ReActDocstoreAgent#

class langchain.agents.react.base.ReActDocstoreAgent[源代码]#

基础类：Agent

自版本0.1.0起已弃用：LangChain代理将继续得到支持，但建议新用例使用LangGraph构建。LangGraph提供了一个更灵活且功能齐全的框架来构建代理，包括支持工具调用、状态持久化和人机交互工作流。有关详细信息，请参阅LangGraph文档以及从AgentExecutor迁移和LangGraph的预构建ReAct代理指南。在langchain==1.0之前不会移除。

ReAct链的代理。

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 allowed_tools: List[str] | None = None#

允许代理使用的工具。如果为None，则允许使用所有工具。

param llm_chain: LLMChain [Required]#

用于代理的LLMChain。

param output_parser: AgentOutputParser [Optional]#

用于代理的输出解析器。

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

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 create_prompt(tools: Sequence[BaseTool]) → BasePromptTemplate[source]#

返回默认提示。

Parameters:

工具 (序列[BaseTool])

Return type:

BasePromptTemplate

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

从LLM和工具构建一个代理。

Parameters:
Returns:

代理对象。

Return type:

Agent

get_allowed_tools() → List[str] | None#

获取允许的工具。

Return type:

列表[str] | 无

get_full_inputs(intermediate_steps: List[Tuple[AgentAction, str]], **kwargs: Any) → Dict[str, Any]#

从中间步骤为LLMChain创建完整的输入。

Parameters:

  • 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:

LLMChain 的完整输入。

Return type:

Dict[str, Any]

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

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 不在 [‘force’, ‘generate’] 中。

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 llm_prefix: str#

前缀附加到LLM调用。

property observation_prefix: str#

为观察添加的前缀。

property return_values: List[str]#

代理的返回值。