Wprowadzenie do agentów LangChain

Tworzenie aplikacji LLM z LangChain

Jonathan Bennion

AI Engineer & LangChain Contributor

Czym są agenty?

Agenty: używają LLM do podejmowania działań

Narzędzia: funkcje wywoływane przez agenta

Teraz → agent ReAct

Agent podejmuje decyzję o wyborze narzędzia na podstawie danych wejściowych użytkownika.

Agenty ReAct

Rozumowanie + Działanie

Jaka jest pogoda w Kingston na Jamajce?

Thought: I should call Weather() to find the
weather in Kingston, Jamaica.


Act: Weather("Kingston, Jamaica")


Observe: The weather is mostly sunny with
temperatures of 82°F.

Pętla myślenia, działania i obserwacji.

LangGraph

Logo LangGraph.

Gałąź LangChain skupiona na projektowaniu systemów agentowych
Ujednolicona składnia niezależna od narzędzi
pip install langgraph==0.2.74

Agent 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)

Agent 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.

Czas na ćwiczenia!

Tworzenie aplikacji LLM z LangChain