基于LangChain的LLM应用开发7——代理

关注

原创最新推荐文章于 2026-09-07 12:44:03 发布 432 阅读 AI 写同款· GEO 优化 ›

大模型（LLMs）langchain 相关知识 • 介绍：LangChain Agent 是框架中驱动决策制定的实体。它可以访问一组工具，并可以根据用户的输入决定调用哪个工具；• 优点：LangChain Agent 帮助构建复杂的应用程序，这些应用程序需要自适应和特定于上下文的响应。当存在取决于用户输入和其他因素的未知交互链时，它们特别有用。LangChain model 是一种抽象，表示框架中使用的不同类型的模型。LangChain 中的模型主要分为三类：1. LLM（大型语言模型）：这些模型将文本字符串作为输入并返回文本字符串作为输出。阅读详情

君子性非异也，善假于物也。

普通人使用大语言模型，很容易就把大语言模型当作百科全书。的确，使用ChatGPT的时候，很容易让我们有错觉，感觉它已经记忆并且学会了大量从互联网上获取的信息：无论你问任何问题，几乎总能得到一个看似合理的答案 😅 （偶尔会装死说不懂某个问题，其实是程序拦截，由于某些原因不方便回答而已。）

其实就目前大语言模型的水平而言，把大语言模型作为推理引擎更有用：给它提供一些文本或者其他信息来源，大语言模型可能会使用从互联网学习的背景知识，同时也会利用我们提供的新信息来帮助回答问题、推理内容，甚至决定接下来要做什么。LangChain的代理框架会协助我们做这件事。

代理就是一种用大语言模型做出决策、调用工具来执行具体操作的系统。通过设定代理的性格、背景以及工具的描述，你可以定制代理的行为，使其能够根据输入的文本做出理解和推理，从而实现自动化的任务处理。

很多年前，我用过一个流行的工作流开源软件：shark，shark支持WFMC 的 "ToolAgents"接口。ToolAgent和今天要说的代理(Agent)使用Tool的方式很类似，阳光底下无新鲜事，以前是工作流系统要和外部世界打交道，现在是大语言模型和外部世界交流，采用类似的机制很正常。当然，科技是在发展的，以前只会固定调用某个工具，现在会由大语言模型自主选择调用哪个工具。

工具代理(Tool Agent)为 Enhydra Shark 提供了面向不同软件的接口。例如，MailToolAgents、SOAPToolAgent 和 RuntimeApplicationToolAgent 实现了发送和接收邮件、调用网络服务以及启动本地可用应用程序所需的连接性。

如果说链是LangChain的基础功能，代理就是LangChain里最强大的功能。我们今天会深入了解什么是代理，如何创建和使用代理，如何使用不同类型的LangChain内置工具：数学工具、维基百科工具、搜索引擎等，当内置的工具不能满足时，如何创建自己的工具，这样就可以让代理与任何数据存储、接口或者功能进行互动。

代理就像一个多功能的调度总管，它能够接触并使用一套工具。根据用户的输入，代理会决定调用哪些工具。它不仅可以同时使用多种工具，而且可以将一个工具的输出结果作为另一个工具的输入。

准备

同样，先通过.env文件初始化环境变量，记住我们用的是微软Azure的GPT，具体内容参考本专栏的第一篇。

from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())  # read local .env file

deployment = "gpt-4"
# deployment = "gpt-35-turbo"
model = "gpt-4"

需要安装wikipedia库。

!pip install -U wikipedia

我们会用到AzureChatOpenAI类，注意temperature会设置为0以消除任何可能出现的随机性。因为我们会使用LLM作为代理的推理引擎，它会连接到其他数据和计算资源，所以，我们希望这个推理引擎尽可能好、尽可能精确。

AzureChatOpenAI(temperature=0, deployment_name=deployment)

使用Agent

使用工具计算数学题

from langchain.agents import load_tools, initialize_agent
from langchain.agents import AgentType
from langchain.chat_models import AzureChatOpenAI

llm = AzureChatOpenAI(temperature=0, deployment_name=deployment)
tools = load_tools(["llm-math","wikipedia"], llm=llm) #加载工具
agent= initialize_agent(
    tools, 
    llm, 
    agent=AgentType.CHAT_ZERO_SHOT_REACT_DESCRIPTION,
    handle_parsing_errors=True,
    verbose = True)
agent("What is the 25% of 300?")

llm-math工具实际上是一个链，它结合LLM和计算器来解决数学问题。

wikipedia工具是一个连接到维基百科API的程序，允许你查询维基百科上的内容，并返回查询结果。

我们会使用CHAT_ZERO_SHOT_REACT_DESCRIPTION的代理类型，这种类型用了ReAct来激发更好的推理能力。

这里简单说一下大语言模型的ReAct框架。（注意不要和前端的React混淆）

ReAct 是一种组织Prompt的技术，能最大化语言模型的推理能力。通过 ReAct 框架，大模型将被引导生成一个任务解决轨迹，即观察环境 - 进行思考 - 采取行动。观察和思考阶段被统称为推理（Reasoning），而实施下一步行动的阶段被称为行动（Acting）。每一步推理过程中，都会详细记录，这也改善了大模型解决问题时的可解释性和可信度。

