CommencezCommencez gratuitement

Créer des outils personnalisés

Maintenant que vous avez une fonction pour extraire les données client du DataFrame customers, il est temps de la convertir en un outil compatible avec les agents LangChain.

Cette activité fait partie du cours

Développer des applications LLM avec LangChain

Voir le cours

Instructions de l’exercice

  • Ajoutez le décorateur @tool avant la définition de la fonction pour la convertir en outil LangChain.
  • Affichez les arguments de l'outil à l'aide de l'attribut .args de l'outil (p. ex., tool_name.args).

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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.____)
Modifier et exécuter le code