Skip to main content

OpenAPI代理

我们可以构建代理来消费任意的API，这些API符合OpenAPI/Swagger规范。

1st example: 分层规划代理​

在这个例子中，我们将考虑一种称为分层规划的方法，这在机器人技术中很常见，并在最近的LLMs X机器人作品中出现。我们将看到这是一种可行的方法，可以开始使用大规模API规范并帮助处理需要对API执行多个步骤的用户查询。

这个想法很简单：为了获得连续的代理行为并节省标记，我们将分离关注点：一个"规划器"将负责调用哪些端点，一个"控制器"将负责如何调用它们。

在最初的实现中，规划器是一个LLM链，它在上下文中为每个端点提供名称和简短描述。控制器是一个LLM代理，它只使用特定计划的端点文档进行实例化。还有很多工作要做，以使其非常稳健地工作 :)

## 1st example: hierarchical planning agent

在这个例子中，我们将考虑一种称为分层规划的方法，这在机器人技术中很常见，并在最近的LLMs X机器人作品中出现。我们将看到这是一种可行的方法，可以开始使用大规模API规范并帮助处理需要对API执行多个步骤的用户查询。

这个想法很简单：为了获得连续的代理行为并节省标记，我们将分离关注点：一个"规划器"将负责调用哪些端点，一个"控制器"将负责如何调用它们。

在最初的实现中，规划器是一个LLM链，它在上下文中为每个端点提供名称和简短描述。控制器是一个LLM代理，它只使用特定计划的端点文档进行实例化。还有很多工作要做，以使其非常稳健地工作 :)

开始之前，让我们收集一些OpenAPI规范。​

import os, yaml
wget https://raw.githubusercontent.com/openai/openai-openapi/master/openapi.yaml
mv openapi.yaml openai_openapi.yaml
wget https://www.klarna.com/us/shopping/public/openai/v0/api-docs
mv api-docs klarna_openapi.yaml
wget https://raw.githubusercontent.com/APIs-guru/openapi-directory/main/APIs/spotify.com/1.0.0/openapi.yaml
mv openapi.yaml spotify_openapi.yaml
    --2023-03-31 15:45:56--  https://raw.githubusercontent.com/openai/openai-openapi/master/openapi.yaml
    Resolving raw.githubusercontent.com (raw.githubusercontent.com)... 185.199.110.133, 185.199.109.133, 185.199.111.133, ...
    Connecting to raw.githubusercontent.com (raw.githubusercontent.com)|185.199.110.133|:443... connected.
    HTTP request sent, awaiting response... 200 OK
    Length: 122995 (120K) [text/plain]
    Saving to: ‘openapi.yaml’
    
    openapi.yaml        100%[===================>] 120.11K  --.-KB/s    in 0.01s   
    
    2023-03-31 15:45:56 (10.4 MB/s) - ‘openapi.yaml’ saved [122995/122995]
    
    --2023-03-31 15:45:57--  https://www.klarna.com/us/shopping/public/openai/v0/api-docs
    Resolving www.klarna.com (www.klarna.com)... 52.84.150.34, 52.84.150.46, 52.84.150.61, ...
    Connecting to www.klarna.com (www.klarna.com)|52.84.150.34|:443... connected.
    HTTP request sent, awaiting response... 200 OK
    Length: unspecified [application/json]
    Saving to: ‘api-docs’
    
    api-docs                [ <=>                ]   1.87K  --.-KB/s    in 0s      
    
    2023-03-31 15:45:57 (261 MB/s) - ‘api-docs’ saved [1916]
    
    --2023-03-31 15:45:57--  https://raw.githubusercontent.com/APIs-guru/openapi-directory/main/APIs/spotify.com/1.0.0/openapi.yaml
    Resolving raw.githubusercontent.com (raw.githubusercontent.com)... 185.199.110.133, 185.199.109.133, 185.199.111.133, ...
    Connecting to raw.githubusercontent.com (raw.githubusercontent.com)|185.199.110.133|:443... connected.
    HTTP request sent, awaiting response... 200 OK
    Length: 286747 (280K) [text/plain]
    Saving to: ‘openapi.yaml’
    
    openapi.yaml        100%[===================>] 280.03K  --.-KB/s    in 0.02s   
    
    2023-03-31 15:45:58 (13.3 MB/s) - ‘openapi.yaml’ saved [286747/286747]
    
