EmpezarEmpieza 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 create_react_agent() con llm y una lista que contenga tu herramienta retrieve_customer_info.
  • Invoca al agente con agent.invoke() en la entrada proporcionada.
  • Imprime el contenido del mensaje final.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

@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].____)
Editar y ejecutar código