CommencerCommencez gratuitement

Création d'outils personnalisés

Maintenant que vous disposez d'une fonction permettant d'extraire les données client du DataFrame customers, il est temps de convertir cette fonction en un outil compatible avec les agents LangChain.

Cet exercice fait partie du cours

<cours>Développement d'applications LLM avec LangChain</cours>
Voir le cours

Instructions de l’exercice

  • Veuillez ajouter le décorateur ` @tool ` avant la définition de la fonction afin de la convertir en outil LangChain.
  • Veuillez imprimer les arguments de l'outil en utilisant l'attribut « .args » (Imprimer les arguments) de l'outil (par exemple, 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