Mistral 7bを使用したAIエージェントの関数呼び出し-AnalyticsVidhya

Mistral 7bを使用して関数呼び出しの力を活用：インテリジェントAIエージェントの構築

大規模な言語モデル（LLM）は、AIエージェントの外部システムおよびAPIとの相互作用に革命をもたらし、洗練された自然言語主導の意思決定を可能にしました。これは、JSONスキーマ定義関数がLLMSが外部操作を自律的に選択および実行することで、自動化を大幅に向上させる機能呼び出しを通じて実現されます。この記事では、指導のフォローに最適化された最先端のモデルであるMistral 7Bを使用した関数呼び出しを示しています。

主要な学習目標：

• 生成AI内のAIエージェントの役割とタイプを把握します。
• 関数呼び出しがJSONスキーマを介してLLM機能を強化する方法を理解してください。
• テキスト生成のためにMistral 7Bモデルを構成してロードします。
• LLMSで関数呼び出しを実装して、外部プロセスを実行します。
• 機能引数を抽出し、Mistral 7bを使用して応答を生成します。
• 構造化された出力を使用して、天気クエリなどのリアルタイム関数を実行します。
• 複数のツールを使用して、多様なドメイン全体でAIエージェント機能を拡張します。

（この記事はデータサイエンスブログソンの一部です。）

目次：

• AIエージェントの理解
• LLMSの関数呼び出しが説明されました
• ミストラル7Bパイプラインの構築：モデルとテキスト生成
• Mistral 7bを使用して関数呼び出しの実装
• モデル生成最終応答
• 結論
• よくある質問

AIエージェントの理解：

生成AI（genai）内で、AIエージェントは大きな進歩を表しています。 LLMSなどのモデルを利用して、コンテンツを生成し、相互作用をシミュレートし、複雑なタスクを自律的に実行します。それらの適応性は、顧客サービス、教育、ヘルスケアなど、さまざまな分野に広がっています。

AIエージェントは次のように分類できます（下の画像を参照）：

• ループの人間（フィードバックの提供）
• コードエグゼキューター（例えば、iPythonカーネル）
• ツールエグゼキューター（機能またはAPI実行）
• モデル（LLM、VLMなど）

関数呼び出しは、コードの実行、ツール実行、モデルの推論を統合します。 LLMSは自然言語処理を処理しますが、コードエグゼクティアはユーザーリクエストを満たすために必要なコードスニペットを実行します。ループとループの相互作用は、フィードバックまたは制御プロセス終了を提供できます。

LLMSの関数呼び出しは説明されています：

開発者は、JSONスキーマを使用して機能を定義します（モデルに渡されます）。次に、モデルはユーザープロンプトに基づいて必要な関数引数を生成します。たとえば、Weather APIを呼び出してリアルタイムの天気情報を提供できます。関数呼び出しにより、LLMは適切な関数またはツールをインテリジェントに選択し、自律タスクの完了を可能にし、効率を向上させることができます。

この記事では、LLM（Mistral）がユーザークエリに基づいて関数引数を生成する方法を示しています。ユーザーがデリーの温度を求めます。モデルは引数を抽出し、関数はリアルタイムデータ（またはここでデフォルト値）を取得し、LLMはユーザーフレンドリーな応答を提供します。

ミストラルの構築7bパイプライン：モデルとテキスト生成：

必要なライブラリをインポートし、推論のために顔を抱きしめてからMistral 7Bモデルとトークネイザーをロードします。モデルはこちらから入手できます。

ライブラリのインポート：

トランスからインポートパイプライン、Automodelforcausallm、AutoTokenizerから
警告をインポートします
警告.filterwarnings（ "Ingrore"）

Mistral 7Bモデルリポジトリの指定：

 model_name = "mistralai/mistral-7b-instruct-v0.3"

モデルとトークンザーのダウンロード：

（注：アクセスには、ウェブサイトの指示に従って、顔のサインアップとトークンの生成を抱き締める必要があります。）

 Model = automodelforcausallm.from_pretrained（model_name、token = hf_token、device_map = 'auto'）
tokenizer = autotokenizer.from_pretrained（model_name、token = hf_token）

（実装、結果、および結論を詳述する残りのセクションは、明確さとフローを強化しながら、元の意味を維持するために、同様の再編と再測定に続きます。画像は元の位置に残ります。）

以上がMistral 7bを使用したAIエージェントの関数呼び出し-AnalyticsVidhya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。