforderungsvorlage für diese Verwendung ein „OpenAIFunctionsAgent.create_prompt()“ Hilfsfunktion, die die Vorlage automatisch erstellt.

system_message = SystemMessage ( Inhalt = „Sie sind ein sehr leistungsfähiger Assistent, aber schlecht darin, die Länge von Schnüren zu berechnen.“ )
prompt = OpenAIFunctionsAgent.create_prompt ( Systemnachricht =system_message )

Schritt 5: Agent erstellen
Jetzt können wir alle Teile abschließen und einen Agenten erstellen, indem wir eine Funktion namens verwenden “OpenAIFunctionsAgent()” .

agent = OpenAIFunctionsAgent ( llm =llm, Werkzeuge =Werkzeuge, prompt =aufforderung )

Schritt 6: Runtime einrichten
Wenn Sie einen Agenten erfolgreich erstellt haben, erstellen Sie eine Laufzeit für den Agenten. Dabei wird „AgentExecutor“ als Laufzeit für den Agenten verwendet.

agent_executor = AgentExecutor ( Agent =Agent, Werkzeuge =Werkzeuge, ausführlich =Wahr )

Schritt 7: Agententests
Nachdem Sie Runtime erstellt haben, ist es nun an der Zeit, den Agenten zu testen.

agent_executor.run ( „Wie viele Wörter hat diese Zeichenfolge?“ )

Wenn Sie in Schritt 2 den richtigen API-Schlüssel eingegeben haben, erhalten Sie eine Antwort.

Abschluss

Dieser Artikel wurde unter vielen Aspekten illustriert. Zunächst wird gezeigt, was LangChain ist und wie es funktioniert. Dann geht er auf Agenten in LangChain über, erörtert den Zweck der Agenten in LangChain und enthält Informationen über die beiden Haupttypen von Agenten „Aktionsagenten“ Und „Plan-and-Execute-Agenten“ Wird in LangChain verwendet und am Ende dient die Codeausführung dazu, einen Agenten in LangChain einzurichten

Was ist ein Agent in LangChain?