LangChain と OpenAI を使用したインテリジェント エージェントの構築: 開発者ガイド

人工知能の台頭により、開発者はインテリジェントな機能を日常のワークフローに統合できるようになりました。 重要なアプローチには、推論とアクションを組み合わせた自律エージェントの作成が含まれます。この記事では、LangChain、OpenAI の GPT-4、および LangChain の実験的機能を使用してそのようなエージェントを構築する方法を示します。これらのエージェントは、Python コードを実行し、CSV ファイルと対話し、複雑なクエリに取り組みます。始めましょう!

---

LangChain を選ぶ理由

LangChain は、言語モデルを活用してアプリケーションを開発するためのフレームワークとして優れています。その強みは、エージェントなどのモジュール式の再利用可能なコンポーネントを作成して、次のことができることにあります。

• Python コードを実行しています。
• データ ファイルの分析と操作。
• ツールを使用して推論と意思決定を実行します。

LangChain と OpenAI の GPT-4 を組み合わせることで、データ分析やコードのデバッグなど、特定のニーズに合わせたエージェントの作成が可能になります。

---

はじめに: 環境セットアップ

コーディングする前に、環境が適切に構成されていることを確認してください。

• Python ライブラリをインストールします:

<code class="language-bash">pip install langchain langchain-openai python-dotenv</code>

• .env ファイルを作成します: OpenAI API キーを安全に保存します:

<code>OPENAI_API_KEY=your_api_key_here</code>

---

Python 実行エージェントの構築

エージェントの重要な機能は、Python コードの実行です。これは、LangChain の PythonREPLTool を使用して実現されます。エージェントを定義しましょう:

命令設計

エージェントの操作は一連の指示に依存します。 プロンプトは次のとおりです:

<code>instruction = """
You are an agent tasked with writing and executing Python code to answer questions.
You have access to a Python REPL for code execution.
Debug your code if errors occur and retry.
Use only the code's output to answer.
If code cannot answer the question, respond with 'I don't know'.
"""</code>

エージェントのセットアップ

LangChain の REACT フレームワークはこのエージェントを構築します:

<code class="language-python">from langchain import hub
from langchain_openai import ChatOpenAI
from langchain_experimental.tools import PythonREPLTool
from langchain.agents import create_react_agent, AgentExecutor

base_prompt = hub.pull("langchain-ai/react-agent-template")
prompt = base_prompt.partial(instructions=instruction)

tools = [PythonREPLTool()]
python_agent = create_react_agent(
    prompt=prompt,
    llm=ChatOpenAI(temperature=0, model="gpt-4-turbo"),
    tools=tools,
)
python_executor = AgentExecutor(agent=python_agent, tools=tools, verbose=True)</code>

このエージェントは Python コードを実行し、結果を返します。

---

エージェントへの CSV 分析の追加

データ分析は AI エージェントの頻繁なタスクです。 LangChain の create_csv_agent を統合すると、エージェントは CSV ファイルからデータをクエリして処理できるようになります。

CSV エージェントのセットアップ

CSV 機能を追加する方法は次のとおりです:

<code class="language-python">from langchain_experimental.agents.agent_toolkits import create_csv_agent

csv_agent = create_csv_agent(
    llm=ChatOpenAI(temperature=0, model="gpt-4-turbo"),
    path="episode-info.csv",
    verbose=True,
    allow_dangerous_code=True,
)</code>

このエージェントは、行/列の数やエピソードが最も多いシーズンなど、episode-info.csv に関する質問に答えます。

---

統合エージェント用のツールの組み合わせ

汎用性を高めるために、Python の実行と CSV 分析を単一のエージェントに統合し、タスクに基づいてシームレスなツールの切り替えを可能にします。

統合エージェント定義

<code class="language-python">from langchain.agents import Tool

def python_executor_wrapper(prompt: str):
    python_executor.invoke({"input": prompt})

tools = [
    Tool(
        name="Python Agent",
        func=python_executor_wrapper,
        description="""
        Transforms natural language to Python code and executes it.
        Does not accept code as input.
        """
    ),
    Tool(
        name="CSV Agent",
        func=csv_agent.invoke,
        description="""
        Answers questions about episode-info.csv using pandas calculations.
        """
    ),
]

grant_agent = create_react_agent(
    prompt=base_prompt.partial(instructions=""),
    llm=ChatOpenAI(temperature=0, model="gpt-4-turbo"),
    tools=tools,
)
grant_agent_executor = AgentExecutor(agent=grant_agent, tools=tools, verbose=True)</code>

このエージェントは、Python ロジックと CSV データ分析の両方を処理します。

---

実践例: テレビ番組のエピソード分析

episode-info.csv を使用して統合エージェントをテストしてみましょう:

<code class="language-bash">pip install langchain langchain-openai python-dotenv</code>

エージェントは CSV を分析し、パンダを利用してエピソードが最も多いシーズンを返します。

---

次のステップと結論

• さらに多くのツールやデータセットを試してみましょう。
• より高度なエージェントの作成については、LangChain のドキュメントを参照してください。

LangChain を使用すると、高度にカスタマイズされたインテリジェント エージェントの作成が可能になり、複雑なワークフローが簡素化されます。 Python REPL や CSV エージェントなどのツールを使用すると、データ分析の自動化からコードのデバッグなど、可能性は無限に広がります。今すぐインテリジェント エージェントの構築を始めましょう!

以上がLangChain と OpenAI を使用したインテリジェント エージェントの構築: 開発者ガイドの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。