Agent in LangChain

Progettare sistemi agentici con LangChain

Dilini K. Sumanapala, PhD

Founder & AI Engineer, Genverv Ltd.

Conosci la tua docente

    Foto della docente del corso.

   

  • Dilini K. Sumanapala, PhD

  • AI Engineer

  • Neuroscienze cognitive

  • Applicazioni del linguaggio naturale

  • Founder, Genverv Ltd.

Progettare sistemi agentici con LangChain

Panoramica su agenti e strumenti

Icona di un robot che rappresenta un agente

 

  • Agenti

    Sistemi autonomi che decidono e agiscono

  • Strumenti

    Funzioni usate dagli agenti per compiti specifici
    • Query sui dati
    • Report di ricerca
    • Analisi dei dati
Progettare sistemi agentici con LangChain

Concetti di base

Testa di chatbot

   

  • LLM (es. ChatGPT)

  • Prompt

  • Strumenti

  • API

  • LangChain

    • Creare agenti AI
Progettare sistemi agentici con LangChain

Panoramica del corso

    Icona di strumenti, Wikipedia e un puzzle con volto umano.

   

  • Problemi di matematica

  • Ricerca su Wikipedia

  • Passare tra strumenti e LLM

Progettare sistemi agentici con LangChain

Diagramma di un cervello e un fumetto con query e ragionamento.

Progettare sistemi agentici con LangChain

Diagramma di un cervello, ingranaggi d'azione e un fumetto con query e ragionamento, azione e risposta.

Progettare sistemi agentici con LangChain

Diagramma di un cervello e ingranaggi con un fumetto che rappresenta i componenti di un agente ReAct, con etichetta ReAct sotto.

Progettare sistemi agentici con LangChain

Migliorare l'accuratezza delle risposte

    Screenshot di una risposta matematica errata da una precedente conversazione con ChatGPT. Risposta corretta «483» aggiunta in basso.

   

  • Coding

  • Matematica

1 https://community.openai.com/t/chatgpt-simple-math-calculation-mistake/62780
Progettare sistemi agentici con LangChain

Scomporre i problemi

  Diagramma di operatori matematici.

 

Ordine delle operazioni

1. Parentesi

2. Esponenti

3. Moltiplicazione/Divisione

4. Addizione/Sottrazione

Progettare sistemi agentici con LangChain

Espandere gli agenti con LangGraph

      Diagramma di un flowchart generico a sinistra con il logo LangGraph a destra.

Progettare sistemi agentici con LangChain

Strutture a grafo

    Diagramma di un flowchart con tre icone di documenti sotto che rappresentano gli esiti degli "edge".

     

Nodi

  • Interroga il database

  • Restituisci il documento

     

Edge

Regole che collegano i nodi

Progettare sistemi agentici con LangChain

Crea 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")
Progettare sistemi agentici con LangChain

Crea 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.
Progettare sistemi agentici con LangChain

Esercitiamoci!

Progettare sistemi agentici con LangChain

Preparing Video For Download...