Agentische Systeme mit LangChain entwerfen
Dilini K. Sumanapala, PhD
Founder & AI Engineer, Genverv, Ltd.


Agent: Der 5. November ist berühmt für die Pulververschwörung ...
string == string[::-1] Agent: Ja, „madam“ ist ein Palindrom ...
# Mit Decorator das Tool kennzeichnen und Eingabeformat auf String setzen @tooldef date_checker(date: str) -> str:"""Wichtige historische Ereignisse für ein Datum in beliebigem Format liefern."""try: # LLM aufrufen, um das Datum zu interpretieren und Ereignisse zu generieren answer = llm.invoke(f"List important historical events that occurred on {date}.")# Antwort zurückgeben return answer.content# Ausnahmeblock für Abruffehler except Exception as e: return f"Error retrieving events: {str(e)}"
@tool# Eingabeformat auf String setzen def check_palindrome(text: str):"""Prüft, ob ein Wort oder Satz ein Palindrom ist."""# Nicht-alphanumerische Zeichen entfernen und in Kleinbuchstaben umwandeln cleaned = ''.join(char.lower() for char in text if char.isalnum())# Prüfen, ob der umgekehrte Text dem Original entspricht if cleaned == cleaned[::-1]: return f"Die Wort- oder Satzfolge '{text}' ist ein Palindrom." else: return f"Die Wort- oder Satzfolge '{text}' ist kein Palindrom."
# Module zum Definieren von Tool-Knoten importieren from langgraph.prebuilt import ToolNode# Liste der Tools tools = [wikipedia_tool, date_checker, check_palindrome]# Tools an ToolNode() übergeben tool_node = ToolNode(tools)# Tools an das LLM binden model_with_tools = llm.bind_tools(tools)
Agentische Systeme mit LangChain entwerfen