Pengantar agen LangChain

Mengembangkan Aplikasi LLM dengan LangChain

Jonathan Bennion

AI Engineer & LangChain Contributor

Apa itu agen?

Agen: gunakan LLM untuk melakukan aksi

Alat: fungsi yang dipanggil agen

Fokus kini → Agen ReAct

Seorang agen memutuskan alat mana yang akan digunakan berdasarkan masukan pengguna.

Agen ReAct

Reason + Act

Bagaimana cuaca di Kingston, Jamaika?

Thought: Saya harus memanggil Weather() untuk mencari
cuaca di Kingston, Jamaika.


Act: Weather("Kingston, Jamaica")


Observe: Cuaca sebagian besar cerah dengan
suhu 82°F.

Siklus berpikir, bertindak, dan mengamati.

LangGraph

Logo LangGraph.

Cabang LangChain berfokus pada perancangan sistem agen
Sintaks terpadu, tidak bergantung alat
pip install langgraph==0.2.74

Agen ReAct

from langgraph.prebuilt import create_react_agent
from langchain_community.agent_toolkits.load_tools import load_tools


llm = ChatOpenAI(model="gpt-4o-mini", api_key=openai_api_key)
tools = load_tools(["llm-math"], llm=llm)

agent = create_react_agent(llm, tools)


messages = agent.invoke({"messages": [("human", "What is the square root of 101?")]})

print(messages)

Agen ReAct

{'messages': [
    HumanMessage(content='What is the square root of 101?', ...),
    AIMessage(content='', ..., tool_calls=[{'name': 'Calculator', 'args': {'__arg1': 'sqrt(101)'}, ...),
    ToolMessage(content='Answer: 10.04987562112089', ...),
    AIMessage(content='The square root of 101 is approximately 10.05.', ...)
]}

print(messages['messages'][-1].content)

The square root of 101 is approximately 10.05.

Ayo berlatih!

Mengembangkan Aplikasi LLM dengan LangChain