如何向预构建的 ReAct 代理添加人机交互流程¶

先决条件

本指南假设您熟悉以下内容

• 人机交互
• 代理架构
• 聊天模型
• 工具

本指南将介绍如何向预构建的 ReAct 代理添加人机交互流程。请参阅 本教程，了解如何开始使用预构建的 ReAct 代理

您可以通过将 interrupt_before=["tools"] 传递给 create_react_agent 来在调用工具之前添加断点。请注意，您需要使用检查点才能使此功能正常工作。

设置¶

首先，让我们安装所需的软件包并设置我们的 API 密钥

在 [2]

%%capture --no-stderr
%pip install -U langgraph langchain-openai

%%capture --no-stderr %pip install -U langgraph langchain-openai

在 [3]

import getpass
import os


def _set_env(var: str):
    if not os.environ.get(var):
        os.environ[var] = getpass.getpass(f"{var}: ")


_set_env("OPENAI_API_KEY")

import getpass import os def _set_env(var: str): if not os.environ.get(var): os.environ[var] = getpass.getpass(f"{var}: ") _set_env("OPENAI_API_KEY")

为 LangGraph 开发设置 LangSmith

注册 LangSmith 以快速发现问题并提高 LangGraph 项目的性能。LangSmith 使您可以使用跟踪数据来调试、测试和监控使用 LangGraph 构建的 LLM 应用程序 - 详细了解如何开始 这里。

代码¶

在 [4]

# First we initialize the model we want to use.
from langchain_openai import ChatOpenAI

model = ChatOpenAI(model="gpt-4o", temperature=0)


# For this tutorial we will use custom tool that returns pre-defined values for weather in two cities (NYC & SF)
from typing import Literal

from langchain_core.tools import tool


@tool
def get_weather(location: str):
    """Use this to get weather information from a given location."""
    if location.lower() in ["nyc", "new york"]:
        return "It might be cloudy in nyc"
    elif location.lower() in ["sf", "san francisco"]:
        return "It's always sunny in sf"
    else:
        raise AssertionError("Unknown Location")


tools = [get_weather]

# We need a checkpointer to enable human-in-the-loop patterns
from langgraph.checkpoint.memory import MemorySaver

memory = MemorySaver()

# Define the graph

from langgraph.prebuilt import create_react_agent

graph = create_react_agent(
    model, tools=tools, interrupt_before=["tools"], checkpointer=memory
)

# 首先，我们初始化要使用的模型。 from langchain_openai import ChatOpenAI model = ChatOpenAI(model="gpt-4o", temperature=0) # 对于本教程，我们将使用自定义工具，该工具为两个城市（纽约和旧金山）的预定义天气值返回结果 from typing import Literal from langchain_core.tools import tool @tool def get_weather(location: str): """使用此工具从给定位置获取天气信息。""" if location.lower() in ["nyc", "new york"]: return "纽约可能会多云" elif location.lower() in ["sf", "san francisco"]: return "旧金山总是阳光明媚" else: raise AssertionError("未知位置") tools = [get_weather] # 我们需要一个检查点来启用人机交互模式 from langgraph.checkpoint.memory import MemorySaver memory = MemorySaver() # 定义图 from langgraph.prebuilt import create_react_agent graph = create_react_agent( model, tools=tools, interrupt_before=["tools"], checkpointer=memory )

使用¶

在 [7]

def print_stream(stream):
    """A utility to pretty print the stream."""
    for s in stream:
        message = s["messages"][-1]
        if isinstance(message, tuple):
            print(message)
        else:
            message.pretty_print()

def print_stream(stream): """用于漂亮打印流的实用程序。""" for s in stream: message = s["messages"][-1] if isinstance(message, tuple): print(message) else: message.pretty_print()

在 [8]

from langchain_core.messages import HumanMessage

config = {"configurable": {"thread_id": "42"}}
inputs = {"messages": [("user", "what is the weather in SF, CA?")]}

print_stream(graph.stream(inputs, config, stream_mode="values"))

from langchain_core.messages import HumanMessage config = {"configurable": {"thread_id": "42"}} inputs = {"messages": [("user", "旧金山，加利福尼亚州的天气怎么样？")]} print_stream(graph.stream(inputs, config, stream_mode="values"))

================================ Human Message =================================

what is the weather in SF, CA?
================================== Ai Message ==================================
Tool Calls:
  get_weather (call_YjOKDkgMGgUZUpKIasYk1AdK)
 Call ID: call_YjOKDkgMGgUZUpKIasYk1AdK
  Args:
    location: SF, CA

我们可以验证我们的图是否在正确的位置停止

在 [9]

snapshot = graph.get_state(config)
print("Next step: ", snapshot.next)

snapshot = graph.get_state(config) print("下一步：", snapshot.next)

Next step:  ('tools',)

现在，我们可以在继续到下一个节点之前批准或编辑工具调用。如果我们想批准工具调用，我们只需使用 None 输入继续流式传输图。如果我们想编辑工具调用，我们需要更新状态以拥有正确的工具调用，然后在更新应用后，我们可以继续。

我们可以尝试恢复，但我们会看到一个错误出现

在 [10]

print_stream(graph.stream(None, config, stream_mode="values"))

print_stream(graph.stream(None, config, stream_mode="values"))

================================== Ai Message ==================================
Tool Calls:
  get_weather (call_YjOKDkgMGgUZUpKIasYk1AdK)
 Call ID: call_YjOKDkgMGgUZUpKIasYk1AdK
  Args:
    location: SF, CA
================================= Tool Message =================================
Name: get_weather

Error: AssertionError('Unknown Location')
 Please fix your mistakes.
================================== Ai Message ==================================
Tool Calls:
  get_weather (call_CLu9ofeBhtWF2oheBspxXkfE)
 Call ID: call_CLu9ofeBhtWF2oheBspxXkfE
  Args:
    location: San Francisco, CA

此错误出现是因为我们的工具参数“旧金山，加利福尼亚州”不是我们的工具识别的位置。

让我们展示如何编辑工具调用以搜索“旧金山”而不是“旧金山，加利福尼亚州” - 因为我们编写的工具将“旧金山，加利福尼亚州”视为未知位置。我们将更新状态，然后继续流式传输图，应该不会看到任何错误出现

在 [11]

state = graph.get_state(config)

last_message = state.values["messages"][-1]
last_message.tool_calls[0]["args"] = {"location": "San Francisco"}

graph.update_state(config, {"messages": [last_message]})

state = graph.get_state(config) last_message = state.values["messages"][-1] last_message.tool_calls[0]["args"] = {"location": "旧金山"} graph.update_state(config, {"messages": [last_message]})

Out[11]

{'configurable': {'thread_id': '42',
  'checkpoint_ns': '',
  'checkpoint_id': '1ef801d1-5b93-6bb9-8004-a088af1f9cec'}}

在 [12]

print_stream(graph.stream(None, config, stream_mode="values"))

print_stream(graph.stream(None, config, stream_mode="values"))

================================== Ai Message ==================================
Tool Calls:
  get_weather (call_CLu9ofeBhtWF2oheBspxXkfE)
 Call ID: call_CLu9ofeBhtWF2oheBspxXkfE
  Args:
    location: San Francisco
================================= Tool Message =================================
Name: get_weather

It's always sunny in sf
================================== Ai Message ==================================

The weather in San Francisco is currently sunny.

太棒了！我们的图已正确更新以查询旧金山的天气，并从工具中获得了正确的“旧金山总是阳光明媚”响应，然后相应地回复用户。

评论