ComenzarEmpieza gratis

Integración de herramientas personalizadas con agentes

Ahora que ya tienes tus herramientas a mano, ¡es hora de configurar tu flujo de trabajo de agente! Volverás a utilizar un agente ReAct, que, como recordarás, razona sobre los pasos que debe seguir y selecciona las herramientas utilizando este contexto y las descripciones de las herramientas. Ya se ha definido una interfaz de usuario (llm) que utiliza el modelo gpt-4o-mini de OpenAI.

Este ejercicio forma parte del curso

Desarrollo de aplicaciones LLM con LangChain

Ver curso

Instrucciones del ejercicio

  • Crea un agente ReAct utilizando tu herramienta retrieve_customer_info y el archivo llm proporcionado.
  • Invoca el agente en la entrada proporcionada e imprime el contenido del mensaje final en messages.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

@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(____)
Editar y ejecutar código