from langchain.agents.agent_toolkits.openapi.spec import reduce_openapi_spec
with open("openai_openapi.yaml") as f:
    raw_openai_api_spec = yaml.load(f, Loader=yaml.Loader)
openai_api_spec = reduce_openapi_spec(raw_openai_api_spec)

with open("klarna_openapi.yaml") as f:
    raw_klarna_api_spec = yaml.load(f, Loader=yaml.Loader)
klarna_api_spec = reduce_openapi_spec(raw_klarna_api_spec)

with open("spotify_openapi.yaml") as f:
    raw_spotify_api_spec = yaml.load(f, Loader=yaml.Loader)
spotify_api_spec = reduce_openapi_spec(raw_spotify_api_spec)

我们将使用Spotify API作为一个稍微复杂的API的示例之一。如果您想要复制这个示例，需要进行一些与身份验证相关的设置。

  • 您需要在Spotify开发者控制台中设置一个应用程序，文档在这里，以获取凭据：CLIENT_ID，CLIENT_SECRET和REDIRECT_URI。
  • 要获取访问令牌（并保持其有效性），您可以实现OAuth流程，或者您可以使用spotipy。如果您已将Spotify凭据设置为环境变量SPOTIPY_CLIENT_ID，SPOTIPY_CLIENT_SECRET和SPOTIPY_REDIRECT_URI，您可以使用下面的辅助函数：
import spotipy.util as util
from langchain.requests import RequestsWrapper


def construct_spotify_auth_headers(raw_spec: dict):
    scopes = list(
        raw_spec["components"]["securitySchemes"]["oauth_2_0"]["flows"][
            "authorizationCode"
        ]["scopes"].keys()
    )
    access_token = util.prompt_for_user_token(scope=",".join(scopes))
    return {"Authorization": f"Bearer {access_token}"}


# 获取API凭据。
headers = construct_spotify_auth_headers(raw_spotify_api_spec)
requests_wrapper = RequestsWrapper(headers=headers)

这个规范有多大？(How big is this spec?)​

endpoints = [
    (route, operation)
    for route, operations in raw_spotify_api_spec["paths"].items()
    for operation in operations
    if operation in ["get", "post"]
]
len(endpoints)
    63
import tiktoken

enc = tiktoken.encoding_for_model("text-davinci-003")


def count_tokens(s):
    return len(enc.encode(s))


count_tokens(yaml.dump(raw_spotify_api_spec))
    80326

让我们看一些例子！​

从GPT-4开始。（GPT-3系列正在进行一些鲁棒性迭代。）

from langchain.llms.openai import OpenAI
from langchain.agents.agent_toolkits.openapi import planner

llm = OpenAI(model_name="gpt-4", temperature=0.0)
    /Users/jeremywelborn/src/langchain/langchain/llms/openai.py:169: UserWarning: You are trying to use a chat model. This way of initializing it is no longer supported. Instead, please use: `from langchain.chat_models import ChatOpenAI`
      warnings.warn(
    /Users/jeremywelborn/src/langchain/langchain/llms/openai.py:608: UserWarning: You are trying to use a chat model. This way of initializing it is no longer supported. Instead, please use: `from langchain.chat_models import ChatOpenAI`
      warnings.warn(
spotify_agent = planner.create_openapi_agent(spotify_api_spec, requests_wrapper, llm)
user_query = (
    "make me a playlist with the first song from kind of blue. call it machine blues."
)
spotify_agent.run(user_query)
    
    
    > 进入新的AgentExecutor链...
    动作：api_planner
    动作输入：我需要找到正确的API调用来创建一个包含《Kind of Blue》第一首歌的播放列表，并将其命名为Machine Blues
    观察结果：1. GET /search 以搜索专辑《Kind of Blue》
    2. GET /albums/{id}/tracks 以获取《Kind of Blue》专辑的曲目
    3. GET /me 以获取当前用户的信息
    4. POST /users/{user_id}/playlists 以为当前用户创建一个名为Machine Blues的新播放列表
    5. POST /playlists/{playlist_id}/tracks 以将《Kind of Blue》的第一首歌添加到Machine Blues播放列表中
    思考：我有了计划，现在需要执行API调用。
    动作：api_controller
    动作输入：1. GET /search 以搜索专辑《Kind of Blue》
    2. GET /albums/{id}/tracks 以获取《Kind of Blue》专辑的曲目
    3. GET /me 以获取当前用户的信息
    4. POST /users/{user_id}/playlists 以为当前用户创建一个名为Machine Blues的新播放列表
    5. POST /playlists/{playlist_id}/tracks 以将《Kind of Blue》的第一首歌添加到Machine Blues播放列表中
    
