构建LangChain应用程序的示例代码：19、自定义多动作代理教程（Custom multi-action agent）

最新推荐文章于 2025-10-03 21:57:14 发布

原创

最新推荐文章于 2025-10-03 21:57:14 发布 · 596 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#langchain #人工智能 #AI编程

自定义多动作代理

概述

这个笔记本介绍了如何创建您自己的自定义代理。

代理由两部分组成：

工具（Tools）：代理可以使用的工具。
代理类本身：决定采取哪个动作。

在这个笔记本中，我们将通过创建一个自定义代理来演示如何预测/一次性执行多个步骤。

Python 代码及注释

from langchain.agents import AgentExecutor, BaseMultiActionAgent, Tool
from langchain_community.utilities import SerpAPIWrapper

# 定义一个返回随机单词的函数
def random_word(query: str

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Hugo_Hoo

关注关注

2
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

LangChain源码逐行解密之系统（二）

大模型与Agent智能体

08-17

1342

接着，创建了一个包含查询参数的params字典，其中包括搜索词和其他关键字参数，发起一个 POST 请求到google.serper.dev，并传入请求头和查询参数，然后检查响应的状态码，如果状态码表示请求成功，将响应的 JSON 数据解析为字典，最终返回搜索结果的字典。当然，你也可以使用async的方式进行操作，使用_async_google_serper_search_results函数，它会用异步非阻塞的方式，其过程是一致的。它接受一个查询字符串作为参数，并返回一个字符串，表示查询结果的 JSON。

【LangChain编程：从入门到实践】自定义代理工具

AI天才研究院

05-31

1031

【LangChain编程：从入门到实践】自定义代理工具 1. 背景介绍 1.1 什么是LangChain? LangChain是一个强大的Python库,旨在构建可扩展的应用程序,以利用大型语言模型(LLM)

参与评论您还未登录，请先登录后发表或查看评论

LangChain入门(八)-自定义agent中所使用的工具

Good Luck

05-05

3596

比如 Calculator 在描述里面写到，如果你问关于数学的问题就用他这个工具。我们就可以在上面的执行过程中看到，他在我们请求的 prompt 中数学的部分，就选用了Calculator 这个工具进行计算。自定义工具里面有个比较有意思的地方，使用哪个工具的权重是靠。来实现的，和我们之前编程靠数值来控制权重完全不同。

轻松掌握SerpAPI：利用Langchain进行高效网络搜索

bhawfgrcbtwny的博客

10-02

823

SerpAPIWrapper允许配置自定义参数以使用不同的搜索引擎。params = {")本文简要介绍了如何使用Langchain库中的SerpAPIWrapper进行网络搜索。对于希望进一步了解Langchain工具的开发者，可以查看官方文档和相关教程。

大模型从入门到应用——LangChain：代理（Agents）-[带有ChatModel的LLM聊天自定义代理和自定义多操作代理（Custom MultiAction Agent）]

冯·诺依曼

07-17

1万+

本部分将介绍如何基于聊天模型创建自己的自定义代理。PromptTemplate：这是用于指示语言模型该做什么的提示模板ChatModel：这是驱动代理的语言模型Stop序列：指示LLM在找到此字符串时停止生成OutputParser：确定如何将LLM输出解析为或对象。LLMAgent用于代理执行器。将用户输入和任何先前的步骤传递给代理（在这种情况下是LLMAgent）如果代理返回，则将其直接返回给用户本教程介绍如何创建您自己的自定义代理。工具：代理可以使用的工具。

大模型应用开发技术：LangChain+LangGraph+LangSmith接入Ernie Speed 大模型 Multi-Agent框架案例实战（三）实战代码

大模型与Agent智能体

06-19

967

LangGraph LangChain Multi Agent

掌握Multi-Agent实践(三)：ReAct Agent集成Bing和Google搜索功能，采用推理与执行交替策略，增强处理复杂任务能力

丨汀、的博客

05-09

815

掌握Multi-Agent实践(三)：ReAct Agent集成Bing和Google搜索功能，采用推理与执行交替策略，增强处理复杂任务能力

【LangChain核心组件】Agent：从标准化到深度定制的智能体开发指南

qq_62223405的博客

04-16

1526

本文通过对比分析揭示，LangChain Agent的灵活性既体现在开箱即用的高效性，也表现在可深度定制的扩展能力。开发者应根据业务复杂度、可控性需求和技术债务承受力，在标准化与定制化之间找到最佳平衡点。

LangChain框架中的Chain与Agent详解：从理论到实践

热门推荐

以微薄之力，予他人些许温暖.

