LangChain核心组件-Agents

Agents (智能体)

• 具备推理和决策能力的自主AI系统
• Agents是LangChain最强大的组件，让LLM从被动回答升级为主动的决策和执行，Agent具备推理能力，能够自主分析问题、制定计划、选择工具并执行任务。
• Agent基于ReAct（Reasoning + Acting） 模式工作

核心概念

• 推理循环：思考(Reason) → 行动(Act) → 观察(Observe) → 再思考(Reason)
• 工具使用：根据任务选择并调用合适的工具
• 自主决策：决定何时完成任务或继续探索

示例

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

# 定义工具
tools = [
    Tool(
        name="搜索",
        func=search_tool.run,
        description="用于搜索最新信息"
    ),
    Tool(
        name="计算器",
        func=calculator.run, 
        description="用于数学计算"
    )
]

# 初始化Agent
agent = initialize_agent(
    tools=tools,
    llm=llm,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True,
    handle_parsing_errors=True
)

# 执行复杂任务
result = agent.run(
    "找出特斯拉当前股价，计算如果投资10000美元可以买多少股"
)

Agent类型

• ReAct Agent：最常用的推理+行动模式
• Plan-and-Execute：先制定计划再执行
• Self-Ask：通过自问自答分解复杂问题

8.4. 工具tools

• 扩展LLM能力边界的外部功能接口

from langchain.agents import tool
from datetime import datetime

# 自定义工具
@tool
def get_current_time(timezone: str = "Asia/Shanghai") -> str:
    """获取指定时区的当前时间"""
    now = datetime.now()
    return f"当前时间：{now.strftime('%Y-%m-%d %H:%M:%S')}"

@tool 
def query_database(query: str) -> str:
    """执行数据库查询"""
    # 实际的数据查询逻辑
    return f"查询结果：{query}"

# 工具注册
tools = [get_current_time, query_database]

# 在Agent中使用
agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION)