跳到内容

Agent 架构

许多 LLM 应用程序在 LLM 调用之前和/或之后会执行特定的控制流步骤。例如，RAG 会检索与用户问题相关的文档，并将这些文档传递给 LLM，以便将模型的响应建立在所提供的文档上下文中。

我们有时希望 LLM 系统能够选择自己的控制流来解决更复杂的问题，而不是硬编码一个固定的控制流！这是 Agent 的一个定义：Agent 是一个使用 LLM 来决定应用程序控制流的系统。 LLM 可以通过多种方式控制应用程序

  • LLM 可以在两个潜在路径之间进行路由
  • LLM 可以决定调用众多工具中的哪一个
  • LLM 可以决定生成的答案是否足够，或者是否需要更多工作

因此，存在许多不同类型的 Agent 架构，它们赋予 LLM 不同程度的控制权。

Agent Types

路由器

路由器允许 LLM 从一组指定的选项中选择一个步骤。这是一种控制程度相对有限的 Agent 架构，因为 LLM 通常专注于做出单个决策，并从一组有限的预定义选项中产生特定输出。路由器通常采用几种不同的概念来实现这一点。

结构化输出

LLM 的结构化输出通过提供 LLM 在其响应中应遵循的特定格式或模式来工作。这与工具调用类似，但更通用。虽然工具调用通常涉及选择和使用预定义函数，但结构化输出可用于任何类型的格式化响应。实现结构化输出的常用方法包括

  1. 提示工程：通过系统提示指示 LLM 以特定格式响应。
  2. 输出解析器：使用后处理从 LLM 响应中提取结构化数据。
  3. 工具调用：利用某些 LLM 内置的工具调用功能来生成结构化输出。

结构化输出对于路由至关重要，因为它们确保系统的 LLM 决策能够被可靠地解释和执行。在此操作指南中了解更多关于结构化输出的信息。

工具调用 Agent

虽然路由器允许 LLM 做出单个决策，但更复杂的 Agent 架构在两个关键方面扩展了 LLM 的控制能力

  1. 多步决策：LLM 可以做出一系列决策，一个接一个，而不仅仅是一个。
  2. 工具访问：LLM 可以从各种工具中进行选择和使用，以完成任务。

ReAct 是一种流行的通用 Agent 架构，它结合了这些扩展，集成了三个核心概念。

  1. 工具调用：允许 LLM 根据需要选择和使用各种工具。
  2. 记忆：使 Agent 能够保留和使用先前步骤中的信息。
  3. 规划：使 LLM 能够创建和遵循多步计划以实现目标。

这种架构允许更复杂和灵活的 Agent 行为，超越了简单的路由，实现了多步骤的动态问题解决。与原始论文不同，今天的 Agent 依赖于 LLM 的工具调用能力，并在一系列消息上操作。

在 LangGraph 中，您可以使用预构建的 Agent 开始使用工具调用 Agent。

工具调用

当您希望 Agent 与外部系统交互时，工具非常有用。外部系统（例如 API）通常需要特定的输入模式或有效负载，而不是自然语言。例如，当我们将 API 绑定为工具时，我们让模型了解了所需的输入模式。模型将根据用户的自然语言输入选择调用工具，并返回符合工具所需模式的输出。

许多 LLM 提供商都支持工具调用，并且 LangChain 中的工具调用接口非常简单：您只需将任何 Python function 传递到 ChatModel.bind_tools(function) 中即可。

Tools

内存

记忆对 Agent 至关重要，使其能够在解决问题的多个步骤中保留和利用信息。它在不同尺度上运作

  1. 短期记忆：允许 Agent 访问在序列中较早步骤获取的信息。
  2. 长期记忆：使 Agent 能够回忆起先前交互中的信息，例如对话中的过往消息。

LangGraph 提供了对记忆实现的完全控制

  • State：用户定义的模式，指定要保留的记忆的确切结构。
  • Checkpointer：在会话中跨不同交互的每一步存储状态的机制。
  • Store：跨会话存储用户特定或应用程序级别数据的机制。

这种灵活的方法允许您根据特定的 Agent 架构需求来定制记忆系统。有效的记忆管理增强了 Agent 维持上下文、从过去经验中学习并随时间做出更明智决策的能力。有关添加和管理记忆的实用指南，请参阅记忆。

规划

在工具调用 Agent 中，LLM 在一个 while 循环中被反复调用。在每一步，Agent 决定调用哪些工具，以及这些工具的输入应该是什么。然后执行这些工具，并将输出作为观察结果反馈给 LLM。当 Agent 决定它有足够的信息来解决用户请求，并且不值得再调用任何工具时，while 循环终止。

自定义 Agent 架构

虽然路由器和工具调用 Agent（如 ReAct）很常见，但自定义 Agent 架构通常能为特定任务带来更好的性能。LangGraph 提供了几个强大的功能来构建量身定制的 Agent 系统

人机协作 (Human-in-the-loop)

人的参与可以显著提高 Agent 的可靠性，尤其是在处理敏感任务时。这可以包括

  • 批准特定操作
  • 提供反馈以更新 Agent 状态
  • 在复杂的决策过程中提供指导

当完全自动化不可行或不可取时，人在回路（Human-in-the-loop）模式至关重要。在我们的人在回路指南中了解更多。

并行化

并行处理对于高效的多 Agent 系统和复杂任务至关重要。LangGraph 通过其 Send API 支持并行化，从而实现

  • 并发处理多个状态
  • 实现类似 map-reduce 的操作
  • 高效处理独立的子任务

有关实际实现，请参阅我们的 map-reduce 教程

子图

子图对于管理复杂的 Agent 架构至关重要，尤其是在多 Agent 系统中。它们允许

  • 为单个 Agent 进行隔离的状态管理
  • Agent 团队的层级化组织
  • Agent 与主系统之间的受控通信

子图通过状态模式中的重叠键与父图通信。这实现了灵活、模块化的 Agent 设计。有关实现细节，请参阅我们的子图操作指南。

反思

反思机制可以通过以下方式显著提高 Agent 的可靠性

  1. 评估任务完成度和正确性
  2. 为迭代改进提供反馈
  3. 实现自我纠正和学习

虽然反思通常基于 LLM，但也可以使用确定性方法。例如，在编码任务中，编译错误可以作为反馈。这种方法在这个使用 LangGraph 进行自我纠正代码生成的视频中得到了演示。

通过利用这些功能，LangGraph 能够创建复杂的、特定于任务的 Agent 架构，这些架构可以处理复杂的工作流，有效协作，并持续提高其性能。