Agents dans LangChain

Concevoir des systèmes agentiques avec LangChain

Dilini K. Sumanapala, PhD

Founder & AI Engineer, Genverv Ltd.

Rencontrez votre instructrice

    Photo de l’instructrice du cours.

   

  • Dilini K. Sumanapala, PhD

  • Ingénieure IA

  • Neurosciences cognitives

  • Applications en langue naturelle

  • Fondatrice, Genverv Ltd.

Concevoir des systèmes agentiques avec LangChain

Vue d’ensemble des agents et outils

Icône d’un robot représentant un agent

 

  • Agents

    Systèmes autonomes qui décident et agissent

  • Outils

    Fonctions qu’utilisent les agents pour des tâches précises
    • Requête de données
    • Rapports de recherche
    • Analyse de données
Concevoir des systèmes agentiques avec LangChain

Concepts de base

Tête de chatbot

   

  • LLM (p. ex., ChatGPT)

  • Prompts

  • Outils

  • API

  • LangChain

    • Créer des agents IA
Concevoir des systèmes agentiques avec LangChain

Aperçu du cours

    Icône d’outils, de Wikipédia et d’un puzzle en forme de visage humain.

   

  • Problèmes de maths

  • Recherche Wikipédia

  • Alterner entre outils et LLM

Concevoir des systèmes agentiques avec LangChain

Schéma d’un cerveau et d’une bulle de dialogue avec requête et raisonnement.

Concevoir des systèmes agentiques avec LangChain

Schéma d’un cerveau, d’engrenages d’action, et d’une bulle avec requête et raisonnement, action et réponse.

Concevoir des systèmes agentiques avec LangChain

Schéma d’un cerveau et d’engrenages avec une bulle représentant les composants d’un agent ReAct, avec le label ReAct en dessous.

Concevoir des systèmes agentiques avec LangChain

Améliorer la précision des réponses

    Capture d’une réponse de calcul erronée d’une ancienne conversation ChatGPT. Réponse correcte « 483 » ajoutée en bas de l’image.

   

  • Codage

  • Maths

1 https://community.openai.com/t/chatgpt-simple-math-calculation-mistake/62780
Concevoir des systèmes agentiques avec LangChain

Décomposer les problèmes

  Schéma d’opérateurs mathématiques.

 

Ordre des opérations

1. Parenthèses

2. Exposants

3. Multiplication/Division

4. Addition/Soustraction

Concevoir des systèmes agentiques avec LangChain

Étendre les agents avec LangGraph

      Schéma d’un organigramme générique à gauche avec le logo LangGraph à droite.

Concevoir des systèmes agentiques avec LangChain

Structures de graphe

    Schéma d’un organigramme avec trois icônes de document en dessous représentant le résultat des « edges ».

     

Nœuds

  • Interroger la base de données

  • Renvoyer le document

     

Arêtes

Règles reliant les nœuds

Concevoir des systèmes agentiques avec LangChain

Créer un agent 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")
Concevoir des systèmes agentiques avec LangChain

Créer un agent 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.
Concevoir des systèmes agentiques avec LangChain

Passons à la pratique !

Concevoir des systèmes agentiques avec LangChain

Preparing Video For Download...