自定义多动作代理

概述

这个笔记本介绍了如何创建您自己的自定义代理。

代理由两部分组成：

• 工具（Tools）：代理可以使用的工具。
• 代理类本身：决定采取哪个动作。

在这个笔记本中，我们将通过创建一个自定义代理来演示如何预测/一次性执行多个步骤。

Python 代码及注释

from langchain.agents import AgentExecutor, BaseMultiActionAgent, Tool
from langchain_community.utilities import SerpAPIWrapper# 定义一个返回随机单词的函数
def random_word(query: str) -> str:print("\nNow I'm doing this!")  # 打印一条消息，表示正在执行操作return "foo"  # 返回一个随机单词，这里固定返回"foo"# 初始化一个SerpAPIWrapper对象，用于执行搜索操作
search = SerpAPIWrapper()# 定义代理可以使用的工具列表
tools = [Tool(name="Search",  # 工具名称为"Search"func=search.run,  # 工具的功能函数是search.rundescription="useful for when you need to answer questions about current events",  # 工具描述),Tool(name="RandomWord",  # 工具名称为"RandomWord"func=random_word,  # 工具的功能函数是random_worddescription="call this to get a random word.",  # 工具描述),
]# 从langchain_core库导入所需的类
from typing import Any, List, Tuple, Union
from langchain_core.agents import AgentAction, AgentFinish# 定义一个自定义的代理类，继承自BaseMultiActionAgent
class FakeAgent(BaseMultiActionAgent):"""Fake Custom Agent."""  # 类的描述# 创建自定义代理的实例
agent = FakeAgent()# 从AgentExecutor类创建一个执行器，传入代理实例和工具列表，并设置verbose为True以显示详细输出
agent_executor = AgentExecutor.from_agent_and_tools(agent=agent, tools=tools, verbose=True
)# 使用执行器运行一个查询，例如查询2023年加拿大的人口数量
agent_executor.run("How many people live in canada as of 2023?")

总结

本文介绍了如何创建一个自定义的多动作代理，包括定义工具和代理类。通过示例代码，我们展示了如何使用AgentExecutor来执行代理操作，并运行一个简单的查询。代码中包含了对每个部分的详细注释，以便更好地理解每个步骤的功能和目的。自定义代理可以扩展和适应各种不同的应用场景，通过组合不同的工具来实现复杂的任务。