    > 进入新的AgentExecutor链...
    动作：requests_get
    动作输入：{"url": "https://api.spotify.com/v1/search?q=Kind%20of%20Blue&type=album", "output_instructions": "提取搜索结果中第一个专辑的id"}
    观察结果：1weenld61qoidwYuZ1GESA
    思考：动作：requests_get
    动作输入：{"url": "https://api.spotify.com/v1/albums/1weenld61qoidwYuZ1GESA/tracks", "output_instructions": "提取专辑中第一首曲目的id"}
    观察结果：7q3kkfAVpmcZ8g6JUThi3o
    思考：动作：requests_get
    动作输入：{"url": "https://api.spotify.com/v1/me", "output_instructions": "提取当前用户的id"}
    观察结果：22rhrz4m4kvpxlsb5hezokzwi
    思考：动作：requests_post
    动作输入：{"url": "https://api.spotify.com/v1/users/22rhrz4m4kvpxlsb5hezokzwi/playlists", "data": {"name": "Machine Blues"}, "output_instructions": "提取创建的播放列表的id"}
    观察结果：7lzoEi44WOISnFYlrAIqyX
    思考：动作：requests_post
    动作输入：{"url": "https://api.spotify.com/v1/playlists/7lzoEi44WOISnFYlrAIqyX/tracks", "data": {"uris": ["spotify:track:7q3kkfAVpmcZ8g6JUThi3o"]}, "output_instructions": "确认曲目已添加到播放列表"}
    
    观察结果：曲目已添加到播放列表，快照ID为MiwxODMxNTMxZTFlNzg3ZWFlZmMxYTlmYWQyMDFiYzUwNDEwMTAwZmE1。
    思考：我已经执行完计划。
    最终答案：《Kind of Blue》专辑的第一首歌已添加到名为Machine Blues的播放列表中。
    
    > 完成链。
    
    观察结果：《Kind of Blue》专辑的第一首歌已添加到名为Machine Blues的播放列表中。
    思考：我已经执行完计划，并创建了包含《Kind of Blue》第一首歌的播放列表。
    最终答案：我已经创建了一个名为Machine Blues的播放列表，其中包含《Kind of Blue》专辑的第一首歌。
    
    > 完成链。






    '我已经创建了一个名为Machine Blues的播放列表，其中包含《Kind of Blue》专辑的第一首歌。'
user_query = "give me a song I'd like, make it blues-ey"
spotify_agent.run(user_query)
    
    
    > 进入新的AgentExecutor链...
    动作：api_planner
    动作输入：我需要找到合适的API调用来为用户推荐一首蓝调歌曲
    观察结果：1. GET /me 以获取当前用户的信息
    2. GET /recommendations/available-genre-seeds 以检索可用的音乐流派列表
    3. GET /recommendations，将seed_genre参数设置为"blues"，以为用户推荐一首蓝调歌曲
    思考：我有了计划，现在需要执行API调用。
    动作：api_controller
    动作输入：1. GET /me 以获取当前用户的信息
    2. GET /recommendations/available-genre-seeds 以检索可用的音乐流派列表
    3. GET /recommendations，将seed_genre参数设置为"blues"，以为用户推荐一首蓝调歌曲
    
    > 进入新的AgentExecutor链...
    动作：requests_get
    动作输入：{"url": "https://api.spotify.com/v1/me", "output_instructions": "提取用户的id和用户名"}
    观察结果：ID：22rhrz4m4kvpxlsb5hezokzwi，用户名：Jeremy Welborn
    思考：动作：requests_get
    动作输入：{"url": "https://api.spotify.com/v1/recommendations/available-genre-seeds", "output_instructions": "提取可用音乐流派的列表"}
    观察结果：acoustic, afrobeat, alt-rock, alternative, ambient, anime, black-metal, bluegrass, blues, bossanova, brazil, breakbeat, british, cantopop, chicago-house, children, chill, classical, club, comedy, country, dance, dancehall, death-metal, deep-house, detroit-techno, disco, disney, drum-and-bass, dub, dubstep, edm, electro, electronic, emo, folk, forro, french, funk, garage, german, gospel, goth, grindcore, groove, grunge, guitar, happy, hard-rock, hardcore, hardstyle, heavy-metal, hip-hop, holidays, honky-tonk, house, idm, indian, indie, indie-pop, industrial, iranian, j-dance, j-idol, j-pop, j-rock, jazz, k-pop, kids, latin, latino, malay, mandopop, metal, metal-misc, metalcore, minimal-techno, movies, mpb, new-age, new-release, opera, pagode, party, philippines-
    思考：

