LangChain 入门：LLM 与 Agents 构建智能体应用

LangChain 入门：LLM 与 Agents 构建智能体应用 | 极客日志

LangChain 入门：LLM 与 Agents 构建智能体应用

什么是 Agent

在日常应用中，ChatGPT 等模型通过文本输入处理并返回文本内容，类似于只有头部（感知与思考）的实体，能够听、能思考、能说话，但无法直接行动。而 Agent（智能体）是一种能够自主决策、采取行动以达到特定目标的实体。

代理的核心思想是通过大模型来选择要采取的一系列行动。在常规链式结构下，一系列行动通常是硬编码的，是已规定好的行为路线；而在代理中，是用大模型作为推理引擎来确定并采取行动的。通俗地讲，就是给大模型配备工具，让大模型自己去判断在当前场景需要使用什么工具。

代理的效果与模型的智慧程度密切相关。大模型的训练集越大，代理的效果通常越好。较差的模型进行代理可能会陷入自问自答的死循环，而优秀的模型会进行自我验证，检查答案是否与最初的问题相关，若不相关则进行修正。

举例说明：

链式结构下：我会拿着螺丝刀去拧螺丝，拿着钥匙开锁，拿着斧头砍木头。我不会选择工具，而是按照规划的路线行动。
代理情况下：我有螺丝刀、钥匙、斧头等工具。遇到一颗螺丝，我会用螺丝刀去拧；遇到一把锁，我会用钥匙去开；遇到木头，我会用斧头去砍。在不同的场景或问题下，Agent 会进行推理选择。

总结公式： Agent = LLM（思考决策）+ Memory（记忆）+ Tools（执行）

LangChain 中代理的关键组成

在 LangChain 框架中，构建一个完整的 Agent 系统主要包含以下组件：

Agent 代理：负责根据输入和状态决定下一步动作。
LLM 大模型：作为推理核心，提供决策能力。
Tool 工具：外部能力的接口，如搜索、计算、API 调用等。
Prompt 提示词：指导 Agent 如何思考和行动的系统指令。
Toolkit 工具包：一组工具的集合，便于管理。
AgentExecutor 代理执行器：负责调度 Agent 和工具的执行流程。

代理的类型

LangChain 支持多种类型的 Agent，适用于不同场景：

Zero-shot ReAct：利用工具的描述来决定使用哪个工具，可以有多个工具，每个工具都要提供描述信息。选择单纯依靠描述信息。
Structured Input ReAct：通过工具的参数 schema 创建结构化的动作输入。
Open AI Functions：与 OpenAI function call 机制配合工作。
Conversational：为对话场景设计，使用具有对话性提示词，利用 ReAct 框架选择工具，并利用记忆功能来保存对话历史。
Self ask with search：利用工具查找事实性答案。

Tool 工具详解

代理调用的功能相当于手的部分，用于与外部世界交互。LangChain 提供了一系列内置工具，比如 Search 工具、AWS 工具、Wikipedia 工具等。这些工具都是 BaseTool 的子类。通过调用 run 函数，可以执行工具的功能。

如何创建工具

1. 加载 LangChain 内置的工具

from langchain.tools import load_tools
# 加载 SerpAPI 搜索引擎工具
tools = load_tools(["serpapi"], llm=llm)

2. 通过装饰器自定义工具

可以使用 @tool 装饰器定义自定义函数，并在函数文档字符串中描述该工具的用途。

from langchain.agents import tool

@tool
def serpapi_search(query: str) -> str:
    """使用 SerpAPI 搜索引擎获取搜索结果"""
    from serpapi import GoogleSearch
    params = {
        "q": query,
        "api_key": "your-serpapi-api-key"
    }
    search = GoogleSearch(params)
    results = search.get_dict()
    return results['organic_results'][0]['snippet']

tools = [serpapi_search]

Toolkit 工具包

工具包是一组工具的集合。例如 tools = [serpapi_search] 和 tools = load_tools(["serpapi"], llm=llm) 都可以被视为工具包。它们将分散的工具封装在一起，方便传递给 Agent。

AgentExecutor 代理执行器

代理执行器是代理执行时，由它来选择并执行其他选择的动作。它的主要职责包括：

处理代理选择不存在的工具的情况。
处理工具发生错误的情况。
处理代理生成无法解析为工具调用的输出的情况。
在所有级别上记录和可观察性（代理决策、工具调用）。

思考的过程 (ReAct Loop)

