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 SystemMessagedari 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:
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.
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.
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()” .
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.
Langkah 7: Pengujian Agen
Setelah membuat Runtime, sekarang saatnya menguji agennya.
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