網(wǎng)站流量方案,查域名地址,移動(dòng)互聯(lián)網(wǎng)開(kāi)發(fā)的前景,分銷系統(tǒng)多少錢一套搭建測(cè)試環(huán)境 LangSmith langsmith是一個(gè)官方的測(cè)試環(huán)境#xff0c;可以幫助我們測(cè)試智能體#xff0c;在開(kāi)發(fā)智能體時(shí)很有用: # Python 3.11 is required.uv add langgraph-cli然后你需要注冊(cè)一個(gè)langsmith官方賬號(hào)來(lái)獲得密鑰#xff0c;這里我們可以只使用它的本地…搭建測(cè)試環(huán)境LangSmithlangsmith是一個(gè)官方的測(cè)試環(huán)境可以幫助我們測(cè)試智能體在開(kāi)發(fā)智能體時(shí)很有用:# Python 3.11 is required. uv add langgraph-cli然后你需要注冊(cè)一個(gè)langsmith官方賬號(hào)來(lái)獲得密鑰這里我們可以只使用它的本地功能而是從github上下載一個(gè)前端來(lái)部署(也就是不把項(xiàng)目交付給langGraph官方服務(wù)器跑測(cè)試因?yàn)橐獟焯葑勇闊┎话踩?先完成以下步驟:創(chuàng)建 LangGraph 配置文件在項(xiàng)目根目錄下創(chuàng)建langgraph.json文件agent路徑可自由更改主要看你的智能體在哪里{dependencies:[.],graphs:{agent:./src/agent.py:agent},env:.env}啟動(dòng)本地的 Agent 服務(wù)器langgraph dev CtrlC關(guān)閉LangGraph安裝uv add langgraph IPython狀態(tài)State狀態(tài)展示了圖的配置并隨跟蹤時(shí)間變化作為所有節(jié)點(diǎn)和邊的輸入和輸出classState(TypedDict): 定義一個(gè)類型化的字典類用于表示狀態(tài)信息。 這個(gè)類繼承自TypedDict提供了靜態(tài)類型檢查的支持 確保字典中必須包含指定類型的鍵值對(duì)。 屬性: state (str): 表示狀態(tài)的字符串值 state:str節(jié)點(diǎn)State節(jié)點(diǎn)是一個(gè)python函數(shù)函數(shù)的第一個(gè)參數(shù)是State(狀態(tài))# 節(jié)點(diǎn)defnode_1(state):print(節(jié)點(diǎn)1執(zhí)行中...)return{state:state[state]-節(jié)點(diǎn)1}defnode_2(state):print(節(jié)點(diǎn)2執(zhí)行中...)return{state:state[state]-節(jié)點(diǎn)2}defnode_3(state):print(節(jié)點(diǎn)3執(zhí)行中...)return{state:state[state]-節(jié)點(diǎn)3}defnode_4(state):print(節(jié)點(diǎn)4執(zhí)行中...)return{state:state[state]-節(jié)點(diǎn)4}邊Edges邊代表兩個(gè)節(jié)點(diǎn)的連接定義它們之間的關(guān)系有普通邊和條件邊普通邊:總是按照既定路徑執(zhí)行條件邊:節(jié)點(diǎn)之間的可選路徑基于函數(shù)邏輯返回下一個(gè)節(jié)點(diǎn)# 邊defget_random_edge(state)-Literal[node2,node3]: 獲取一個(gè)隨機(jī)的邊。 返回: str: 隨機(jī)的邊名稱 current_statestate[state]ifrandom.random()0.5:returnnode2else:returnnode3構(gòu)建圖importosimporttempfilefromlanggraph.constantsimportSTART,ENDfromlanggraph.graphimportStateGraphfromIPython.displayimportImage,displayfromsrc.node_and_edgeimportnode_1,node_2,node_3,node_4,get_random_edge,State# 生成圖構(gòu)建器builderStateGraph(State)builder.add_node(node1,node_1)builder.add_node(node2,node_2)builder.add_node(node3,node_3)builder.add_node(node4,node_4)# 定義邊builder.add_edge(START,node1)builder.add_conditional_edges(node1,get_random_edge)builder.add_edge(node2,node4)builder.add_edge(node3,node4)builder.add_edge(node4,END)# 編譯圖graphbuilder.compile()# 可視化# 獲取 PNG 數(shù)據(jù)png_datagraph.get_graph().draw_mermaid_png()# 保存到臨時(shí)文件并打開(kāi)withtempfile.NamedTemporaryFile(deleteFalse,suffix.png)astmp:tmp.write(png_data)tmp_pathtmp.name# 用默認(rèn)圖片查看器打開(kāi)Windowsos.startfile(tmp_path)resultgraph.invoke({state:你好你能干什么})完整示例:消息消息是 LangChain 中模型上下文的基本單位。