Einen LangChain AI-Agenten initialisieren und ausführen
Kombiniere ein LLM, definierte Werkzeuge und ein Gedächtnis, um einen voll funktionsfähigen AI-Agenten mit LangChain zu erstellen und mit ihm zu interagieren.
Originalvideo ansehen: AI Was Supposed to Replace Workers. It’s Not Working3 Schritte
1
Importiere die Agenten-Initialisierungsfunktion
Füge `from langchain.agents import initialize_agent, AgentType` am Anfang deines Skripts hinzu.
from langchain.agents import initialize_agent, AgentType2
Initialisiere den Agenten
Verwende `initialize_agent`, um den Agenten zu erstellen. Übergib das LLM, die Liste der Werkzeuge, den Agententyp (z.B. `AgentType.CHAT_CONVERSATIONAL_REACT_DESCRIPTION` für Konversation mit Gedächtnis und Werkzeugnutzung), das Gedächtnis und setze `verbose=True` für detaillierte Ausgaben.
agent = initialize_agent(
tools,
llm,
agent=AgentType.CHAT_CONVERSATIONAL_REACT_DESCRIPTION,
verbose=True,
memory=memory,
handle_parsing_errors=True # Optional: Hilft bei der Fehlerbehandlung
)Tipp: `AgentType.CHAT_CONVERSATIONAL_REACT_DESCRIPTION` ist eine gute Wahl für Agenten, die sowohl konversationsfähig sein als auch Werkzeuge nutzen sollen. `verbose=True` ist extrem hilfreich zum Debuggen und Verstehen des Agentenverhaltens.
3
Führe den Agenten aus
Rufe die `run()`-Methode des Agenten auf und übergib deine Anfrage als String.
agent.run("Hallo, wie geht es dir heute?")
agent.run("Was ist die Hauptstadt von Frankreich?")
agent.run("Wie viele Einwohner hat die Stadt, die ich gerade genannt habe?")Tipp: Beobachte die `verbose`-Ausgabe, um zu sehen, wie der Agent 'denkt', Werkzeuge auswählt und seine Antworten formuliert.