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.

Meerdere tools definiëren

Bouw een tool die de LLM aanroept

Bouw een tool met Python-code

Meerdere tools koppelen

Nodes en edges definiëren voor flexibel functieaanroepen

Definieer een functie die de chatbot stopt

Schrijf een functie die een LLM-respons teruggeeft

Maak de grafen-workflow voor meerdere tools

Chatbotresultaten ordenen met geheugen

Configureer outputs voor meerdere tools

Meergesprek met geheugen inschakelen

Gefeliciteerd!

Build Dynamic Chat Agents

Elke dag veranderen intelligente systemen complete sectoren—van geautomatiseerde klantenservice tot gepersonaliseerde aanbevelingen en dynamische gegevensverwerking. Agentic workflows, die taalmodellen en tools combineren om complexe taken uit te voeren, staan centraal in deze transformatie. Deze cursus ontrafelt de kernonderdelen van agentic workflows en legt uit hoe je ze bouwt, aanpast en optimaliseert. Je leert de belangrijkste principes achter LangChain-agents, waaronder het configureren van prompts, het integreren van tools en het beheren van complexe workflows met LangGraph. Aan het einde van deze cursus kun je intelligente systemen bouwen die complexe taken automatiseren, de productiviteit verhogen en dynamische oplossingen bieden die aansluiten op specifieke bedrijfsbehoeften.

Agentische workflows die LLMs en tools integreren om gedetailleerde taken uit te voeren, staan voorop in de AI-transformatie. In deze cursus leer je de belangrijkste principes achter LangChain-agents, zoals het instellen van prompts, het integreren van tools en het beheren van ingewikkelde workflows. Aan het einde van deze cursus kun je slimme systemen bouwen die ingewikkelde taken automatiseren, de productiviteit verhogen en dynamische oplossingen bieden die precies aansluiten bij specifieke zakelijke behoeften.
<h2>Leer de basis van LangChain-agenten</h2>
Je leert hoe je prompts, taalmodellen en tools kunt integreren in workflows met behulp van het Reasoning and Action (ReAct)-framework. Daarna kun je agentische workflows opzetten, tools configureren en de kernprincipes van LangChain-agents begrijpen, terwijl je deze workflows visualiseert met LangGraph. Je gaat aangepaste agents bouwen, tools opzetten om toegang te krijgen tot externe gegevensbronnen zoals de Wikipedia API, en de statussen van agents beheren. Je wordt geholpen bij het definiëren van knooppunten en randen, het maken van voorwaardelijke paden en het samenstellen van complexe workflows die zich aanpassen aan verschillende omstandigheden.
<h2>Dynamische chatbots bouwen</h2>
Tot slot leer je berichten te monitoren, knooppunten te definiëren voor flexibele functieaanroepen en je chatbot te configureren voor het gebruik van meerdere tools. Aan het einde van deze cursus kun je slimme systemen bouwen die ingewikkelde taken automatiseren, de productiviteit verhogen en dynamische oplossingen bieden die precies aansluiten bij specifieke zakelijke behoeften.

Developing LLM Applications with LangChain

Begrijp de basiscomponenten van LangChain-agenten en bouw aangepaste chatagenten.

Agentic Systems ontwerpen met LangChain

Leer de basis van LangChain-agents kennen en maak je eigen chatagents.

Apps maken met LangChain

Founder & AI Engineer, Genverv, Ltd.

Een workflow met meerdere tools bouwen

Workflow-functies definiëren

Maak een stopfunctie

Maak een dynamische tool-caller

Maak de graf

Geheugen toevoegen

Laten we oefenen!

Build Dynamic Chat Agents - Nodes en edges definiëren voor flexibel functieaanroepen

Nodes en edges definiëren voor flexibel functieaanroepen

Create Your Free Account