Začněte nyníZačněte zdarma

Vytvoř graph workflow pro více nástrojů

Stavební bloky pro vytvoření grafu chatbota jsou připravené! Teď všechny uzly propojíš do jednoho workflow pomocí hran, které řídí spojení mezi nimi. Pro usnadnění startu je graph workflow už připravený – obsahuje MessagesState a StateGraph() pro sledování aktualizací zpráv chatbota. Funkce display() pro vykreslení grafu jako LangGraph diagramu je také nastavená a MemorySaver je už naimportovaný.

from langgraph.graph import StateGraph
from langgraph.checkpoint.memory import MemorySaver

workflow = StateGraph(MessagesState)

Toto cvičení je součástí kurzu

Návrh agentních systémů s LangChain

Zobrazit kurz

Pokyny k cvičení

  • Přidej call_model jako uzel s popiskem "chatbot" a tool_node s popiskem "tools".
  • Definuj hranu spojující uzel START s uzlem "chatbot".
  • Přidej podmíněné hrany z uzlu "chatbot" do uzlů "tools" a END pomocí should_continue, a poté propoj uzel "tools" zpět s uzlem "chatbot".
  • Vytvoř instanci MemorySaver() a zkompiluj workflow do aplikace s paměťovým checkpointerem.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Add nodes for chatbot and tools
workflow.add_node("____", ____)
workflow.add_node("____", ____)

# Define an edge connecting START to the chatbot
workflow.add_edge(____, "____")

# Define conditional edges and route "tools" back to "chatbot"
workflow.add_conditional_edges("____", ____, ["____", ____])
workflow.add_edge("____", "____")

# Set up memory and compile the workflow
memory = ____()
app = workflow.____(checkpointer=____)

try:
    display(Image(graph.get_graph().draw_mermaid_png()))

except Exception:
    print("Plot generation failed... falling back to cached asset.")
    display_fallback()
Upravit a spustit kód