它們代表模型的輸入和輸出攜帶內(nèi)容和元數(shù)據(jù)用于在與 LLM 交互時(shí)表示對(duì)話狀態(tài)。消息是包含以下內(nèi)容的對(duì)象角色- 標(biāo)識(shí)消息類型例如system、user內(nèi)容- 表示消息的實(shí)際內(nèi)容例如文本、圖像、音頻、文檔等元數(shù)據(jù)- 可選字段例如響應(yīng)信息、消息 ID 和令牌使用情況LangChain 提供了一種標(biāo)準(zhǔn)消息類型可在所有模型提供商之間工作確保無(wú)論調(diào)用哪個(gè)模型都能保持一致的行為。消息的分類系統(tǒng)消息 - 告訴模型如何行為并為交互提供上下文人類消息 - 表示用戶輸入和與模型的交互它們可以包含文本、圖像、音頻、文件以及任何其他多模態(tài)內(nèi)容AI 消息 - 模型生成的響應(yīng)包括文本內(nèi)容、工具調(diào)用和元數(shù)據(jù)usage_metadata:該字段中保存令牌計(jì)數(shù)和其他使用元數(shù)據(jù)fromlangchain.chat_modelsimportinit_chat_model modelinit_chat_model(openai:gpt-5-nano)responsemodel.invoke(Hello!)response.usage_metadata---------------------------------------------------------------------{input_tokens:8,output_tokens:304,total_tokens:312,input_token_details:{audio:0,cache_read:0},output_token_details:{audio:0,reasoning:256}}流式傳輸和塊:chunks[]full_messageNoneforchunkinmodel.stream(Hi):chunks.append(chunk)print(chunk.text)full_messagechunkiffull_messageisNoneelsefull_messagechunk工具消息 - 表示工具調(diào)用的輸出fromlangchain.messagesimportSystemMessage,HumanMessage,AIMessage#一個(gè)消息對(duì)象列表messages[# 系統(tǒng)消息SystemMessage(You are a poetry expert),# 人類消息HumanMessage(Write a haiku about spring),# ai消息AIMessage(Cherry blossoms bloom...)]responsemodel.invoke(messages)工具智能體如何被大模型調(diào)用?工具是代理agents調(diào)用來(lái)執(zhí)行操作的組件。它們通過(guò)允許模型通過(guò)定義明確的輸入和輸出與世界交互來(lái)擴(kuò)展模型的功能。工具封裝了一個(gè)可調(diào)用的函數(shù)及其輸入架構(gòu)schema。這些可以傳遞給兼容的聊天模型chat models讓模型決定是否以及使用什么參數(shù)來(lái)調(diào)用工具。在這些場(chǎng)景中工具調(diào)用使模型能夠生成符合指定輸入架構(gòu)的請(qǐng)求。服務(wù)器端工具使用 (Server-side tool use)某些聊天模型例如OpenAI、Anthropic和Gemini具有內(nèi)置工具這些工具在服務(wù)器端執(zhí)行例如網(wǎng)絡(luò)搜索和代碼解釋器。請(qǐng)參閱提供商概覽provider overview了解如何使用您的特定聊天模型訪問(wèn)這些工具。也就是說(shuō)langchain的工具就是一個(gè)被封裝的函數(shù)模型可以自主調(diào)用這些函數(shù)創(chuàng)建工具創(chuàng)建工具最簡(jiǎn)單的方法是使用tool裝飾器。默認(rèn)情況下函數(shù)的文檔字符串docstring會(huì)成為工具的描述幫助模型理解何時(shí)使用它fromlangchain.toolsimporttooltool(parse_docstringTrue)deffunction_name(param1,param2):Function summary line. 簡(jiǎn)單描述該函數(shù)或方法的功能 Args: param1 (int): The first parameter. param2 (str): The second parameter. Returns: bool: The return value. True for success, False otherwise. Raises: 這里提供了可能會(huì)碰到的報(bào)錯(cuò)非必要可不寫(xiě) ValueError: If param1 is equal to param2. 