Présentation des agents LangChain

Développement d'applications LLM avec LangChain

Jonathan Bennion

AI Engineer & LangChain Contributor

Que sont les agents ?

Agents : utiliser les LLM pour prendre des mesures

Outils : fonctions appelées par l'agent

Maintenant → Agent ReAct

](https://assets.datacamp.com/production/repositories/6487/datasets/d449706c001207ba08ff03d42269ce7dfc3afc6a/Screenshot%202024-06-13%20at%2010.11.12.png)Un agent qui prend une décision concernant l'outil à utiliser en fonction des informations fournies par l'utilisateur.

Agents ReAct

Reason + Act

Quel temps fait-il à Kingston, en Jamaïque ?

Thought: I should call Weather() to find the
weather in Kingston, Jamaica.


Act: Weather("Kingston, Jamaica")


Observe: The weather is mostly sunny with
temperatures of 82°F.

Une boucle de réflexion, d'action et d'observation.

LangGraph

Logo LangGraph.

Branche de LangChain axée sur la conception de systèmes d'agents
Syntaxe unifiée et indépendante des outils
pip install langgraph==0.2.74

Agent ReAct

from langgraph.prebuilt import create_react_agent
from langchain_community.agent_toolkits.load_tools import load_tools


llm = ChatOpenAI(model="gpt-4o-mini", api_key=openai_api_key)
tools = load_tools(["llm-math"], llm=llm)

agent = create_react_agent(llm, tools)


messages = agent.invoke({"messages": [("human", "What is the square root of 101?")]})

print(messages)

Agent ReAct

{'messages': [
    HumanMessage(content='What is the square root of 101?', ...),
    AIMessage(content='', ..., tool_calls=[{'name': 'Calculator', 'args': {'__arg1': 'sqrt(101)'}, ...),
    ToolMessage(content='Answer: 10.04987562112089', ...),
    AIMessage(content='The square root of 101 is approximately 10.05.', ...)
]}

print(messages['messages'][-1].content)

The square root of 101 is approximately 10.05.

Passons à la pratique !

Développement d'applications LLM avec LangChain