Composantes des agents LangChain

Quelles sont les composantes clés d'un agent LangChain ?

Cette activité fait partie du cours

Concevoir des systèmes agentiques avec LangChain

Voir le cours

Exercice interactif pratique

Passez de la théorie à l’action grâce à l’un de nos exercices interactifs

Commencer l’exercice

Cette activité fait partie du cours

Concevoir des systèmes agentiques avec LangChain

SkillTag.level.intermediateSkillTag.label

4.8+

2065 reviews

Commencer le cours gratuitement

Créez des systèmes agentiques intelligents ! Découvrez les composantes clés des agents LangChain, y compris comment les invites, les LLM et les outils travaillent ensemble pour raisonner et agir. Vous configurerez un agent avec l'API d'OpenAI, définirez des outils personnalisés et vous attaquerez à des tâches concrètes comme des calculs mathématiques. De plus, explorez comment LangChain organise les données à l'aide de graphes, de nœuds et d'arêtes.

Exercise 1: Les agents dans LangChain Exercise 2: Créer un agent ReAct Exercise 3: Composantes des agents LangChain

Exercice en cours

Exercise 4: Créer des outils personnalisés Exercise 5: Créer un outil pour des calculs mathématiques Exercise 6: Intégrer des outils personnalisés et des requêtes Exercise 7: Conversation avec un agent ReAct Exercise 8: Configuration de la conversation Exercise 9: Poser des questions sur l'historique de conversation

Créez des robots conversationnels dynamiques et enrichis d'outils avec LangChain et LangGraph ! Vous verrez comment bâtir un robot qui s'adapte aux entrées de l'utilisateur en définissant des états et en intégrant des API externes pour récupérer de l'information en temps réel. Vous relierez ces composantes dans une structure de graphe réactive, ce qui permettra des transitions fluides entre la conversation et les réponses assistées par des outils. À la fin, vous aurez un cadre de robot conversationnel représenté visuellement, avec un raisonnement amélioré et des flux de travail en plusieurs étapes.

Exercise 1: Créer des graphes pour les robots conversationnels Exercise 2: États du graphe et de l'agent Exercise 3: Ajout de nœuds et d'arêtes Exercise 4: Générer des réponses de clavardobot Exercise 5: Requêtes et réponses Exercise 6: Générer un diagramme de graphe Exercise 7: Ajouter des outils externes à un robot conversationnel Exercise 8: Créer un outil Wikipedia Exercise 9: Ajouter un outil à un graphe Exercise 10: Ajouter de la mémoire et une conversation Exercise 11: Visualiser le graphe et retourner les sorties des outils Exercise 12: Ajouter de la mémoire au graphe Exercise 13: Utiliser la mémoire du graphe pour la conversation

Élargissez votre robot conversationnel avec des outils dynamiques et de la mémoire ! Définissez et intégrez plusieurs outils dans des flux de travail flexibles, créez des fonctions pour l'appel dynamique d'outils et configurez votre robot pour gérer plusieurs outils. Organisez la mémoire et les résultats afin de permettre des conversations entrelacées sur plusieurs tours. À la fin, vous aurez créé un robot conversationnel sophistiqué capable d'interactions complexes.

Exercise 1: Définir plusieurs outils Exercise 2: Créer un outil qui invoque le LLM Exercise 3: Créer un outil avec du code Python Exercise 4: Lier plusieurs outils Exercise 5: Définir des nœuds et des arêtes pour des appels de fonctions flexibles Exercise 6: Définir une fonction qui arrête le chatbot Exercise 7: Créer une fonction qui retourne une réponse de LLM Exercise 8: Créer le parcours de graphe pour plusieurs outils Exercise 9: Organiser les résultats du chatbot avec la mémoire Exercise 10: Configurer les résultats pour plusieurs outils Exercise 11: Activer une conversation à plusieurs tours avec mémoire Exercise 12: Félicitations !