Build intelligent agentic systems! Discover the key components of LangChain agents, including how prompts, LLMs, and tools work together for reasoning and action. You'll set up an agent with OpenAI's API, define custom tools, and tackle real-world tasks like math calculations. Plus, explore how LangChain organizes data using graphs, nodes, and edges.

Agents in LangChain

Creating a ReAct agent

Components of LangChain agents

Building custom tools

Create a tool for math calculations

Integrating custom tools and queries

Conversation with a ReAct agent

Conversation setup

Ask questions about conversation history

The Essentials of LangChain agents

Build dynamic, tool-augmented chatbots with LangChain and LangGraph! You’ll explore how to create a chatbot that adapts based on user input by defining states and integrating external APIs for real-time information retrieval. You'll connect these components into a responsive graph structure, enabling smooth transitions between conversation and tool-assisted responses. By the end, you’ll have a visually represented chatbot framework with enhanced reasoning and multi-step workflows.

Building graphs for chatbots

Graph and agent states

Adding nodes and edges

Generating chatbot responses

Queries and responses

Generate a graph diagram

Adding external tools to a chatbot

Build a Wikipedia tool

Add a tool to a graph

Adding memory and conversation

Visualize the graph and return tool outputs

Adding graph memory

Using graph memory for conversation

Building Chatbots with LangGraph

Expand your chatbot with dynamic tools and memory! Define and integrate multiple tools into flexible workflows, build functions for dynamic tool calling, and configure your chatbot for multiple-tool handling. Organize memory and outputs to enable interleaved, multi-turn conversations. By the end, you'll have created a sophisticated chatbot capable of complex interactions.

Definire più strumenti

Crea uno strumento che richiama l'LLM

Crea uno strumento con codice Python

Associare più strumenti

Definire nodi e archi per chiamate di funzione flessibili

Definisci una funzione che arresta il chatbot

Crea una funzione che restituisca una risposta dell'LLM

Crea il flusso del grafo per più strumenti

Organizza i risultati del chatbot con la memoria

Configura i risultati per più strumenti

Abilita conversazioni multi-turno con memoria

Congratulazioni!

Build Dynamic Chat Agents

Ogni giorno i sistemi intelligenti stanno trasformando i settori: dall'assistenza clienti automatizzata, alle raccomandazioni personalizzate, fino all'elaborazione dinamica dei dati. I flussi di lavoro agentici, che integrano modelli linguistici e strumenti per svolgere compiti complessi, sono al centro di questa trasformazione. Questo corso scompone i componenti essenziali dei flussi agentici e spiega come costruirli, personalizzarli e ottimizzarli. Imparerai i principi chiave alla base degli agenti LangChain, tra cui la configurazione dei prompt, l’integrazione degli strumenti e la gestione di flussi complessi con LangGraph. Alla fine del corso, sarai in grado di creare sistemi intelligenti che automatizzano compiti complessi, aumentano la produttività e offrono soluzioni dinamiche su misura per le esigenze aziendali.

I flussi di lavoro che usano LLM e strumenti per fare compiti complessi sono al centro della trasformazione dell'intelligenza artificiale. In questo corso imparerai i principi chiave alla base degli agenti LangChain, tra cui la configurazione dei prompt, l'integrazione degli strumenti e la gestione di flussi di lavoro complessi. Alla fine di questo corso, sarai in grado di creare sistemi intelligenti che automatizzano compiti complicati, aumentano la produttività e offrono soluzioni dinamiche su misura per le esigenze specifiche dell'azienda.
<h2>Impara le basi degli agenti LangChain</h2>
Imparerai come integrare prompt, modelli linguistici e strumenti nei flussi di lavoro usando il framework Reasoning and Action (ReAct). Dopo questo, potrai impostare flussi di lavoro degli agenti, configurare gli strumenti e capire i principi base degli agenti LangChain mentre visualizzi questi flussi di lavoro con LangGraph. Creerai agenti personalizzati, configurerai strumenti per accedere a fonti di dati esterne come l'API di Wikipedia e gestirai gli stati degli agenti. Ti mostreremo come definire nodi e bordi, creare percorsi condizionali e mettere insieme flussi di lavoro complessi che si adattano a condizioni diverse.
<h2>Crea agenti di chat dinamici</h2>
Infine, imparerai a monitorare i messaggi, definire i nodi per chiamate di funzione flessibili e configurare il tuo chatbot per gestire più strumenti. Alla fine di questo corso, sarai in grado di creare sistemi intelligenti che automatizzano compiti complicati, aumentano la produttività e offrono soluzioni dinamiche su misura per le esigenze specifiche dell'azienda.

Developing LLM Applications with LangChain

Comprendi i componenti base degli agenti LangChain e crea agenti chat personalizzati.

Progettare sistemi agentici con LangChain

Impara a usare le parti fondamentali degli agenti LangChain e crea agenti di chat personalizzati.

Sviluppare applicazioni con LangChain

Founder & AI Engineer, Genverv, Ltd.

Defining nodes and edges for flexible function calling

Building a multi-tool workflow

Define workflow functions

Create a stop condition function

Create a dynamic tool caller

Create the graph

Adding memory

Let's practice!

Build Dynamic Chat Agents - Definire nodi e archi per chiamate di funzione flessibili

Definire nodi e archi per chiamate di funzione flessibili

Create Your Free Account