Agent构建总结(LangChain)

跑通Agent的过程其实主要是在让LLM跑通以下链条：

有什么工具 → 当前需要用什么工具 → 结构化返回工具和参数 → 本地调用对应工具 → 得到最终结果

上述链条所有的实现均离不开prompt，因此我们可以将链条转换为以下两个问题：

• 问题一：如何在prompt中告知LLM可用工具及工具用途？
• 问题二：如何在prompt中约束LLM结构化返回工具和参数？

完成上述两个问题后Agent其实就可以完成单一工具的问题了，此时将会有一个新的问题：

• 问题三：如何在prompt中约束LLM有次序的选择工具完成复杂任务？

本篇文章将针对上述问题进行简单总结

注意：出于简洁便于理解的意图，本篇文章中大面积结合 LangChain 实现。

一. 如何在prompt中告知LLM可用工具及工具用途？

利用LangChain我们可以先将工具及其信息生成一个工具对象，这及便于管理也便于后续对工具的调用，如下：

from langchain.tools import StructuredTool

tool = StructuredTool.from_function(
    func=func,
    name="ToolName",
    description="xxx",
)

参数解析：

• func 传入我们已经实现的工具函数
• name= 对该工具的命名
• description 对该工具用途的描述

之后我们在写prompt的同时便可将工具及其信息一同写入，该步骤同样可用LangChain的接口实现。

from langchain_core.tools import render_text_description

with open(path, "r", encoding="utf-8") as f:
	main_prompt = ChatPromptTemplate.from_messages(
	    [
	        HumanMessagePromptTemplate.from_template