Agent 在执行任务时的典型思维过程如下：

Action：根据用户的输入，选用哪个 Tool，然后行动。
Action Input：根据需要使用的 Tool，从用户的输入里提取相关的内容，可以输入到 Tool 里面。
Observation：观察通过使用 Tool 得到的一个输出结果。稳定版本之前有展示，稳定版本之后就没有了，但是步骤仍然存在。
Thought：再看一眼用户的输入，判断一下该怎么做，同样是稳定版本之前有展示，稳定版本之后就没有了，仍然存在。
Final Answer：就是 Thought 在看到 Observation 之后，给出的最终输出。

创建一个代理示例

下面是一个完整的 ReAct 代理示例，配备谷歌搜索引擎和运算工具，展示大模型在不同情景下的推理与工具选择能力。

环境配置

确保安装必要的依赖：

pip install langchain langchain-openai python-dotenv serpapi

代码实现

import os
from dotenv import find_dotenv, load_dotenv
from langchain_openai import ChatOpenAI
from langchain.agents import create_react_agent, AgentExecutor, tool
from langchain import hub
from langchain.tools import load_tools

# 加载环境变量
load_dotenv(find_dotenv())
os.environ["OPENAI_API_BASE"] = os.getenv("OPENAI_API_BASE", "")
os.environ["OPENAI_API_KEY"] = os.getenv("OPENAI_API_KEY", "")
os.environ["SERPAPI_API_KEY"] = os.getenv("SERPAPI_API_KEY", "")

# 实例化一个大模型
llm = ChatOpenAI(temperature=0, model="gpt-3.5-turbo")

# 从 Hub 中拉取 Prompt
prompt = hub.pull("hwchase17/react")

# 定义自定义工具
@tool
def serpapi_search(query: str) -> str:
    """使用 SerpAPI 搜索引擎获取搜索结果"""
    try:
        from serpapi import GoogleSearch
        params = {
            "q": query,
            "api_key": os.getenv("SERPAPI_API_KEY")
        }
        search = GoogleSearch(params)
        results = search.get_dict()
        return results['organic_results'][0]['snippet']
    except Exception as e:
         


 () -> :
    
    :
        
         ((expression))
     Exception  e:
         


tools = [serpapi_search, calculate]


agent = create_react_agent(
    llm,
    tools,
    prompt,
)


agent_executor = AgentExecutor(
    agent=agent,
    tools=tools,
    verbose=,
    handle_parsing_errors=
)

 ():
    response = agent_executor.invoke({: human_input})
     response[]

 __name__ == :
    text = ()
    (agent_invoke(text))

.env 文件配置

# 代理地址
OPENAI_API_BASE=""
# 代理密钥
OPENAI_API_KEY=""
# 谷歌引擎
SERPAPI_API_KEY=""

Agent 与 Memory 的结合

虽然上述示例未显式展示 Memory，但在实际应用中，Memory 是 Agent 的重要组成部分。它允许 Agent 记住过去的对话历史或状态。

ConversationBufferMemory：存储所有对话历史。
ConversationSummaryMemory：对长对话进行摘要，节省 Token。
VectorStoreRetrieverMemory：结合向量数据库存储长期记忆。

集成 Memory 后，Agent 可以在多轮对话中保持上下文连贯性，这对于复杂任务至关重要。

最佳实践与注意事项

工具描述准确性：工具的描述直接影响 Agent 的选择准确率，务必清晰描述工具的输入输出及适用场景。
安全性：避免直接使用 eval 等高风险函数处理用户输入，建议限制可执行的数学表达式范围。
错误处理：在 AgentExecutor 中启用 handle_parsing_errors，防止因格式错误导致程序崩溃。
Token 优化：对于长对话，使用 Summary Memory 减少上下文长度，降低 API 成本。
模型选择：复杂的 Agent 任务建议使用参数量较大、推理能力更强的模型，以减少死循环风险。

总结

代理就是让大模型具备了行动的能力，大模型不仅仅局限于进行文本回答，在回答的同时还能进行一系列行动。OpenAI 的 ChatGPT 把 Agent 推向了一个新的高度，使得 Agent 更接近于一个'智能体'。通过各种工具将大模型武装起来，或许这个工具不仅仅是软件也可以是硬件，将大模型与嵌入式结合或许能做成一个能思考能行动的智能机器人。随着技术的演进，私人 AI 助理的概念正逐步变为现实。

LangChain 入门：LLM 与 Agents 构建智能体应用