Apa itu Agen di LangChain?

Kerangka LangChain digunakan untuk mengembangkan aplikasi yang memanfaatkan model bahasa. LLM memberikan tanggapan umum, mereka tidak menargetkan bidang tertentu sementara LangChain memiliki atribut paling kuat yang disediakan untuk membuat rantai di mana pengguna dapat menggabungkan beberapa komponen bersama-sama dan membuat satu aplikasi yang koheren. LangChain memiliki banyak modul, koneksi data, rantai, agen, memori, dan panggilan balik.

Pada artikel ini, kita akan membahas agen di LangChain dari semua aspek yang memungkinkan

Apa itu Agen di LangChain?

Beberapa aplikasi tidak hanya memerlukan rantai yang telah ditentukan sebelumnya tetapi juga memerlukan rantai yang tidak diketahui yang bergantung pada masukan pengguna. Untuk kasus seperti itu, ada “ agen ” yang mengakses alat tersebut dan memutuskan alat mana yang diperlukan berdasarkan masukan pengguna dan apa yang dimintanya. Toolkit pada dasarnya adalah seperangkat alat yang diperlukan untuk melakukan tujuan tertentu dan ada 3-5 alat dalam satu toolkit.

Jenis Agen LangChain

Ada dua agen utama:

Agen Aksi
Agen Rencanakan dan Jalankan

Agen Aksi: Agen-agen ini memutuskan tindakan yang akan diambil langkah demi langkah, mengevaluasi setiap langkah dan kemudian mengeksekusinya dan melanjutkan ke langkah berikutnya jika kita membahas kode semu agen yang melibatkan beberapa langkah

Masukan diterima dari pengguna.
Agen memutuskan alat dan jenis alat apa yang dibutuhkan.
Alat itu disebut dengan alat masukan dan pengamatannya dicatat.
Alat riwayat, alat observasi, dan alat masukan diteruskan kembali ke agen.
Ulangi proses ini hingga agen memutuskan untuk keluar dari alat ini.

Agen Rencanakan dan Jalankan: Agen-agen ini pertama-tama memutuskan tindakan yang akan diambil, dan kemudian melaksanakan semua tindakan tersebut.

Masukan pengguna diterima.
Agen mencantumkan semua langkah yang harus dijalankan.
Pelaksana memeriksa daftar langkah-langkah, melaksanakannya.

Menyiapkan Agen

Sebelum menyiapkan agen, Anda perlu menginstal versi terbaru ular piton sesuai dengan sistem operasi Anda.

Langkah 1: Menginstal Paket
Pertama, kita harus membangun lingkungan untuk ini kita harus menginstal LangChain, hasil pencarian google, dan openai melalui “ pip ' memerintah:

! pip Install rantailang
! pip Install hasil-pencarian-google
! pip Install terbuka

Mengimpor perpustakaan yang diperlukan:

dari langchain.schema impor SystemMessage
dari langchain.agents impor OpenAIFunctionsAgent, AgentExecutor
dari alat impor langchain.agents
dari langchain.chat_models impor ChatOpenAI
impor ulang
dari getpass impor getpass

Langkah 2: Dapatkan API Rahasia Anda
Setelah menyiapkan lingkungan, sekarang Anda harus mendapatkan kunci API rahasia dari Platform OpenAI:

openai_api_key = dapatkan pass ( )
llm = ObrolanOpenAI ( openai_api_key =openai_api_key, suhu = 0 )

Langkah 3: Menginisialisasi Alat
Selanjutnya mari kita definisikan sebuah alat, menulis kode Python sederhana untuk mendapatkan panjang sebuah string.

@ alat
def get_word_string ( kata: str ) - > ke dalam:
'' 'Beri aku panjang seutas tali.' ''
kembali hanya ( kata )

alat = [ dapatkan_kata_string ]

Langkah 4: Buat Templat Prompt
Setelah Mendefinisikan alat, atur Templat Prompt untuk menggunakan ini “OpenAIFunctionsAgent.create_prompt()” fungsi pembantu yang akan membuat template secara otomatis.

system_message = Pesan Sistem ( isi = 'Kamu asisten yang sangat hebat, tapi buruk dalam menghitung panjang tali.' )
prompt = OpenAIFunctionsAgent.create_prompt ( pesan sistem =pesan_sistem )

Langkah 5: Membuat Agen
Sekarang kita dapat menyimpulkan semua bagian dan membuat agen dengan menggunakan fungsi yang disebut “Agen Fungsi OpenAI()” .

agen = OpenAIFunctionsAgent ( llm =llm, peralatan =alat, mengingatkan =cepat )

Langkah 6: Menyiapkan Waktu Proses
Jika sudah berhasil membuat agen maka buatlah runtime untuk agen tersebut, untuk itu “AgentExecutor” digunakan sebagai runtime untuk agen tersebut.

agent_executor = AgenExecutor ( agen =agen, peralatan =alat, bertele-tele = Benar )

Langkah 7: Pengujian Agen
Setelah membuat Runtime, sekarang saatnya menguji agennya.

agen_executor.run ( “Berapa banyak kata yang dimiliki string ini?” )

Jika Anda telah memasukkan kunci API yang benar pada Langkah 2, Anda akan mendapat respons.

Kesimpulan

Artikel ini telah diilustrasikan dari banyak aspek, pertama menunjukkan apa itu LangChain, dan cara kerjanya, kemudian beralih ke agen di LangChain, dan membahas tujuan agen di LangChain dan berisi informasi tentang dua jenis agen utama. “Agen Aksi” Dan “Agen Rencana dan Jalankan” digunakan di LangChain dan pada akhir eksekusi kode telah membentuk agen di LangChain

Apa itu Agen di LangChain?