基于langchain的Agent(实现实时查询天气)

心血来潮，玩一下Agent，实现了多轮对话功能

import requests, json

from langchain.agents import load_tools
from langchain.agents import initialize_agent
from langchain_community.llms.tongyi import Tongyi
from langchain.memory import ConversationBufferMemory
from langchain.agents import AgentType
from langchain.agents import tool
 
from langchain_community.vectorstores import Chroma
from langchain_community.embeddings.dashscope import DashScopeEmbeddings
 
# 初始化 OpenAI 语言模型
llm = Tongyi()
 
# 创建会话缓冲内存，用于保存对话历史
memory = ConversationBufferMemory(
    memory_key="chat_history",
)
 
@tool("tianqi_search")
def tianqi_search(query: str):
    """当你需要回答查询天气问题时才会使用这个工具。"""
    #api地址
    url = 'http://t.weather.sojson.com/api/weather/city/'

    llm = Tongyi()
    # 定义提示词，明确告诉模型你需要它做什么
    prompt = f"请从下面的文本中提取出提到的城市名，只返回城市名，不加任何额外文字：\n{query}"
    # 使用大模型预测，基于提供的提示词
    y = llm.invoke(prompt).strip()  # 去除可能存在的多余空白字符
    if not y:
        return "无法从输入中识别城市名称"
    city = y

    #读取json文件
    f = open('city.json', 'rb')

    #使用json模块的load方法加载json数据，返回一个字典
    cities = json.load(f)

    #通过城市的中文获取城市代码
    city = cities.get(city)

    #网络请求，传入请求api+城市代码
    response = requests.get(url + city)

    #将数据以json形式返回，这个d就是返回的json数据
    d = response.json()
    #当返回状态码为200，输出天气状况
    if(d['status'] == 200):
        ret = "城市：" + d["cityInfo"]["parent"] + d["cityInfo"]["city"] + "\n时间：" + d["time"] + d["data"]["forecast"][0]["week"] + "\n温度：" + d["data"]["forecast"][0]["high"] + d["data"]["forecast"][0]["low"] + "\n天气：" + d["data"]["forecast"][0]["type"]
    else:
        ret = "没有查询到天气信息"
    return ret
 
 
tools = load_tools(["llm-math"], llm=llm)
tools.append(tianqi_search)
 
agent = initialize_agent(
    tools,
    llm,
    agent=AgentType.CONVERSATIONAL_REACT_DESCRIPTION,
    memory=memory,#记忆组件
    verbose=True,
)
 
agent.invoke("我是杨子贤，今年18岁，性别男")
agent.invoke("现在在北京工作，我想知道北京天气？")
agent.invoke("我是谁？")

city.json，下载我提供的复制到本地就可