LangChain 및 OpenAI를 사용하여 지능형 에이전트 구축: 개발자 가이드

인공지능의 등장으로 개발자는 지능형 기능을 일상적인 워크플로에 통합할 수 있게 되었습니다. 핵심 접근 방식은 추론과 행동을 혼합하는 자율 에이전트를 만드는 것입니다. 이 문서에서는 LangChain, OpenAI의 GPT-4 및 LangChain의 실험적 기능을 사용하여 이러한 에이전트를 구축하는 방법을 보여줍니다. 이러한 에이전트는 Python 코드를 실행하고, CSV 파일과 상호 작용하며, 복잡한 쿼리를 처리합니다. 시작해 보세요!

---

랭체인을 선택하는 이유는 무엇인가요?

LangChain은 언어 모델을 활용하는 애플리케이션 개발을 위한 프레임워크로서 탁월합니다. 그 강점은 다음과 같은 기능을 갖춘 에이전트와 같은 재사용 가능한 모듈식 구성 요소를 만드는 데 있습니다.

• 파이썬 코드를 실행합니다.
• 데이터 파일을 분석하고 상호 작용합니다.
• 도구를 활용하여 추론과 의사결정을 수행합니다.

LangChain을 OpenAI의 GPT-4와 결합하면 데이터 분석 및 코드 디버깅을 포함하여 특정 요구에 맞는 에이전트 생성이 가능합니다.

---

시작하기: 환경 설정

코딩하기 전에 환경이 올바르게 구성되었는지 확인하세요.

• Python 라이브러리 설치:

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

• .env 파일 만들기: OpenAI API 키를 안전하게 저장:

<code>OPENAI_API_KEY=your_api_key_here</code>

---

Python 실행 에이전트 구축

중요한 에이전트 기능은 Python 코드를 실행하는 것입니다. 이는 LangChain의 PythonREPLTool을 사용하여 달성됩니다. 에이전트를 정의해 보겠습니다.

안내 디자인

에이전트의 작업은 일련의 지침에 따라 이루어집니다. 프롬프트는 다음과 같습니다.

<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>

에이전트 설정

LangChain의 REACT 프레임워크는 다음 에이전트를 구축합니다:

<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>

이 에이전트는 Python 코드를 실행하고 결과를 반환합니다.

---

에이전트에 CSV 분석 추가

데이터 분석은 AI 에이전트가 자주 수행하는 작업입니다. LangChain의 create_csv_agent을 통합하면 에이전트가 CSV 파일에서 데이터를 쿼리하고 처리할 수 있습니다.

CSV 에이전트 설정

CSV 기능을 추가하는 방법은 다음과 같습니다.

<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>

행/열 개수, 에피소드가 가장 많은 시즌 등 episode-info.csv에 대한 질문에 답변하는 에이전트입니다.

---

통합 에이전트를 위한 도구 결합

다양성을 위해 Python 실행과 CSV 분석을 단일 에이전트로 결합하여 작업에 따라 원활한 도구 전환이 가능합니다.

통합 에이전트 정의

<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>

이 에이전트는 Python 논리와 CSV 데이터 분석을 모두 처리합니다.

---

실시예: TV 프로그램 에피소드 분석

episode-info.csv:

로 통합 에이전트를 테스트해 보겠습니다.

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

에이전트는 CSV를 분석하고 팬더를 활용하여 에피소드가 가장 많은 시즌을 반환합니다.

---

다음 단계 및 결론

• 더 많은 도구와 데이터 세트를 실험해 보세요.
• 고급 에이전트 생성에 대한 LangChain 문서를 살펴보세요.

LangChain을 사용하면 고도로 맞춤화된 지능형 에이전트를 생성하여 복잡한 작업 흐름을 단순화할 수 있습니다. Python REPL 및 CSV 에이전트와 같은 도구를 사용하면 데이터 분석 자동화부터 코드 디버깅에 이르기까지 가능성이 무궁무진합니다. 지금 지능형 에이전트 구축을 시작하세요!

위 내용은 LangChain 및 OpenAI를 사용하여 지능형 에이전트 구축: 개발자 가이드의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!