ComeçarComece de graça

Integração de ferramentas personalizadas com agentes

Agora que você já tem suas ferramentas à mão, é hora de configurar seu fluxo de trabalho agêntico! Você vai usar de novo um agente ReAct, que, como você já sabe, raciocina sobre os passos que precisa dar e escolhe as ferramentas usando esse contexto e as descrições das ferramentas. Já foi definido um llm que usa o modelo gpt-4o-mini da OpenAI.

Este exercício faz parte do curso

Desenvolvimento de aplicativos de LLM com LangChain

Ver curso

Instruções do exercício

  • Crie um agente ReAct usando sua ferramenta retrieve_customer_info e o llm fornecido.
  • Chame o agente na entrada fornecida e imprima o conteúdo da mensagem final em messages.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

@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 = ____

# Invoke the agent on the input
messages = ____({"messages": [("human", "Create a summary of our customer: Peak Performance Co.")]})
print(____)
Editar e executar o código