Hva er en agent i LangChain?

LangChain-rammeverket brukes til å utvikle apper som bruker språkmodeller. LLM-er gir generelle svar, de retter seg ikke mot noe spesifikt felt mens LangChain har den kraftigste egenskapen den gir for å lage kjeder der brukere kan kombinere flere komponenter sammen og lage en enkelt sammenhengende applikasjon. LangChain har mange moduler, datatilkoblinger, kjeder, agenter, minne og tilbakeringing.

I denne artikkelen vil vi diskutere agenter i LangChain fra alle mulige aspekter

Hva er en agent i LangChain?

Noen applikasjoner krever ikke bare forhåndsbestemte kjeder, men de krever en ukjent kjede som avhenger av brukerens input. For et slikt tilfelle er det en ' middel ” som får tilgang til verktøyet og bestemmer hvilket verktøy som kreves i henhold til brukerens innspill og hva han eller hun ber om. Et verktøysett er i utgangspunktet et sett med verktøy som er nødvendig for å gjøre et spesifikt mål, og det er 3-5 verktøy i en verktøykasse.

Typer Langkjede-agenter

Det er to hovedagenter:

Aksjonsagenter
Planlegg og utfør agenter

Handlingsagenter: Disse agentene bestemmer handlinger som skal utføres trinn for trinn, evaluerer hvert trinn og utfører det deretter og går videre til neste hvis vi diskuterer pseudokoden til agenten som involverer noen få trinn

Inndata mottas fra brukeren.
Agenten bestemmer verktøyet og hvilken type verktøy som kreves.
Det verktøyet kalles opp med inndataverktøy og observasjon registreres.
Historieverktøyet, observasjonsverktøyet og inndataverktøyet sendes tilbake til agenten.
Gjenta prosessen til agenten bestemmer seg for å avslutte dette verktøyet.

Planlegg og utfør agenter: Disse agentene bestemmer seg først for en handling som skal utføres, og utfører deretter alle disse handlingene.

Brukerinnspill mottas.
Agenten lister opp alle trinnene som skal utføres.
Eksekutøren går gjennom listen over trinn og utfører dem.

Sette opp agent

Før du setter opp agenten må du installere den nyeste versjonen av Python i henhold til ditt operativsystem.

Trinn 1: Installere pakker
For det første må vi etablere et miljø for dette, vi må installere LangChain, google-search-resultater og åpne gjennom ' pip ' kommando:

! pip installere langkjede
! pip installere google-søk-resultater
! pip installere openai

Importere nødvendige biblioteker:

fra langchain.schema import SystemMessage
fra langchain.agents importerer OpenAIFunctionsAgent, AgentExecutor
fra langchain.agents importverktøy
fra langchain.chat_models importer ChatOpenAI
import vedr
fra getpass import getpass

Trinn 2: Skaff deg Secret API
Etter å ha satt opp et miljø, må du nå hente hemmelige API-nøkler fra OpenAI-plattformen:

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

Trinn 3: Initialiseringsverktøy
La oss deretter definere et verktøy, skrive enkel Python-kode for å få lengden på en streng.

@ verktøy
def get_word_string ( ord: str ) - > int:
'' 'gi meg lengden på en streng.' ''
komme tilbake bare ( ord )

verktøy = [ get_word_string ]

Trinn 4: Lag en ledetekstmal
Etter å ha definert verktøyet, sett opp en ledetekstmal for denne bruken 'OpenAIFunctionsAgent.create_prompt()' hjelpefunksjon som oppretter malen automatisk.

system_message = SystemMessage ( innhold = 'Du er en veldig kraftig assistent, men dårlig til å beregne lengder på streng.' )
prompt = OpenAIFunctionsAgent.create_prompt ( system_melding =systemmelding )

Trinn 5: Oppretting av agent
Nå kan vi avslutte alle brikkene og lage en agent ved å bruke en funksjon kalt 'OpenAIFunctionsAgent()' .

agent = OpenAIFunctionsAgent ( llm =llm, verktøy =verktøy, ledetekst =spørsmål )

Trinn 6: Sette opp kjøretid
Hvis du har opprettet en agent vellykket, må du opprette en kjøretid for agenten, for dette brukes 'AgentExecutor' som en kjøretid for agenten.

agent_executor = AgentExecutor ( middel =agent, verktøy =verktøy, ordrik =Sant )

Trinn 7: Agenttesting
Etter å ha opprettet Runtime, er det nå på tide å teste agenten.

agent_executor.run ( 'Hvor mange ord har denne strengen?' )

Hvis du har satt inn en riktig API-nøkkel i trinn 2, vil du få svar.

Konklusjon

Denne artikkelen har blitt illustrert fra mange aspekter, først demonstrerer den hva som er LangChain, og hvordan den fungerer, deretter flyttes den til agenter i LangChain, og diskuterer formålet med agentene i LangChain og inneholder informasjon om de to hovedtypene agenter 'Aksjonsagenter' og 'Planlegg og utfør agenter' brukt i LangChain og på slutten kodeutførelse har vært å etablere en agent i LangChain

Hva er en agent i LangChain?