Agentes en LangChain

Diseño de sistemas agénticos con LangChain

Dilini K. Sumanapala, PhD

Founder & AI Engineer, Genverv Ltd.

Conoce a tu instructora

    Foto de la instructora del curso.

   

  • Dilini K. Sumanapala, PhD

  • Ingeniera de IA

  • Neurociencia cognitiva

  • Aplicaciones de lenguaje natural

  • Fundadora, Genverv Ltd.

Diseño de sistemas agénticos con LangChain

Resumen de agentes y herramientas

Icono de un robot que representa a un agente

 

  • Agentes

    Sistemas autónomos que deciden y actúan

  • Herramientas

    Funciones que usan los agentes para tareas concretas
    • Consulta de datos
    • Informes de investigación
    • Análisis de datos
Diseño de sistemas agénticos con LangChain

Conceptos básicos

Cabeza de chatbot

   

  • LLM (p. ej., ChatGPT)

  • Prompts

  • Herramientas

  • API

  • LangChain

    • Crear agentes de IA
Diseño de sistemas agénticos con LangChain

Resumen del curso

    Icono de herramientas, Wikipedia y un rompecabezas con una cara humana.

   

  • Problemas de matemáticas

  • Búsqueda en Wikipedia

  • Cambiar entre herramientas y LLM

Diseño de sistemas agénticos con LangChain

Diagrama de un cerebro y un bocadillo con consulta y razonamiento.

Diseño de sistemas agénticos con LangChain

Diagrama de un cerebro, engranajes de acción y un bocadillo con consulta y razonamiento, acción y respuesta.

Diseño de sistemas agénticos con LangChain

Diagrama de un cerebro y engranajes con un bocadillo que representa los componentes de un agente ReAct, con la etiqueta ReAct debajo.

Diseño de sistemas agénticos con LangChain

Mejorar la precisión de las respuestas

    Captura de pantalla de una respuesta matemática inexacta de una conversación anterior con ChatGPT. Se añadió la respuesta correcta "483" al pie de la imagen.

   

  • Programación

  • Matemáticas

1 https://community.openai.com/t/chatgpt-simple-math-calculation-mistake/62780
Diseño de sistemas agénticos con LangChain

Dividir problemas

  Diagrama de operadores matemáticos.

 

Orden de operaciones

1. Paréntesis

2. Exponentes

3. Multiplicación/División

4. Suma/Resta

Diseño de sistemas agénticos con LangChain

Ampliar agentes con LangGraph

      Diagrama de un flujograma genérico a la izquierda con el logo de LangGraph a la derecha.

Diseño de sistemas agénticos con LangChain

Estructuras de grafos

    Diagrama de un flujograma con tres iconos de documentos debajo que representan el resultado de los «edges».

     

Nodos

  • Consultar la base de datos

  • Devolver el documento

     

Aristas

Reglas que conectan nodos

Diseño de sistemas agénticos con LangChain

Crear un agente ReAct

# Module imports

from langchain_core.tools import tool

from langchain_openai import ChatOpenAI

from langgraph.prebuilt import create_react_agent

import math


# LLM Setup
model = ChatOpenAI(openai_api_key="<OPENAI_API_TOKEN">, model="gpt-4o-mini")
Diseño de sistemas agénticos con LangChain

Crear un agente ReAct

# Create the agent
agent = create_react_agent(model, tools)


# Create a query
query = "What is (2+8) multiplied by 9?"


# Invoke the agent and print the response
response = agent.invoke({"messages": [("human", query)]})


# Print the agent's response
print(response['messages'][-1].content)

<script.py> output:
    The result of (2 + 8) multiplied by 9 is 90.
Diseño de sistemas agénticos con LangChain

¡Vamos a practicar!

Diseño de sistemas agénticos con LangChain

Preparing Video For Download...