引言
随着人工智能的发展，聊天机器人不仅可以进行基本的对话，还可以通过调用外部工具或API获取更复杂的信息。在本文中，我们将探讨如何为聊天机器人添加工具，使其能够与其他系统交互，提升对话能力。
主要内容
前置条件
在开始之前，您需要了解以下概念：
- 聊天机器人
- 智能代理
- 聊天记录
设置
本文将使用工具调用代理(agent)和一个用于网页搜索的工具——Tavily。首先，您需要在Tavily官网注册账号，并安装以下Python包：
%pip install --upgrade --quiet langchain-community langchain-openai tavily-python
然后，您需要设置环境变量OPENAI_API_KEY和TAVILY_API_KEY。可以通过.env文件加载：
import dotenv
dotenv.load_dotenv()
创建代理
我们将创建一个能够回应用户问题，并根据需要查询信息的代理。首先，初始化Tavily和OpenAI聊天模型：
from langchain_community.tools.tavily_search import TavilySearchResults
from langchain_openai import ChatOpenAI
tools = [TavilySearchResults(max_results=1)] # 使用API代理服务提高访问稳定性
chat = ChatOpenAI(model="gpt-3.5-turbo-1106", temperature=0)
接下来，选择一个包含聊天历史的提示模板：
from langchain_core.prompts import ChatPromptTemplate
prompt = ChatPromptTemplate.from_messages(
[
("system", "You are a helpful assistant. You may not need to use tools for every query - the user may just want to chat!"),
("placeholder", "{messages}"),
("placeholder", "{agent_scratchpad}"),
]
)
最后，组装代理：
from langchain.agents import AgentExecutor, create_tool_calling_agent
agent = create_tool_calling_agent(chat, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
运行代理
现在可以与代理进行交互：
from langchain_core.messages import HumanMessage
response = agent_executor.invoke({"messages": [HumanMessage(content="I'm Nemo!")]})
print(response['output'])
代理还可以使用搜索工具获取最新信息：
response = agent_executor.invoke(
{
"messages": [
HumanMessage(content="What is the current conservation status of the Great Barrier Reef?")
],
}
)
print(response['output'])
常见问题和解决方案
-
访问API时遇到限制：
- 解决方案：如在某些地区访问Tavily或OpenAI API遇到网络限制，可以考虑使用API代理服务以提高访问稳定性。
-
调试对话历史问题：
- 解决方案：使用
ChatMessageHistory和RunnableWithMessageHistory管理对话历史，确保代理能正确记住用户交互。
- 解决方案：使用
总结和进一步学习资源
添加工具使聊天机器人更具交互能力。您可以探索更多不同类型的代理和用例，以进一步提升聊天机器人的智能水平。
参考资料
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---
