langchain.agents.structured_chat.base.create_structured_chat_agent

langchain.agents.structured_chat.base.create_structured_chat_agent(llm: ~langchain_core.language_models.base.BaseLanguageModel, tools: ~typing.Sequence[~langchain_core.tools.BaseTool], prompt: ~langchain_core.prompts.chat.ChatPromptTemplate, tools_renderer: ~typing.Callable[[~typing.List[~langchain_core.tools.BaseTool]], str] = <function render_text_description_and_args>, *, stop_sequence: ~typing.Union[bool, ~typing.List[str]] = True) → Runnable[source]

创建一个旨在支持具有多个输入的工具的代理。

参数：

llm：用作代理的LLM。 tools：此代理可以访问的工具。 prompt：要使用的提示。有关更多信息，请参见下面的提示部分。 stop_sequence：bool或str列表。

如果为True，则添加一个停止令牌“Observation:”以避免产生幻觉。 如果为False，则不添加停止令牌。 如果为str列表，则使用提供的列表作为停止令牌。

默认为True。如果您使用的LLM不支持停止序列，则可以将其设置为False。

tools_renderer：控制如何将工具转换为字符串并传递给LLM。默认为`render_text_description`。

返回：

代表代理的可运行序列。它接受与传递的提示相同的所有输入变量。它返回AgentAction或AgentFinish。

示例：

from langchain import hub
from langchain_community.chat_models import ChatOpenAI
from langchain.agents import AgentExecutor, create_structured_chat_agent

prompt = hub.pull("hwchase17/structured-chat-agent")
model = ChatOpenAI()
tools = ...

agent = create_structured_chat_agent(model, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools)

agent_executor.invoke({"input": "hi"})

# 与聊天历史一起使用
from langchain_core.messages import AIMessage, HumanMessage
agent_executor.invoke(
    {
        "input": "what's my name?",
        "chat_history": [
            HumanMessage(content="hi! my name is bob"),
            AIMessage(content="Hello Bob! How can I assist you today?"),
        ],
    }
)

提示：

提示必须具有输入键：

  • tools：包含每个工具的描述和参数。

  • tool_names：包含所有工具名称。

  • agent_scratchpad：包含先前代理操作和工具输出的字符串。

这是一个示例：

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder

system = '''尽可能帮助和准确地回答人类。您可以访问以下工具：

{tools}

使用json blob通过提供一个操作键（工具名称）和一个action_input键（工具输入）来指定一个工具。

有效的“action”值：“Final Answer”或{tool_names}

每个$JSON_BLOB只提供一个操作，如下所示：

```
{{
  "action": $TOOL_NAME,
  "action_input": $INPUT
}}
```

遵循此格式：

问题：输入问题以回答
思考：考虑先前和随后的步骤
操作：
```
$JSON_BLOB
```
观察：操作结果
...（重复思考/操作/观察N次）
思考：我知道如何回应
操作：
```
{{
  "action": "Final Answer",
  "action_input": "对人类的最终回应"
}}

开始！提醒始终使用有效的单个操作的json blob进行回应。必要时使用工具。如果合适，直接回应。格式为操作：```$JSON_BLOB```然后观察'''

human = '''{input}

{agent_scratchpad}

（无论如何都要在JSON blob中回复）

'''

prompt = ChatPromptTemplate.from_messages(
    [
        ("system", system),
        MessagesPlaceholder("chat_history", optional=True),
        ("human", human),
    ]
)
Parameters
Return type

Runnable

Examples using create_structured_chat_agent