如何使用预构建的 ReAct 智能体¶
在本操作指南中，我们将创建一个可以检查天气的简单 ReAct 智能体应用。该应用由一个智能体（LLM）和工具组成。当我们与应用交互时，我们将首先调用智能体（LLM）来决定是否应该使用工具。然后我们将运行一个循环
- 如果智能体指示执行一个动作（即调用工具），我们将运行工具并将结果传回给智能体
- 如果智能体未要求运行工具，我们将结束（回应用户）
预构建智能体
请注意，这里我们将使用预构建的智能体。LangGraph 的一个重要优势在于您可以轻松创建自己的智能体架构。因此，虽然从这里开始快速构建智能体没有问题，但我们强烈建议学习如何构建自己的智能体，以便充分利用 LangGraph。阅读这篇指南了解如何从零开始创建自己的 ReAct 智能体。
设置¶
首先，我们需要安装所需的软件包。
本指南将使用 OpenAI 的 GPT-4o 模型。我们将选择性地设置用于 LangSmith 追踪的 API 密钥，这将为我们提供一流的可观测性。
// process.env.OPENAI_API_KEY = "sk_...";
// Optional, add tracing in LangSmith
// process.env.LANGCHAIN_API_KEY = "ls__..."
// process.env.LANGCHAIN_CALLBACKS_BACKGROUND = "true";
process.env.LANGCHAIN_CALLBACKS_BACKGROUND = "true";
process.env.LANGCHAIN_TRACING_V2 = "true";
process.env.LANGCHAIN_PROJECT = "ReAct Agent: LangGraphJS";
代码¶
现在我们可以使用预构建的 createReactAgent 函数来设置我们的智能体
import { ChatOpenAI } from "@langchain/openai";
import { tool } from '@langchain/core/tools';
import { z } from 'zod';
import { createReactAgent } from "@langchain/langgraph/prebuilt";
const model = new ChatOpenAI({
model: "gpt-4o",
});
const getWeather = tool((input) => {
if (['sf', 'san francisco', 'san francisco, ca'].includes(input.location.toLowerCase())) {
return 'It\'s 60 degrees and foggy.';
} else {
return 'It\'s 90 degrees and sunny.';
}
}, {
name: 'get_weather',
description: 'Call to get the current weather.',
schema: z.object({
location: z.string().describe("Location to get the weather for."),
})
})
const agent = createReactAgent({ llm: model, tools: [getWeather] });
使用方法¶
首先，让我们可视化刚刚创建的图
import * as tslab from "tslab";
const graph = agent.getGraph();
const image = await graph.drawMermaidPng();
const arrayBuffer = await image.arrayBuffer();
await tslab.display.png(new Uint8Array(arrayBuffer));
让我们用一个需要工具调用的输入来运行应用
let inputs = { messages: [{ role: "user", content: "what is the weather in SF?" }] };
let stream = await agent.stream(inputs, {
streamMode: "values",
});
for await (const { messages } of stream) {
let msg = messages[messages?.length - 1];
if (msg?.content) {
console.log(msg.content);
} else if (msg?.tool_calls?.length > 0) {
console.log(msg.tool_calls);
} else {
console.log(msg);
}
console.log("-----\n");
}
what is the weather in sf?
-----
[
{
name: 'get_weather',
args: { location: 'San Francisco, CA' },
type: 'tool_call',
id: 'call_wfXCh5IhSp1C0Db3gaJWDbRP'
}
]
-----
It's 60 degrees and foggy.
-----
The weather in San Francisco is currently 60 degrees and foggy.
-----
inputs = { messages: [{ role: "user", content: "who built you?" }] };
stream = await agent.stream(inputs, {
streamMode: "values",
});
for await (
const { messages } of stream
) {
let msg = messages[messages?.length - 1];
if (msg?.content) {
console.log(msg.content);
} else if (msg?.tool_calls?.length > 0) {
console.log(msg.tool_calls);
} else {
console.log(msg);
}
console.log("-----\n");
}