在推理阶段，模型对当前环境和状态进行观察，并生成推理轨迹，从而使模型能够诱导、跟踪和更新操作计划，甚至处理异常情况。
在行动阶段，模型会采取下一步的行动，如与外部源（如知识库或环境）进行交互并收集信息，或给出最终答案。

ReAct 框架的这些优点，使得它在未来的发展中具有巨大的潜力。我们可以期待 ReAct 框架将能够处理更多、更复杂的任务。特别是随着具身智能的发展，ReAct 框架将能够使智能代理在虚拟或实际环境中进行更复杂的交互。例如，智能代理可能会在虚拟环境中进行导航，或者在实际环境中操作物理对象。这将大大扩展 AI 的应用范围，使得它们能够更好地服务于我们的生活和工作。

上面的代码很简单，就是调用load_tools来加载工具函数，然后通过initialize_agent初始化代理，最后运行代理计算数学问题：What is the 25% of 300?

这个例子很简单，但是麻雀虽小，五脏俱全，我们刚好可以用来理解ReAct的基本框架。

进入AgentExecutor链，开始思考（Thought）需要做什么，然后开始行动（Action)，这里会传入一个json对象：操作(action)和操作(action_input)的输入，action对应的是要使用的工具，action_input就是要使用工具的输入。接下来，就到了观察结果（Observation)：观察工具返回的计算结果Answer: 75.0，大模型思考(Thought)之后，认为得到了结果就返回最终答案（Final Answer）。如果思考之后认为还没有得到最终的结果，可能会继续调用其他工具，继续Action、Action Input、Observation、Thought……（Thought/Action/Action Input/Observation can repeat N times）
在这里插入图片描述

调用维基百科接口

接下来，我们来看一个调用维基百科接口的示例。我们会问一个问题：Tom M. Mitchell 写了什么书？为了预防重名的情况，我们加入背景信息：

Tom M. Mitchell is an American computer scientist and the Founders University Professor at Carnegie Mellon University (CMU).

question = "Tom M. Mitchell is an American computer scientist \
and the Founders University Professor at Carnegie Mellon University (CMU).\
what book did he write?"
result = agent(question)

可以看到，代理会调用维基百科工具，并且找到了两个维基百科的页面，LLM结合我们给出的背景信息，找到了正确的页面，并且从页面的摘要返回了我们想要的结果。
在这里插入图片描述

执行Python代码

如果你用过GitHub Copilot/Cursor（如果没用过，赶紧去体验），或者ChatGPT的代码解释器插件，就知道它们最常用的功能就是用LLM写代码，执行生成的代码。我们这里用代理做同样的事情。

from langchain_experimental.agents.agent_toolkits.python.base import create_python_agent
from langchain_experimental.tools.python.tool import PythonREPLTool

agent = create_python_agent(
    llm,
    tool=PythonREPLTool(),
    verbose=True
)
customer_list = [["Harrison", "Chase"], 
                 ["Lang", "Chain"],
                 ["Dolly", "Too"],
                 ["Elle", "Elem"], 
                 ["Geoff","Fusion"], 
                 ["Trance","Former"],
                 ["Jen","Ayai"]
                ]
agent.run(f"""Sort these customers by last name and then first name 
and print the output: {customer_list}""")

首先，要创建一个Python的代理，传入一个工具：PythonREPLTool（REPL是一种与代码互动的方式，类似Jupyter Notebook），代理可以用REPL执行代码，得到代码运行结果，结果回传给代理，代理决定接下来做什么。

我们需要代理解决的问题是让它给一组客户名单customer_list排序。这里很重要的一点是让代理打印输出结果，打印出的内容后面会反馈给LLM，让LLM对代码输出的结果进行推理。

在这里插入图片描述

如果想了解具体的执行过程，可以开启Debug模式：

import langchain
langchain.debug=True
agent.run(f"""Sort these customers by \
last name and then first name \
and print the output: {customer_list}""") 
langchain.debug=False

再次推荐LangChain公司开发的平台：https://smith.langchain.com/ （邀请码去上一篇文章找），有了它，看调用过程就如掌上观纹。

在这里插入图片描述

使用自定义工具

上面都是使用LangChain内置的工具，代理的一大优势是可以连接你自己的信息来源、接口、数据，这时候就需要创建自己的工具。

简单起见，我们定义一个工具来获取当前日期。

需要先安装库：!pip install DateTime

from langchain.agents import tool
from datetime import date
@tool
def time(text: str) -> str:
    """Returns todays date, use this for any 
    questions related to knowing todays date. 
    The input should always be an empty string, 
    and this function will always return todays
    date - any date mathmatics should occur \
    outside this function."""
    return str(date.today())
agent= initialize_agent(
    tools + [time], 
    llm, 
    agent=AgentType.CHAT_ZERO_SHOT_REACT_DESCRIPTION,
    handle_parsing_errors=True,
    verbose = True)
try:
    result = agent("whats the date today?") 
except: 
    print("exception on external access")