自然语言处理从入门到应用——LangChain：代理（Agents）-[基础知识]

分类目录：《自然语言处理从入门到应用》总目录

有些应用程序不仅需要预先确定的LLM或其他工具调用链，而且可能需要根据用户输入的不同而产生不同的链条。在这些类型的链条中，有一个“代理”可以访问一套工具。根据用户输入，代理可以决定是否调用其中任何一个工具。在本文中，我们首先“快速入门”代理，介绍如何以端到端的方式使用与代理相关的所有内容。

代理使用LLM来确定采取哪些行动以及顺序。 一个动作可以是使用工具并观察其输出，或返回给用户。当代理被正确使用时，它们可以非常强大。本文的目的是向您展示如何通过最简单、最高级别的API轻松使用代理。为了使用代理，我们应该搜下了解以下概念：

• 工具（Tools）：执行特定任务的功能，即有关预定义工具及其规范的列表。这可以是Google 搜索、数据库查找、 Python REPL、其他链。工具的接口目前是一个函数，预计将有一个字符串作为输入，一个字符串作为输出。
• 大语言模型（LLM）：为代理提供动力的语言模型。
• 代理（Agents）：要使用的代理，即有关受支持的Agent及其规范的列表。这应该是引用支持代理类的字符串。因为本文主要关注最简单、最高级别的API，所以它只涉及使用标准支持的代理。如果要实现自定义代理，可以参考《自然语言处理从入门到应用——LangChain：代理（Agents）》系列后续文章。

from langchain.agents import load_tools
from langchain.agents import initialize_agent
from langchain.agents import AgentType
from langchain.llms import OpenAI

首先，让我们加载我们要使用的语言模型来控制代理。

llm = OpenAI(temperature=0)

接下来，我们加载一些要使用的工具。请注意，llm-math工具使用LLM，因此我们需要传递它：

tools = load_tools(["serpapi", "llm-math"], llm=llm)

最后，我们使用工具、语言模型和我们想要使用的代理类型初始化一个代理：

agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True)

测试代理：

agent.run("Who is Leo DiCaprio's girlfriend? What is her current age raised to the 0.43 power?")

输出：

> Entering new AgentExecutor chain...
 I need to find out who Leo DiCaprio's girlfriend is and then calculate her age raised to the 0.43 power.
Action: Search
Action Input: "Leo DiCaprio girlfriend"
Observation: Camila Morrone
Thought: I need to find out Camila Morrone's age
Action: Search
Action Input: "Camila Morrone age"
Observation: 25 years
Thought: I need to calculate 25 raised to the 0.43 power
Action: Calculator
Action Input: 25^0.43
Observation: Answer: 3.991298452658078
 
Thought: I now know the final answer
Final Answer: Camila Morrone is Leo DiCaprio's girlfriend and her current age raised to the 0.43 power is 3.991298452658078.
 
> Finished chain.

参考文献：
[1] LangChain 🦜️🔗 中文网，跟着LangChain一起学LLM/GPT开发