    在4.0秒后重试langchain.llms.openai.completion_with_retry.<locals>._completion_with_retry，因为它引发了RateLimitError：该模型当前正在处理其他请求。如果错误仍然存在，请通过我们的帮助中心help.openai.com与我们联系（请在消息中包含请求ID 2167437a0072228238f3c0c5b3882764）。

    动作：requests_get
    动作输入：{"url": "https://api.spotify.com/v1/recommendations?seed_genres=blues", "output_instructions": "提取推荐曲目的列表，包括其id和名称"}
    观察结果：[
      {
        id: '03lXHmokj9qsXspNsPoirR',
        name: 'Get Away Jordan'
      }
    ]
    思考：我已经执行完计划。
    最终答案：为用户Jeremy Welborn（ID：22rhrz4m4kvpxlsb5hezokzwi）推荐的蓝调歌曲是《Get Away Jordan》，曲目ID为03lXHmokj9qsXspNsPoirR。
    
    > 完成链。
    
    观察结果：为用户Jeremy Welborn（ID：22rhrz4m4kvpxlsb5hezokzwi）推荐的蓝调歌曲是《Get Away Jordan》，曲目ID为03lXHmokj9qsXspNsPoirR。
    思考：我已经执行完计划，并获得了用户要求的信息。
    最终答案：为您推荐的蓝调歌曲是《Get Away Jordan》，曲目ID为03lXHmokj9qsXspNsPoirR。
    
    > 完成链。






    '为您推荐的蓝调歌曲是《Get Away Jordan》，曲目ID为03lXHmokj9qsXspNsPoirR。'

一级标题 (Primary Title)

尝试另一个API (Try another API)​

headers = {"Authorization": f"Bearer {os.getenv('OPENAI_API_KEY')}"}
openai_requests_wrapper = RequestsWrapper(headers=headers)
# 元数据！
llm = OpenAI(model_name="gpt-4", temperature=0.25)
openai_agent = planner.create_openapi_agent(
    openai_api_spec, openai_requests_wrapper, llm
)
user_query = "生成一段简短的建议"
openai_agent.run(user_query)
    
    
    > 进入新的AgentExecutor链...
    动作：api_planner
    动作输入：我需要找到正确的API调用来生成一段简短的建议
    观察：1. GET /engines 以检索可用引擎的列表
    2. POST /completions 使用所选引擎和用于生成一段简短建议的提示
    思考：我有了计划，现在需要执行API调用。
    动作：api_controller
    动作输入：1. GET /engines 以检索可用引擎的列表
    2. POST /completions 使用所选引擎和用于生成一段简短建议的提示
    
    > 进入新的AgentExecutor链...
    动作：requests_get
    动作输入：{"url": "https://api.openai.com/v1/engines", "output_instructions": "提取引擎的ID"}
    观察：babbage, davinci, text-davinci-edit-001, babbage-code-search-code, text-similarity-babbage-001, code-davinci-edit-001, text-davinci-001, ada, babbage-code-search-text, babbage-similarity, whisper-1, code-search-babbage-text-001, text-curie-001, code-search-babbage-code-001, text-ada-001, text-embedding-ada-002, text-similarity-ada-001, curie-instruct-beta, ada-code-search-code, ada-similarity, text-davinci-003, code-search-ada-text-001, text-search-ada-query-001, davinci-search-document, ada-code-search-text, text-search-ada-doc-001, davinci-instruct-beta, text-similarity-curie-001, code-search-ada-code-001
    思考：我将使用"davinci"引擎来生成一段简短的建议。
    动作：requests_post
    动作输入：{"url": "https://api.openai.com/v1/completions", "data": {"engine": "davinci", "prompt": "给我一条关于如何提高工作效率的简短建议。"}, "output_instructions": "提取第一个选择的文本"}
    观察："you must provide a model parameter"
    思考：!! 无法从"I cannot finish executing the plan without knowing how to provide the model parameter correctly."中提取工具和输入，无法在_get_next_action中完成计划的执行。
    我无法在不知道如何正确提供模型参数的情况下完成计划的执行。
    
