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.

LangChain’de Ajanlar

Bir ReAct ajanı oluşturma

LangChain ajanlarının bileşenleri

Özel araçlar oluşturma

Matematik hesapları için bir araç oluştur

Özel araçları ve sorguları entegre etme

Bir ReAct ajanıyla sohbet

Sohbet kurulumu

Sohbet geçmişi hakkında sorular sor

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.

Defining multiple tools

Build a tool that invokes the LLM

Build a tool with Python code

Binding multiple tools

Defining nodes and edges for flexible function calling

Define a function that stops the chatbot

Create a function to return an LLM response

Create the graph workflow for multiple tools

Organize chatbot outputs with memory

Configure outputs for multiple tools

Enable multi-turn conversation with memory

Congratulations!

Build Dynamic Chat Agents

Her gün, akıllı sistemler sektörleri dönüştürüyor — ister otomatik müşteri desteği, ister kişiselleştirilmiş öneriler ya da dinamik veri işleme olsun. Dil modelleri ve araçları bir araya getirerek karmaşık görevleri yerine getiren aracısal iş akışları bu dönüşümün merkezinde. Bu kurs, aracısal iş akışlarının temel bileşenlerini parçalara ayırıyor ve bunları nasıl kuracağın, özelleştireceğin ve optimize edeceğin konusunda yol gösteriyor. İstemleri yapılandırma, araçları entegre etme ve LangGraph ile karmaşık iş akışlarını yönetme dahil olmak üzere LangChain ajanlarının temel ilkelerini öğreneceksin. Kursun sonunda, karmaşık görevleri otomatikleştiren, verimliliği artıran ve belirli iş ihtiyaçlarına göre uyarlanmış dinamik çözümler sunan akıllı sistemler kurabilecek donanıma sahip olacaksın.

LLM'leri ve araçları entegre ederek incelikli görevleri yerine getiren ajans iş akışları, yapay zeka dönüşümünün ön saflarında yer almaktadır. Bu kursta, komut istemlerini yapılandırma, araçları entegre etme ve karmaşık iş akışlarını yönetme dahil olmak üzere LangChain ajanlarının temel ilkelerini öğreneceksiniz. Bu kursun sonunda, karmaşık görevleri otomatikleştiren, üretkenliği artıran ve belirli iş ihtiyaçlarına göre uyarlanmış dinamik çözümler sunan akıllı sistemler oluşturabileceksiniz.
<h2>LangChain Ajanlarının Temellerini Öğrenin</h2>
Reasoning and Action (ReAct) çerçevesini kullanarak komut istemlerini, dil modellerini ve araçları iş akışlarına nasıl entegre edeceğinizi öğreneceksiniz. Bunun ardından, LangGraph ile bu iş akışlarını görselleştirirken, ajan iş akışları kurabilir, araçları yapılandırabilir ve LangChain ajanlarının temel ilkelerini anlayabilirsiniz. Özel ajanlar oluşturacak, Wikipedia API gibi harici veri kaynaklarına erişmek için araçlar kuracak ve ajan durumlarını yöneteceksiniz. Düğümleri ve kenarları tanımlama, koşullu yollar oluşturma ve değişen koşullara uyum sağlayan karmaşık iş akışlarını bir araya getirme konusunda rehberlik edileceksiniz.
<h2>Dinamik Sohbet Aracıları Oluşturun</h2>
Son olarak, mesajları izlemeyi, esnek işlev çağrısı için düğümleri tanımlamayı ve sohbet robotunuzu birden fazla araçla çalışacak şekilde yapılandırmayı öğreneceksiniz. Bu kursun sonunda, karmaşık görevleri otomatikleştiren, üretkenliği artıran ve belirli iş ihtiyaçlarına göre uyarlanmış dinamik çözümler sunan akıllı sistemler oluşturabileceksiniz.

Developing LLM Applications with LangChain

LangChain ajanlarının temel bileşenlerini anlayın ve özel sohbet ajanları oluşturun.

LangChain ile Aracı Sistemler Tasarlama

LangChain ajanlarının temel bileşenlerini öğrenin ve özel sohbet ajanları oluşturun.

LangChain ile Uygulama Geliştirme

LangChain ajanlarının bileşenleri

LangChain ile Aracı Sistemler Tasarlama

Uygulamalı interaktif egzersiz