gemini-functions-agent

这个模板创建了一个代理，使用Google Gemini函数调用来传达其决策以及采取的行动。

这个示例创建了一个代理，可以选择使用Tavily的搜索引擎在互联网上查找信息。

点击此处查看一个LangSmith跟踪示例

环境设置

需要设置以下环境变量：

将TAVILY_API_KEY环境变量设置为访问Tavily的API密钥。

将GOOGLE_API_KEY环境变量设置为访问Google Gemini API的密钥。

使用方法

要使用这个包，首先需要安装LangChain CLI：

pip install -U langchain-cli

要创建一个新的LangChain项目并将其安装为唯一的包，可以执行以下操作：

langchain app new my-app --package gemini-functions-agent

如果要将其添加到现有项目中，只需运行：

langchain app add gemini-functions-agent

然后将以下代码添加到你的server.py文件中：

from gemini_functions_agent import agent_executor as gemini_functions_agent_chain
add_routes(app, gemini_functions_agent_chain, path="/openai-functions-agent")

（可选）现在让我们配置LangSmith。

LangSmith将帮助我们跟踪、监控和调试LangChain应用程序。

你可以在这里注册LangSmith。

如果你没有访问权限，可以跳过此部分。

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project>  # 如果未指定，默认为"default"

如果你在这个目录下，你可以直接启动一个LangServe实例：

langchain serve

这将在本地启动一个FastAPI应用程序，服务器正在运行在http://localhost:8000

我们可以在http://127.0.0.1:8000/docs上看到所有模板。

我们可以在http://127.0.0.1:8000/gemini-functions-agent/playground上访问playground。

我们可以通过以下代码访问模板：

from langserve.client import RemoteRunnable
runnable = RemoteRunnable("http://localhost:8000/gemini-functions-agent")