Skapa anpassade verktyg
Nu när du har en funktion för att hämta kunddata från customers DataFrame är det dags att omvandla funktionen till ett verktyg som är kompatibelt med LangChain-agenter.
Den här övningen är en del av kursen
Utveckla LLM-applikationer med LangChain
Övningsinstruktioner
- Lägg till dekoratorn
@toolföre funktionsdefinitionen för att omvandla den till ett LangChain-verktyg. - Skriv ut verktygets argument med hjälp av attributet
.argspå verktyget (t.ex.tool_name.args).
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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.____)