Skip to main content

如何为工具添加人工审批环节

对于某些工具,我们不相信模型能够独立执行。在这种情况下,我们可以要求在调用工具之前进行人工审批。

info

本指南展示了在 Jupyter Notebook 或终端中为代码添加人工审批环节的简单方法。

要构建一个生产应用程序,您需要做更多的工作来适当地跟踪应用程序状态。

我们推荐使用 langgraph 来提供这种能力。更多详情,请参阅指南

设置

我们需要安装以下软件包:

%pip install --upgrade --quiet langchain

并设置以下环境变量:

import getpass
import os
# 如果您想使用 LangSmith,请取消下面的注释:
# os.environ["LANGCHAIN_TRACING_V2"] = "true"
# os.environ["LANGCHAIN_API_KEY"] = getpass.getpass()

让我们创建一些简单的(虚拟的)工具和一个调用工具的链:

pip install -qU langchain-openai
import getpass
import os

os.environ["OPENAI_API_KEY"] = getpass.getpass()

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-3.5-turbo-0125")
from typing import Dict, List
from langchain_core.messages import AIMessage
from langchain_core.runnables import Runnable, RunnablePassthrough
from langchain_core.tools import tool
@tool
def count_emails(last_n_days: int) -> int:
"""将两个整数相乘。"""
return last_n_days * 2
@tool
def send_email(message: str, recipient: str) -> str:
"将两个整数相加。"
return f"成功发送邮件给 {recipient}。"
tools = [count_emails, send_email]
llm_with_tools = llm.bind_tools(tools)
def call_tools(msg: AIMessage) -> List[Dict]:
"""简单的顺序工具调用辅助函数。"""
tool_map = {tool.name: tool for tool in tools}
tool_calls = msg.tool_calls.copy()
for tool_call in tool_calls:
tool_call["output"] = tool_map[tool_call["name"]].invoke(tool_call["args"])
return tool_calls
chain = llm_with_tools | call_tools
chain.invoke("最近5天我收到了多少封电子邮件?")
[{'name': 'count_emails',
'args': {'last_n_days': 5},
'id': 'toolu_01QYZdJ4yPiqsdeENWHqioFW',
'output': 10}]

添加人工审批

让我们在链中添加一个步骤,该步骤将要求一个人批准或拒绝调用工具的请求。

在拒绝的情况下,该步骤将引发一个异常,停止执行链的其余部分。

import json
class NotApproved(Exception):
"""自定义异常。"""
def human_approval(msg: AIMessage) -> AIMessage:
"""负责传递其输入或引发异常。
Args:
msg: 来自聊天模型的输出
Returns:
msg: 来自 msg 的原始输出
"""
tool_strs = "\n\n".join(
json.dumps(tool_call, indent=2) for tool_call in msg.tool_calls
)
input_msg = (
f"您是否批准以下工具调用\n\n{tool_strs}\n\n"
"除了 'Y'/'Yes'(不区分大小写)之外的任何回答都将被视为拒绝。\n >>>"
)
resp = input(input_msg)
if resp.lower() not in ("yes", "y"):
raise NotApproved(f"工具调用未获批准:\n\n{tool_strs}")
return msg
chain = llm_with_tools | human_approval | call_tools
chain.invoke("最近5天我收到了多少封电子邮件?")
您是否批准以下工具调用
{
"name": "count_emails",
"args": {
"last_n_days": 5
},
"id": "toolu_01WbD8XeMoQaRFtsZezfsHor"
}
除了 'Y'/'Yes'(不区分大小写)之外的任何回答都将被视为拒绝。
>>> yes
[{'name': 'count_emails',
'args': {'last_n_days': 5},
'id': 'toolu_01WbD8XeMoQaRFtsZezfsHor',
'output': 10}]
try:
chain.invoke("给 sally@gmail.com 发送一封邮件,内容是 '最近怎么样?'")
except NotApproved as e:
print()
print(e)
您是否批准以下工具调用
{
"name": "send_email",
"args": {
"recipient": "sally@gmail.com",
"message": "最近怎么样?"
},
"id": "toolu_014XccHFzBiVcc9GV1harV9U"
}
除了 'Y'/'Yes'(不区分大小写)之外的任何回答都将被视为拒绝。
>>> no
``````output

工具调用未获批准:

{

"name": "send_email",

"args": {

"recipient": "sally@gmail.com",

"message": "最近怎么样?"

},

"id": "toolu_014XccHFzBiVcc9GV1harV9U"

}

Was this page helpful?


You can leave detailed feedback on GitHub.