CommencezCommencez gratuitement

États du graphe et de l'agent

On vous a mandaté pour créer un robot conversationnel de base capable de répondre aux questions dans une application éducative au secondaire. L'école souhaite que vous utilisiez une version de ChatGPT d'OpenAI comme LLM. Vous avez décidé que vous pouvez gérer efficacement cette tâche avec LangGraph pour construire un agent de clavardage à l'aide de nœuds. D'abord, vous allez définir un State() d'agent pour stocker les données de l'agent, puis configurer un objet StateGraph() pour gérer le déroulement de travail (workflow) de l'agent.

Les modules requis ont déjà été importés pour cet exercice et pour les suivants :

from langchain_openai import ChatOpenAI
from typing import Annotated
from typing_extensions import TypedDict
from langgraph.graph import StateGraph, START, END
from langgraph.graph.message import add_messages

Cette activité fait partie du cours

Concevoir des systèmes agentiques avec LangChain

Voir le cours

Instructions de l’exercice

  • Configurez le llm avec ChatOpenAI() et le modèle "gpt-4o-mini".
  • Définissez la classe State avec TypedDict pour gérer les données du robot conversationnel.
  • Spécifiez messages comme une list Annotated en utilisant add_messages.
  • Initialisez une instance de StateGraph avec State pour structurer le déroulement de travail du robot conversationnel.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Define the llm
llm = ____(model="____", api_key="OPENAI_API_KEY")

# Define the State
class State(____):
    
    # Define messages with metadata
    messages: ____[____, ____]

# Initialize StateGraph
graph_builder = ____(____)
Modifier et exécuter le code