更多請(qǐng)查閱官方文檔:工具 | LangChain 中文文檔智能體如何知道使用哪個(gè)工具?如果你使用了coogle風(fēng)格注釋那么工具描述信息將成為智能體調(diào)用的依據(jù)傳遞消息使用llm時(shí)我們需要在節(jié)點(diǎn)間傳遞消息因此消息成為狀態(tài)的一部分我們來(lái)看官方庫(kù)的實(shí)現(xiàn):from langgraph.graph import MessagesState:classMessagesState(TypedDict):messages:Annotated[list[AnyMessage],add_messages]以上就是一個(gè)經(jīng)典的消息實(shí)體使用Annotated和add_messages來(lái)自動(dòng)追加消息消息實(shí)體被用于圖信息的傳輸作為各個(gè)節(jié)點(diǎn)的參數(shù)被接收比如以下就是一個(gè)小實(shí)例:fromIPython.displayimportImage,displayfromlangchain_core.messagesimportHumanMessage,ToolMessagefromlanggraph.graphimportStateGraph,START,END,MessagesStatefromlangchain_core.toolsimporttoolfromsrc.agent.llmimportmodelfromsrc.utils.show_graphimportshow_graph# 定義一個(gè)工具函數(shù)乘法運(yùn)算tooldefmultiply_values(a,b): 將兩個(gè)值相乘并返回結(jié)果。 Args: a (float): 第一個(gè)值。 b (float): 第二個(gè)值。 Result: float: a和b的乘積。 returna*b# 將工具綁定到LLMllm_toolsmodel.bind_tools([multiply_values])# 定義節(jié)點(diǎn)帶工具的LLMdefllm_with_tools(state:MessagesState):return{messages:[llm_tools.invoke(state[messages])]}# 定義工具執(zhí)行節(jié)點(diǎn)defrun_tool(state:MessagesState):# 獲取最后一條消息應(yīng)為包含 tool_calls 的 AIMessagelast_msgstate[messages][-1]# 遍歷所有 tool_calls這里只處理第一個(gè)或全部tool_messages[]fortool_callinlast_msg.tool_calls:# 根據(jù)工具名稱選擇工具這里只有 multiply_valuesiftool_call[name]multiply_values:# 執(zhí)行工具resultmultiply_values.invoke(tool_call[args])else:resultfTool {tool_call[name]} not found.# 構(gòu)造 ToolMessage每個(gè) tool_call 對(duì)應(yīng)一個(gè) ToolMessagetool_messages.append(ToolMessage(contentstr(result),# 工具執(zhí)行結(jié)果tool_call_idtool_call[id]# 對(duì)應(yīng)的調(diào)用 ID))return{messages:tool_messages}# 構(gòu)建圖builderStateGraph(MessagesState)builder.add_node(llm_with_tools,llm_with_tools)# 添加節(jié)點(diǎn)builder.add_node(run_tool,run_tool)# 添加調(diào)用工具節(jié)點(diǎn)builder.add_edge(START,llm_with_tools)# 從START到llm_with_tools的邊builder.add_edge(llm_with_tools,run_tool)builder.add_edge(run_tool,END)graphbuilder.compile()# 編譯圖# 可視化圖show_graph(graph)# 調(diào)用圖并傳入乘法問(wèn)題messagesgraph.invoke({messages:HumanMessage(content200乘以30等于幾)})# 打印所有消息forminmessages[messages]:m.pretty_print()構(gòu)建的圖如下:其中MessagesState作為消息實(shí)體在邊上進(jìn)行傳輸。 Human Message 200乘以30等于幾 Ai Message Tool Calls: multiply_values (call_af5391669c3d4a569c2987) Call ID: call_af5391669c3d4a569c2987 Args: a: 200 b: 30 Tool Message 6000下一節(jié):路由器及實(shí)戰(zhàn)end