gemini-functions-agent
这个模板创建了一个代理,使用Google Gemini函数调用来传达其决策以及采取的行动。
这个示例创建了一个代理,可以选择使用Tavily的搜索引擎在互联网上查找信息。
环境设置
需要设置以下环境变量:
将TAVILY_API_KEY
环境变量设置为访问Tavily的API密钥。
将GOOGLE_API_KEY
环境变量设置为访问Google Gemini API的密钥。
使用方法
要使用这个包,首先需要安装LangChain CLI:
pip install -U langchain-cli
要创建一个新的LangChain项目并将其安装为唯一的包,可以执行以下操作:
langchain app new my-app --package gemini-functions-agent
如果要将其添加到现有项目中,只需运行:
langchain app add gemini-functions-agent
然后将以下代码添加到你的server.py
文件中:
from gemini_functions_agent import agent_executor as gemini_functions_agent_chain
add_routes(app, gemini_functions_agent_chain, path="/openai-functions-agent")
(可选)现在让我们配置LangSmith。
LangSmith将帮助我们跟踪、监控和调试LangChain应用程序。
你可以在这里注册LangSmith。
如果你没有访问权限,可以跳过此部分。
export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project> # 如果未指定,默认为"default"
如果你在这个目录下,你可以直接启动一个LangServe实例:
langchain serve
这将在本地启动一个FastAPI应用程序,服务器正在运行在http://localhost:8000
我们可以在http://127.0.0.1:8000/docs上看到所有模板。
我们可以在http://127.0.0.1:8000/gemini-functions-agent/playground上访问playground。
我们可以通过以下代码访问模板:
from langserve.client import RemoteRunnable
runnable = RemoteRunnable("http://localhost:8000/gemini-functions-agent")