LoslegenKostenlos starten

Integration von individuellen Werkzeugen mit Agenten

Nun ist es an der Zeit deinen agentischen Workflow mit deinen Werkzeugen einzurichten! Du wirst wieder einen ReAct-Agenten verwenden, der, wie du dich vielleicht erinnerst, über die zu ergreifenden Schritte nachdenkt und anhand dieses Kontexts und der Werkzeugbeschreibungen die passenden Werkzeuge auswählt. Es wurde bereits ein llm für dich definiert, welches das gpt-4o-mini-Modell von OpenAI verwendet.

Diese Übung ist Teil des Kurses

<Kurs>Entwickeln von LLM-Anwendungen mit LangChain</Kurs>
Kurs ansehen

Übungsanweisungen

  • Erstell einen ReAct-Agenten mit create_react_agent(), llm und einer Liste, die dein Tool retrieve_customer_info enthält.
  • Ruf den Agenten mit „ agent.invoke() ” für die eingegebenen Daten auf.
  • Druck den Inhalt der letzten Nachricht aus.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

@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 = create_react_agent(____, [____])

# Invoke the agent on the input
messages = agent.____({"messages": [("human", "Create a summary of our customer: Peak Performance Co.")]})
print(messages['messages'][-1].____)
Code bearbeiten und ausführen