OpenAIMultiFunctionsAgent#

class langchain.agents.openai_functions_multi_agent.base.OpenAIMultiFunctionsAgent[source]#

基础类：BaseMultiActionAgent

自版本0.1.0起已弃用：请改用create_openai_tools_agent()。在langchain==1.0之前不会移除。

由OpenAI功能驱动的API驱动的代理。

Parameters:

  • llm – 这应该是 ChatOpenAI 的一个实例，特别是支持使用 functions 的模型。

  • tools – 该代理可以访问的工具。

  • prompt – 此代理的提示，应支持将agent_scratchpad作为其中一个变量。要轻松构建此提示，请使用OpenAIMultiFunctionsAgent.create_prompt(…)

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 llm: BaseLanguageModel [Required]#
param prompt: BasePromptTemplate [Required]#
param tools: Sequence[BaseTool] [Required]#
async aplan(intermediate_steps: List[Tuple[AgentAction, str]], callbacks: list[BaseCallbackHandler] | BaseCallbackManager | None = None, **kwargs: Any) → List[AgentAction] | AgentFinish[source]#

异步给定输入，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) – 要使用的回调函数。默认为 None。

  • **kwargs (Any) – 用户输入。

Returns:

指定使用什么工具的操作。

Return type:

列表[AgentAction] | AgentFinish

classmethod create_prompt(system_message: SystemMessage | None = SystemMessage(content='You are a helpful AI assistant.', additional_kwargs={}, response_metadata={}), extra_prompt_messages: List[BaseMessagePromptTemplate] | None = None) → BasePromptTemplate[source]#

为此代理创建提示。

Parameters:

  • system_message (SystemMessage | None) – 用作系统消息的消息，该消息将作为提示中的第一条消息。

  • extra_prompt_messages (List[BaseMessagePromptTemplate] | None) – 将放置在系统消息和新的人类输入之间的提示消息。默认值为 None。

Returns:

传递给此代理的提示模板。

Return type:

BasePromptTemplate

classmethod from_llm_and_tools(llm: BaseLanguageModel, tools: Sequence[BaseTool], callback_manager: BaseCallbackManager | None = None, extra_prompt_messages: List[BaseMessagePromptTemplate] | None = None, system_message: SystemMessage | None = SystemMessage(content='You are a helpful AI assistant.', additional_kwargs={}, response_metadata={}), **kwargs: Any) → BaseMultiActionAgent[source]#

从LLM和工具构建一个代理。

Parameters:

  • llm (BaseLanguageModel) – 使用的语言模型。

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

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

  • extra_prompt_messages (List[BaseMessagePromptTemplate] | None) – 额外的提示消息。默认值为 None。

  • system_message (SystemMessage | None) – 要使用的系统消息。 默认是一个默认的系统消息。

  • kwargs (Any) – 额外的参数。

Return type:

BaseMultiActionAgent

get_allowed_tools() → List[str][source]#

获取允许的工具。

Return type:

列表[str]

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

给定输入，决定做什么。

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) – 要使用的回调函数。默认值为 None。

  • **kwargs (Any) – 用户输入。

Returns:

指定使用什么工具的操作。

Return type:

列表[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。

Raises:

  • NotImplementedError – 如果代理不支持保存。

  • ValueError – 如果 file_path 不是 json 或 yaml。

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 functions: List[dict]#

获取代理的函数。

property input_keys: List[str]#

获取输入键。这里的输入指的是用户输入。

property return_values: List[str]#

代理的返回值。