使用Robocorp拓展AI代理的强大功能

本文链接：https://blog.youkuaiyun.com/tt_jishu/article/details/144346473

引言

在人工智能领域，我们始终在寻找方法来增强AI代理、助理和协作辅助工具的能力。其中，Robocorp 提供了一种简便的方法，通过自定义操作扩展AI的功能。本篇文章将演示如何使用 Robocorp Action Server 和 LangChain 来实现这一目标。

主要内容

安装与设置

首先，按照 Robocorp Quickstart 中的步骤，设置 Action Server 并创建您的自定义操作。在您的 LangChain 应用中，您需要安装 langchain-robocorp 包：

# 安装包
%pip install --upgrade --quiet langchain-robocorp

创建新操作

在创建新的 Action Server 后，它将生成一个包含 action.py 文件的目录。在这里，您可以添加 Python 函数作为自定义操作。以下是添加一个简单函数 get_weather_forecast 到 action.py 的示例：

@action
def get_weather_forecast(city: str, days: int, scale: str = "celsius") -> str:
    """
    返回指定城市的天气预报。

    Args:
        city (str): 目标城市
        days (int): 返回几天的天气预报
        scale (str): 温标，"celsius" 或 "fahrenheit"

    Returns:
        str: 请求的天气预报
    """
    return "75F and sunny :)"

然后启动服务器：

action-server start

您应该会看到：

Found new action: get_weather_forecast

要在本地测试，访问 http://localhost:8080 可以使用UI运行这个函数。

环境设置

您可以选择设置以下环境变量：

LANGCHAIN_TRACING_V2=true：启用 LangSmith 日志跟踪，可以绑定到相关的 Action Server 操作日志。具体请参见 LangSmith documentation。

代码示例

以下是使用 Robocorp 和 LangChain 搭建的完整工作示例：

from langchain.agents import AgentExecutor, OpenAIFunctionsAgent
from langchain_core.messages import SystemMessage
from langchain_openai import ChatOpenAI
from langchain_robocorp import ActionServerToolkit

# 初始化 LLM 聊天模型
llm = ChatOpenAI(model="gpt-4", temperature=0)

# 初始化 Action Server 工具包
toolkit = ActionServerToolkit(url="http://localhost:8080", report_trace=True)  # 使用API代理服务提高访问稳定性
tools = toolkit.get_tools()

# 初始化代理
system_message = SystemMessage(content="You are a helpful assistant")
prompt = OpenAIFunctionsAgent.create_prompt(system_message)
agent = OpenAIFunctionsAgent(llm=llm, prompt=prompt, tools=tools)

executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

executor.invoke("What is the current weather today in San Francisco in fahrenheit?")