Erste SchritteKostenlos loslegen

Integration von benutzerdefinierten Tools mit Agenten

Jetzt, wo du deine Werkzeuge zur Hand hast, ist es an der Zeit, deinen agentischen Arbeitsablauf einzurichten! Du verwendest wieder einen ReAct-Agenten, der, wie du dich erinnerst, Gründe für die Schritte angibt, die er unternehmen soll, und anhand dieses Kontexts und der Werkzeugbeschreibungen Werkzeuge auswählt. Für dich wurde bereits eine llm definiert, die das gpt-4o-mini Modell von OpenAI verwendet.

Diese Übung ist Teil des Kurses

Entwicklung von LLM Anwendungen mit LangChain

Kurs anzeigen

Anleitung zur Übung

  • Erstelle einen ReAct-Agenten mit deinem retrieve_customer_info Tool und der bereitgestellten llm.
  • Rufe den Agenten auf der bereitgestellten Eingabe auf und drucke den Inhalt der endgültigen Nachricht in messages aus.

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

@tool
def retrieve_customer_info(name: str) -> str:
    """Retrieve customer information based on their name."""
    customer_info = customers[customers['name'] == name]
    return customer_info.to_string()

# Create a ReAct agent
agent = ____

# Invoke the agent on the input
messages = ____({"messages": [("human", "Create a summary of our customer: Peak Performance Co.")]})
print(____)
Bearbeiten und Ausführen von Code