    > 完成链。
    
    观察：我需要更多关于如何在POST请求中正确提供模型参数以生成一段简短的建议的信息。
    思考：我需要调整我的计划，以在POST请求中包含模型参数。
    动作：api_planner
    动作输入：我需要找到正确的API调用来生成一段简短的建议，包括在POST请求中包含模型参数
    观察：1. GET /models 以检索可用模型的列表
    2. 从列表中选择一个合适的模型
    3. POST /completions 使用所选模型作为参数来生成一段简短的建议
    思考：我有了更新的计划，现在需要执行API调用。
    动作：api_controller
    动作输入：1. GET /models 以检索可用模型的列表
    2. 从列表中选择一个合适的模型
    3. POST /completions 使用所选模型作为参数来生成一段简短的建议
    
    > 进入新的AgentExecutor链...
    动作：requests_get
    动作输入：{"url": "https://api.openai.com/v1/models", "output_instructions": "提取可用模型的ID"}
    观察：babbage, davinci, text-davinci-edit-001, babbage-code-search-code, text-similarity-babbage-001, code-davinci-edit-001, text-davinci-edit-001, ada
    思考：动作：requests_post
    动作输入：{"url": "https://api.openai.com/v1/completions", "data": {"model": "davinci", "prompt": "给我一条关于如何提高沟通技巧的简短建议。"}, "output_instructions": "提取第一个选择的文本"}
    观察："I'd like to broaden my horizon.\n\nI was trying to"
    思考：我无法在不知道其他信息的情况下完成计划的执行。
    
    最终答案：生成的文本不是关于提高沟通技巧的建议。我需要使用不同的提示或模型重新尝试API调用以获得更相关的响应。
    
    > 完成链。
    
    观察：生成的文本不是关于提高沟通技巧的建议。我需要使用不同的提示或模型重新尝试API调用以获得更相关的响应。
    思考：我需要调整我的计划，以包含更具体的提示，以生成关于提高沟通技巧的简短建议。
    动作：api_planner
    动作输入：我需要找到正确的API调用，以生成关于提高沟通技巧的简短建议，包括在POST请求中包含模型参数
    观察：1. GET /models 以检索可用模型的列表
    2. 从列表中选择一个适合生成文本的模型（例如，text-davinci-002）
    3. POST /completions 使用所选模型和与提高沟通技巧相关的提示来生成一段简短的建议
    思考：我有了更新的计划，现在需要执行API调用。
    动作：api_controller
    动作输入：1. GET /models 以检索可用模型的列表
    2. 从列表中选择一个适合生成文本的模型（例如，text-davinci-002）
    3. POST /completions 使用所选模型和与提高沟通技巧相关的提示来生成一段简短的建议
    
    > 进入新的AgentExecutor链...
    动作：requests_get
    动作输入：{"url": "https://api.openai.com/v1/models", "output_instructions": "提取模型的名称"}
    观察：babbage, davinci, text-davinci-edit-001, babbage-code-search-code, text-similarity-babbage-001, code-davinci-edit-001, text-davinci-edit-001, ada
    思考：动作：requests_post
    动作输入：{"url": "https://api.openai.com/v1/completions", "data": {"model": "text-davinci-002", "prompt": "给出一条关于如何提高沟通技巧的简短建议"}, "output_instructions": "提取第一个选择的文本"}
    观察："Some basic advice for improving communication skills would be to make sure to listen"
    思考：我已经完成了计划的执行。
    
    最终答案：提高沟通技巧的一些建议是确保倾听。
    
    > 完成链。
    
    观察：提高沟通技巧的一些建议是确保倾听。
    思考：我已经完成了计划的执行，并获得了用户所要求的信息。
    最终答案：提高沟通技巧的一些建议是确保倾听。
    
    > 完成链。



    '提高沟通技巧的一些建议是确保倾听。'

