Tworzenie własnych narzędzi
Masz już funkcję do pobierania danych klientów z DataFrame customers – czas przekształcić ją w narzędzie kompatybilne z agentami LangChain.
To ćwiczenie jest częścią kursu
Tworzenie aplikacji LLM z LangChain
Instrukcje do ćwiczenia
- Dodaj dekorator
@toolprzed definicją funkcji, aby przekształcić ją w narzędzie LangChain. - Wyświetl argumenty narzędzia, korzystając z atrybutu
.args(np.tool_name.args).
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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.____)