Skip to main content

多输入工具

本笔记本展示了如何使用需要多个输入的工具与代理一起使用。推荐的方法是使用StructuredTool类。

import os

os.environ["LANGCHAIN_TRACING"] = "true"

from langchain import OpenAI
from langchain.agents import initialize_agent, AgentType

llm = OpenAI(temperature=0)

API 参考：​

from langchain.tools import StructuredTool


def multiplier(a: float, b: float) -> float:
    """Multiply the provided floats."""
    return a * b


tool = StructuredTool.from_function(multiplier)

API 参考：​

# 结构化工具与STRUCTURED_CHAT_ZERO_SHOT_REACT_DESCRIPTION代理类型兼容。
agent_executor = initialize_agent(
    [tool],
    llm,
    agent=AgentType.STRUCTURED_CHAT_ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True,
)
agent_executor.run("What is 3 times 4")
> 进入新的 AgentExecutor 链...
思考：我需要将3和4相乘
动作：
{
  "action": "multiplier",
  "action_input": {"a": 3, "b": 4}
}
观察：12
思考：我知道如何回答
动作：
{
  "action": "Final Answer",
  "action_input": "3 times 4 is 12"
}
> 完成链。

'3 times 4 is 12'

使用字符串格式的多输入工具​

与结构化工具相比，另一种方法是使用常规的Tool类并接受一个字符串。然后，工具必须处理解析逻辑以从文本中提取相关值，这将紧密地将工具表示与代理提示耦合在一起。如果底层语言模型无法可靠地生成结构化模式，则仍然很有用。

以乘法函数为例。为了使用它，我们将告诉代理将"Action Input"生成为一个由逗号分隔的长度为两个的列表。然后，我们将编写一个简单的包装器，将字符串围绕逗号分割为两部分，并将两个解析后的值作为整数传递给乘法函数。

from langchain.llms import OpenAI
from langchain.agents import initialize_agent, Tool
from langchain.agents import AgentType

API 参考：​

这是乘法函数以及将字符串解析为输入的包装器。

def multiplier(a, b):
    return a * b


def parsing_multiplier(string):
    a, b = string.split(",")
    return multiplier(int(a), int(b))
llm = OpenAI(temperature=0)
tools = [
    Tool(
        name="Multiplier",
        func=parsing_multiplier,
        description="用于将两个数字相乘的工具。该工具的输入应为一个由逗号分隔的长度为两个的数字列表，表示您想要相乘的两个数字。例如，如果您想要将1乘以2，则输入应为`1,2`。",
    )
]
mrkl = initialize_agent(
    tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True
)
mrkl.run("What is 3 times 4")
> 进入新的 AgentExecutor 链...
思考：我需要将两个数字相乘
动作：Multiplier
动作输入：3,4
观察：12
思考：我现在知道最终答案
最终答案：3 times 4 is 12
> 完成链。

'3 times 4 is 12'