Definindo nós e arestas para chamadas de função flexíveis

Projetando Sistemas Agentes com LangChain

Dilini K. Sumanapala, PhD

Founder & AI Engineer, Genverv, Ltd.

Construindo um fluxo com várias ferramentas

   

  • Várias ferramentas disponíveis

    • Palíndromo
    • Eventos históricos
    • Wikipedia

Fluxo completo do chatbot

Projetando Sistemas Agentes com LangChain

Definir funções do fluxo de trabalho

   

  • Criar uma função de parada

Nós de chatbot e ferramentas do fluxo.

Projetando Sistemas Agentes com LangChain

Definir funções do fluxo de trabalho

   

  • Criar uma função de parada

    • Verificar chamadas de ferramenta

Regras da função de parada destacadas.

Projetando Sistemas Agentes com LangChain

Definir funções do fluxo de trabalho

   

  • Criar uma função de parada

    • Verificar chamadas de ferramenta
    • Encerrar a conversa se não houver

Regras de END destacadas no fluxo

Projetando Sistemas Agentes com LangChain

Definir funções do fluxo de trabalho

   

  • Criar uma função de parada

    • Verificar chamadas de ferramenta
    • Encerrar a conversa se não houver    

  • Criar um chamador de ferramenta dinâmico

    • Retornar a resposta da ferramenta se houver chamada

Regras de Call_model destacadas.

Projetando Sistemas Agentes com LangChain

Definir funções do fluxo de trabalho

   

  • Criar uma função de parada

    • Verificar chamadas de ferramenta
    • Encerrar a conversa se não houver    

  • Criar um chamador de ferramenta dinâmico

    • Retornar a resposta da ferramenta se houver chamada
    • Invocar o LLM só com o nó do chatbot se não houver chamadas

Regras de Call_model destacadas.

Projetando Sistemas Agentes com LangChain

Definir funções do fluxo de trabalho

   

  • Criar uma função de parada

    • Verificar chamadas de ferramenta
    • Encerrar a conversa se não houver    

  • Criar um chamador de ferramenta dinâmico

    • Retornar a resposta da ferramenta se houver chamada
    • Invocar o LLM só com o nó do chatbot se não houver chamadas

  • Compilar o grafo completo

Regras de Call_model destacadas.

Projetando Sistemas Agentes com LangChain

Criar uma função de condição de parada

from langgraph.graph import MessagesState, START, END


# Use MessagesState para definir o estado da função de parada
def should_continue(state: MessagesState):


    # Pegue a última mensagem do estado
    last_message = state["messages"][-1]


    # Verifique se a última mensagem inclui chamadas de ferramenta
    if last_message.tool_calls:
        return "tools"


    # Encerre a conversa se não houver chamadas de ferramenta
    return END
Projetando Sistemas Agentes com LangChain

Criar um chamador de ferramenta dinâmico

# Extraia a última mensagem do histórico
def call_model(state: MessagesState):

    last_message = state["messages"][-1]


    # Se a última mensagem tiver chamadas de ferramenta, retorne a resposta da ferramenta
    if isinstance(last_message, AIMessage) and last_message.tool_calls:


        # Retorne as mensagens da chamada de ferramenta
        return {"messages": [AIMessage(content=last_message.tool_calls[0]["response"])]}


    # Caso contrário, prossiga com uma resposta normal do LLM
    return {"messages": [model_with_tools.invoke(state["messages"])]}
Projetando Sistemas Agentes com LangChain

Criar o grafo

workflow = StateGraph(MessagesState)
Projetando Sistemas Agentes com LangChain

Criar o grafo

workflow = StateGraph(MessagesState)


# Adicione nós para chatbot e ferramentas
workflow.add_node("chatbot", call_model)
workflow.add_node("tools", tool_node)

Nós de chatbot e ferramentas.

Projetando Sistemas Agentes com LangChain

Criar o grafo

workflow = StateGraph(MessagesState)


# Adicione nós para chatbot e ferramentas
workflow.add_node("chatbot", call_model)
workflow.add_node("tools", tool_node)


# Conecte o nó START ao chatbot
workflow.add_edge(START, "chatbot")

Adicionar nó START ao chatbot.

Projetando Sistemas Agentes com LangChain

Criar o grafo

workflow = StateGraph(MessagesState)


# Adicione nós para chatbot e ferramentas
workflow.add_node("chatbot", call_model)
workflow.add_node("tools", tool_node)


# Conecte o nó START ao chatbot
workflow.add_edge(START, "chatbot")


# Defina condições e volte para o chatbot
workflow.add_conditional_edges("chatbot", 
         should_continue, ["tools", END])

Grafo com condições adicionadas.

Projetando Sistemas Agentes com LangChain

Criar o grafo

workflow = StateGraph(MessagesState)


# Adicione nós para chatbot e ferramentas
workflow.add_node("chatbot", call_model)
workflow.add_node("tools", tool_node)


# Conecte o nó START ao chatbot
workflow.add_edge(START, "chatbot")


# Defina condições e volte para o chatbot
workflow.add_conditional_edges("chatbot", 
         should_continue, ["tools", END])

workflow.add_edge("tools", "chatbot")

Fluxo do grafo completo.

Projetando Sistemas Agentes com LangChain

Adicionando memória

# Configurar memória e compilar o fluxo
memory = MemorySaver()

app = workflow.compile(
               checkpointer=memory)


display(Image(app.get_graph()
        .draw_mermaid_png()))

Fluxo do grafo completo.

Projetando Sistemas Agentes com LangChain

Vamos praticar!

Projetando Sistemas Agentes com LangChain

Preparing Video For Download...