EmpezarEmpieza gratis

Creación de herramientas personalizadas

Ahora que ya tienes una función para extraer datos de clientes del DataFrame «customers», es hora de convertir esta función en una herramienta compatible con los agentes LangChain.

Este ejercicio forma parte del curso

Desarrollo de aplicaciones LLM con LangChain

Ver curso

Instrucciones del ejercicio

  • Añade el decorador @tool antes de la definición de la función para convertirla en una herramienta LangChain.
  • Imprime los argumentos de la herramienta utilizando el atributo « .args » (Mostrar argumentos) de la herramienta (por ejemplo, « tool_name.args »).

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Convert the retrieve_customer_info function into a 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()
  
# Print the tool's arguments
print(retrieve_customer_info.____)
Editar y ejecutar código