Benutzerdefinierte Tools für den Agenten definieren
Dieser Tipp erklärt, wie man 'Tool'-Objekte in LangChain erstellt, um dem Agenten spezifische Funktionen (z.B. Suchen, Rechnen) zur Verfügung zu stellen. Jedes Tool benötigt eine Funktion, einen Namen und eine klare Beschreibung, die dem LLM hilft, seinen Zweck zu verstehen und es korrekt einzusetzen.
Originalvideo ansehen: You NEED to try these open-source AI projects right now...Importieren Sie die 'Tool'-Klasse.
Diese Klasse wird verwendet, um benutzerdefinierte Funktionen als Tools für den Agenten zu verpacken.
from langchain.tools import Tool
from langchain.chains.llm_math.base import LLMMathChainDefinieren Sie eine Python-Funktion, die als Tool dienen soll.
Diese Funktion sollte eine Zeichenkette als Eingabe akzeptieren und eine Zeichenkette als Ausgabe zurückgeben.
def search_function(query: str) -> str:
# Dies ist eine simulierte Suchfunktion
if "aktuelles Wetter" in query:
return "Das Wetter in Berlin ist sonnig mit 25 Grad Celsius."
return "Keine spezifischen Suchergebnisse gefunden."Erstellen Sie ein 'Tool'-Objekt.
Geben Sie einen 'name', die 'func' (Ihre Python-Funktion) und eine 'description' an. Die Beschreibung ist entscheidend, damit das LLM weiß, wann es das Tool verwenden soll.
search_tool = Tool(
name="Search",
func=search_function,
description="nützlich, wenn Sie Fragen zu aktuellen Ereignissen oder Fakten beantworten müssen."
)Fügen Sie weitere Tools hinzu (optional).
Hier ein Beispiel für ein Rechen-Tool mit 'LLMMathChain'.
llm_math_chain = LLMMathChain(llm=llm, verbose=True)
calculator_tool = Tool(
name="Calculator",
func=llm_math_chain.run,
description="nützlich, wenn Sie mathematische Berechnungen durchführen müssen."
)Sammeln Sie alle Tools in einer Liste.
Diese Liste wird später an den Agenten übergeben.
tools = [search_tool, calculator_tool]