05-05

1万+

基于Multi-Agent进一步串联多个agents，通过多个 Agent 的协同合作，高效完成复杂任务。

大模型从入门到应用——LangChain：代理（Agents）-[计划与执行]

冯·诺依曼

09-19

2246

3] LangChain中文网 - LangChain 是一个用于开发由语言模型驱动的应用程序的框架：http://www.cnlangchain.com/这个想法在很大程度上受到了BabyAGI以及《Plan-and-Solve》论文的启发。[2] LangChain 🦜️🔗 中文网，跟着LangChain一起学LLM/GPT开发：https://www.langchain.com.cn/[1] LangChain官方网站：https://www.langchain.com/

在LangChain中使用工具和工具包构建简单的代理

u010295555的博客

05-01

626

LangChain文档实际上有一个漂亮的好页面围绕其代理的高级概念。这是一个简短的简单阅读，绝对值得一读。如果你查找人工智能代理的定义，你会得到类似 “一个能够感知其环境，对其环境采取行动的实体，并就如何实现既定目标以及边学的能力做出明智的决定。我想说，这非常符合LangChain Agent的定义。使这一切在软件中成为可能的是大型语言模型 (LLM) 的推理能力。LangChain代理的大脑是LLM。LLM用于推理执行用户请求的询问的最佳方式。

LangChain 45 深入理解LangChain 表达式语言九 Runnable 调用、流输出、批量调用、异步处理 LangChain Expression Language (LCEL)

AI架构师易筋

12-30

1561

深入理解LangChain 表达式语言九 Runnable 调用、流输出、批量调用、异步处理 LangChain Expression Language (LCEL) Stream逐个字逐个字输出输出。

大模型从入门到应用——LangChain：代理（Agents）-[工具（Tools）：自定义工具（Custom Tools）]

冯·诺依曼

09-10

4082

如果我们的函数需要更结构化的参数，我们可以直接使用类，或者仍然继承BaseTool类。当我们创建自定义工具时，我们可能希望Agent更多地使用自定义工具而不是普通工具。例如，我们创建了一个自定义工具，用于从数据库中获取有关音乐的信息。当用户需要有关歌曲的信息时，我们希望Agent更多地使用自定义工具而不是普通的搜索工具。但是Agent可能会优先考虑普通的搜索工具。为了实现这一目标，可以在描述中添加类似于如果问题是关于音乐的，例如“昨天的歌手是谁？”或“2022年最受欢迎的歌曲是什么？tools = [

Agent

asd8705的专栏

12-01

248

行动 Action 基于推理结果，生成具体的工具调用请求（如查询搜索引擎、调用API、数据库检索等），将模型的推理转化成行动。模型的推理过程分为推理 Reason 和行动 Action 两个步骤，交替执行，直至获得最终结果。推理 Reason 生成分析步骤，解释当前任务的上下文或状态，帮助模型理解下一步行动的逻辑依据。ReAct Reasoning and Acting范式。

（18-5-01）Agents（智能代理）：自定义代理

码农三叔

05-09

1157

经过本书前面内容的介绍，已经了解了创建并使用LangChain代理的知识，在本节的内容中，将通过具体实战进一步讲解使用LangChain代理实现复杂功能的知识。

langchain Agent代理简介

qq_42115919的博客

06-13

897

LLM只提供了最通用的功能，如果想要一些更专业化的功能，比如数学运算、网页搜索等，就需要调用相应的Tool。包装了Tool的LLM会用Agent来进行封装，也就是代理。自己创建一个代理类CustomAgent()，然后继承代理类模板。名称描述设计用于只需要执行一个动作的任务；通常只需要实现 plan 和 finish 方法。设计用于需要多个步骤才能完成的任务；需要实现 plan, react, 和 finish 方法，并且需要在 plan 和 react 之间进行多次循环。