可运行代理

class langchain.agents.agent.RunnableAgent

基础类：BaseSingleActionAgent

由Runnables驱动的代理。

通过解析和验证来自关键字参数的输入数据来创建一个新模型。

如果输入数据无法验证以形成有效模型，则引发 [ValidationError][pydantic_core.ValidationError]。

self 被显式地设为仅位置参数，以允许 self 作为字段名称。

param input_keys_arg: List[str] = []

param return_keys_arg: List[str] = []

param runnable: Runnable[dict, AgentAction | AgentFinish] [Required]

调用以获取代理操作的可运行对象。

param stream_runnable: bool = True

是否从可运行对象进行流式传输。

If True then underlying LLM is invoked in a streaming fashion to make it possible

在使用stream_log与Agent Executor时，获取对单个LLM令牌的访问权限。如果为False，则LLM将以非流式方式调用，并且stream_log中将无法获取单个LLM令牌。

async aplan(intermediate_steps: List[Tuple[AgentAction, str]], callbacks: list[BaseCallbackHandler] | BaseCallbackManager | None = None, **kwargs: Any) → AgentAction | AgentFinish

基于过去的历史和当前的输入，决定要做什么。

Parameters:

• intermediate_steps (List[Tuple[AgentAction, str]]) – LLM 迄今为止采取的步骤，以及观察结果。

• callbacks (list[BaseCallbackHandler] | BaseCallbackManager | None) – 要运行的回调函数。

• **kwargs (Any) – 用户输入。

Returns:

指定使用什么工具的操作。

Return type:

AgentAction | AgentFinish

classmethod from_llm_and_tools(llm: BaseLanguageModel, tools: Sequence[BaseTool], callback_manager: BaseCallbackManager | None = None, **kwargs: Any) → BaseSingleActionAgent

从LLM和工具构建一个代理。

Parameters:

• llm (BaseLanguageModel) – 使用的语言模型。

• tools (Sequence[BaseTool]) – 要使用的工具。

• callback_manager (BaseCallbackManager | None) – 要使用的回调管理器。

• kwargs (Any) – 额外的参数。

Returns:

代理对象。

Return type:

BaseSingleActionAgent

get_allowed_tools() → List[str] | None

Return type:

列表[str] | 无

plan(intermediate_steps: List[Tuple[AgentAction, str]], callbacks: list[BaseCallbackHandler] | BaseCallbackManager | None = None, **kwargs: Any) → AgentAction | AgentFinish

根据过去的历史和当前的输入，决定要做什么。

Parameters:

• intermediate_steps (List[Tuple[AgentAction, str]]) – LLM 到目前为止所采取的步骤，以及观察结果。

• callbacks (list[BaseCallbackHandler] | BaseCallbackManager | None) – 要运行的回调函数。

• **kwargs (Any) – 用户输入。

Returns:

指定使用什么工具的操作。

Return type:

AgentAction | AgentFinish

return_stopped_response(early_stopping_method: str, intermediate_steps: List[Tuple[AgentAction, str]], **kwargs: Any) → AgentFinish

当代理由于达到最大迭代次数而停止时返回响应。

Parameters:

• early_stopping_method (str) – 用于早停的方法。

• intermediate_steps (List[Tuple[AgentAction, str]]) – LLM 迄今为止采取的步骤，以及观察结果。

• **kwargs (Any) – 用户输入。

Returns:

代理完成对象。

Return type:

AgentFinish

Raises:

ValueError – 如果 early_stopping_method 不被支持。

save(file_path: Path | str) → None

保存代理。

Parameters:

file_path (Path | str) – 保存代理的文件路径。

Return type:

无

示例： .. code-block:: python

# 如果使用代理执行器 agent.agent.save(file_path=”path/agent.yaml”)

tool_run_logging_kwargs() → Dict

返回工具运行的日志参数。

Return type:

字典

property input_keys: List[str]

返回输入键。

property return_values: List[str]

代理的返回值。