Zacznij terazZacznij za darmo

Integracja własnych narzędzi z agentami

Masz już dostęp do swoich narzędzi – czas skonfigurować przepływ pracy oparty na agencie! Ponownie skorzystasz z agenta ReAct, który, przypomnijmy, analizuje kolejne kroki do wykonania i dobiera narzędzia na podstawie kontekstu oraz ich opisów. Zmienna llm jest już dla ciebie zdefiniowana i korzysta z modelu gpt-4o-mini firmy OpenAI.

To ćwiczenie jest częścią kursu

Tworzenie aplikacji LLM z LangChain

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz agenta ReAct za pomocą create_react_agent(), przekazując llm oraz listę zawierającą narzędzie retrieve_customer_info.
  • Wywołaj agenta metodą agent.invoke() na podanym wejściu.
  • Wydrukuj treść ostatniej wiadomości.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

@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()

# Create a ReAct agent
agent = create_react_agent(____, [____])

# Invoke the agent on the input
messages = agent.____({"messages": [("human", "Create a summary of our customer: Peak Performance Co.")]})
print(messages['messages'][-1].____)
Edytuj i uruchom kod