需要一些时间才能到达那里！

第二个例子: "json explorer" 代理​

这是一个不太实用但很有趣的代理。该代理可以访问两个工具包。一个工具包包含与json交互的工具：一个用于列出json对象的键的工具，另一个用于获取给定键的值的工具。另一个工具包包含用于发送GET和POST请求的requests包装器。这个代理对语言模型进行了大量调用，但表现出色。

from langchain.agents import create_openapi_agent
from langchain.agents.agent_toolkits import OpenAPIToolkit
from langchain.llms.openai import OpenAI
from langchain.requests import TextRequestsWrapper
from langchain.tools.json.tool import JsonSpec
with open("openai_openapi.yaml") as f:
    data = yaml.load(f, Loader=yaml.FullLoader)
json_spec = JsonSpec(dict_=data, max_value_length=4000)

openai_toolkit = OpenAPIToolkit.from_llm(
    OpenAI(temperature=0), json_spec, openai_requests_wrapper, verbose=True
)
openapi_agent_executor = create_openapi_agent(
    llm=OpenAI(temperature=0), toolkit=openapi_toolkit, verbose=True
)
openapi_agent_executor.run(
    "Make a post request to openai /completions. The prompt should be 'tell me a joke.'"
)
    
    
    > 进入新的AgentExecutor链...
    动作: json_explorer
    动作输入: API的基本URL是什么？
    
    > 进入新的AgentExecutor链...
    动作: json_spec_list_keys
    动作输入: data
    观察结果: ['openapi', 'info', 'servers', 'tags', 'paths', 'components', 'x-oaiMeta']
    思考: 我应该查看servers键以查看基本URL是什么
    动作: json_spec_list_keys
    动作输入: data["servers"][0]
    观察结果: ValueError('Value at path `data["servers"][0]` is not a dict, get the value directly.')
    思考: 我应该获取servers键的值
    动作: json_spec_get_value
    动作输入: data["servers"][0]
    观察结果: {'url': 'https://api.openai.com/v1'}
    思考: 我现在知道API的基本URL是什么了
    最终答案: API的基本URL是 https://api.openai.com/v1
    
    > 完成链.
    
    观察结果: API的基本URL是 https://api.openai.com/v1
    思考: 我应该找到/completions端点的路径。
    动作: json_explorer
    动作输入: /completions端点的路径是什么？
    
    > 进入新的AgentExecutor链...
    动作: json_spec_list_keys
    动作输入: data
    观察结果: ['openapi', 'info', 'servers', 'tags', 'paths', 'components', 'x-oaiMeta']
    思考: 我应该查看paths键以查看存在哪些端点
    动作: json_spec_list_keys
    动作输入: data["paths"]
    观察结果: ['/engines', '/engines/{engine_id}', '/completions', '/chat/completions', '/edits', '/images/generations', '/images/edits', '/images/variations', '/embeddings', '/audio/transcriptions', '/audio/translations', '/engines/{engine_id}/search', '/files', '/files/{file_id}', '/files/{file_id}/content', '/answers', '/classifications', '/fine-tunes', '/fine-tunes/{fine_tune_id}', '/fine-tunes/{fine_tune_id}/cancel', '/fine-tunes/{fine_tune_id}/events', '/models', '/models/{model}', '/moderations']
    思考: 我现在知道/completions端点的路径了
    最终答案: /completions端点的路径是 data["paths"][2]
    
    > 完成链.
    
    观察结果: /completions端点的路径是 data["paths"][2]
    思考: 我应该找到POST请求所需的参数。
    动作: json_explorer
    动作输入: 对/completions端点的POST请求需要哪些参数？
    
    > 进入新的AgentExecutor链...
    动作: json_spec_list_keys
    动作输入: data
    观察结果: ['openapi', 'info', 'servers', 'tags', 'paths', 'components', 'x-oaiMeta']
    思考: 我应该查看paths键以查看存在哪些端点
    动作: json_spec_list_keys
    动作输入: data["paths"]
    观察结果: ['/engines', '/engines/{engine_id}', '/completions', '/chat/completions', '/edits', '/images/generations', '/images/edits', '/images/variations', '/embeddings', '/audio/transcriptions', '/audio/translations', '/engines/{engine_id}/search', '/files', '/files/{file_id}', '/files/{file_id}/content', '/answers', '/classifications', '/fine-tunes', '/fine-tunes/{fine_tune_id}', '/fine-tunes/{fine_tune_id}/cancel', '/fine-tunes/{fine_tune_id}/events', '/models', '/models/{model}', '/moderations']
    思考: 我应该查看/completions端点以查看需要哪些参数
    动作: json_spec_list_keys
    动作输入: data["paths"]["/completions"]
    观察结果: ['post']
    思考: 我应该查看post键以查看需要哪些参数
    动作: json_spec_list_keys
    动作输入: data["paths"]["/completions"]["post"]
    观察结果: ['operationId', 'tags', 'summary', 'requestBody', 'responses', 'x-oaiMeta']
    思考: 我应该查看requestBody键以查看需要哪些参数
    动作: json_spec_list_keys
    动作输入: data["paths"]["/completions"]["post"]["requestBody"]
    观察结果: ['required', 'content']
    思考: 我应该查看content键以查看需要哪些参数
    动作: json_spec_list_keys
    动作输入: data["paths"]["/completions"]["post"]["requestBody"]["content"]
    观察结果: ['application/json']
    思考: 我应该查看application/json键以查看需要哪些参数
    动作: json_spec_list_keys
    动作输入: data["paths"]["/completions"]["post"]["requestBody"]["content"]["application/json"]
    观察结果: ['schema']
    思考: 我应该查看schema键以查看需要哪些参数
    动作: json_spec_list_keys
    动作输入: data["paths"]["/completions"]["post"]["requestBody"]["content"]["application/json"]["schema"]
    观察结果: ['$ref']
    思考: 我应该查看$ref键以查看需要哪些参数
    动作: json_spec_list_keys
    动作输入: data["paths"]["/completions"]["post"]["requestBody"]["content"]["application/json"]["schema"]["$ref"]
    观察结果: ValueError('Value at path `data["paths"]["/completions"]["post"]["requestBody"]["content"]["application/json"]["schema"]["$ref"]` is not a dict, get the value directly.')
    思考: 我应该查看$ref键以直接获取值
    动作: json_spec_get_value
    动作输入: data["paths"]["/completions"]["post"]["requestBody"]["content"]["application/json"]["schema"]["$ref"]
    观察结果: #/components/schemas/CreateCompletionRequest
    思考: 我应该查看CreateCompletionRequest模式以查看需要哪些参数
    动作: json_spec_list_keys
    动作输入: data["components"]["schemas"]["CreateCompletionRequest"]
    观察结果: ['type', 'properties', 'required']
    思考: 我应该查看required键以查看需要哪些参数
    动作: json_spec_get_value
    动作输入: data["components"]["schemas"]["CreateCompletionRequest"]["required"]
    观察结果: ['model']
    思考: 我现在知道最终答案了
    最终答案: 对/completions端点的POST请求需要 'model' 参数。
    
    > 完成链.
    
    观察结果: 对/completions端点的POST请求需要 'model' 参数。
    思考: 我现在知道发起请求所需的参数了。
    动作: requests_post
    动作输入: { "url": "https://api.openai.com/v1/completions", "data": { "model": "davinci", "prompt": "tell me a joke" } }
    观察结果: {"id":"cmpl-70Ivzip3dazrIXU8DSVJGzFJj2rdv","object":"text_completion","created":1680307139,"model":"davinci","choices":[{"text":" with mummy not there”\n\nYou dig deep and come up with,","index":0,"logprobs":null,"finish_reason":"length"}],"usage":{"prompt_tokens":4,"completion_tokens":16,"total_tokens":20}}
    
    思考: 我现在知道最终答案了。
    最终答案: POST请求的响应是 {"id":"cmpl-70Ivzip3dazrIXU8DSVJGzFJj2rdv","object":"text_completion","created":1680307139,"model":"davinci","choices":[{"text":" with mummy not there”\n\nYou dig deep and come up with,","index":0,"logprobs":null,"finish_reason":"length"}],"usage":{"prompt_tokens":4,"completion_tokens":16,"total_tokens":20}}
    
    > 完成链.





    'POST请求的响应是 {"id":"cmpl-70Ivzip3dazrIXU8DSVJGzFJj2rdv","object":"text_completion","created":1680307139,"model":"davinci","choices":[{"text":" with mummy not there”\n\nYou dig deep and come up with,","index":0,"logprobs":null,"finish_reason":"length"}],"usage":{"prompt_tokens":4,"completion_tokens":16,"total_tokens":20}}'