你要的 AI Agent 工具都在這里
只有讓LLM（大模型）學會使用工具，才能做出一系列實用的AI Agent，才能發揮出LLM真正的實力。本篇，我們讓AI Agent使用更多的工具，比如：外部搜索、分析CSV、文生圖、執行代碼等。
一、使用工具的必要性
LLM（大模型）如果沒有使用工具的能力，那就相當于一個有著聰明大腦 但四肢僵硬的 漸凍人，什么事兒也做不了。人類之所以區別于動物，正是因為學會了使用工具。因此，賦予LLM使用工具的能力至關重要。
我們需要 LLM去幫助執行各種任務。而Tool（工具）就是LLM 在執行任務過程中，能夠調用的外部能力。比如：需要檢索外部資料時，可以調用檢索工具；需要執行一段代碼時，可以調用自定義函數去執行。
二、LangChain的Tool規范
所有的工具肯定要遵守一套規范，才能讓LLM隨意調用。為此，LangChain 抽象出一個Tool 層，只要是遵守這套規范的函數就是 Tool 對象，就可以被 LLM調用。
1. Tool規范
Tool的規范也簡單，只要有三個屬性就行：name、description和function。
- name：工具的名稱。
- description：對工具的功能描述，后續這個描述文本會添加到Prompt（提示詞）中，LLM 將根據description來決定是否調用該工具。
- function：此工具實際運行的函數。
只要遵守這個規范就行，使用形式可以有多種，下文的實踐代碼會介紹到。
2. Agent使用工具的流程
讓AI Agent使用工具，需要定義Agent和AgentExecutor。AgentExecutor維護了Tool.name到Tool的Map 結構。
LLM根據Prompt（包含了Tool的描述） 和 用戶的問題，判斷是否需要調用工具，確定某個工具后，在根據Tool的名稱 和 調用參數，到映射Map 中獲找Tool實例，找到之后調用Tool實例的function。
三、如何使用各種Tool
自定義Tool只需要遵守以上規范就可以，下面以幾個常用的工具做示例。
下文有些工具用到了toolkits。toolkits是LangChain提供的工具包，旨在簡化使用工具的成本，toolkits里提供了豐富的工具，還在不斷疊加，大部分的工具都可以在里面找到。
1. 外部搜索
使用外部搜索工具。本文使用的是serpapi，serpapi集成了Google、百度等多家搜索引擎，通過api的形式調用，非常方便。
官網地址：https://serpapi.com/。可以自行注冊，有一些免費額度。外部搜索工具定義如下：
# 1. 使用@tool裝飾器，定義搜索工具
@tool
def search(query: str) -> str:
"""只有在需要了解實時信息 或 不知道的事情的時候 才會使用這個工具，需要傳入要搜索的內容。"""
serp = SerpAPIWrapper()
result = serp.run(query)
return result2. 文生圖
文生圖工具是使用LangChain社區提供的DallEAPIWrapper類，本文使用OpenAI的圖片生成模型Dall-E-3，具體代碼如下：
# 2. 使用Tool工具類，定義圖片生成工具
dalle_image_generator = Tool(
name="基于OpenAI Dall-E-3的圖片生成器",
func=DallEAPIWrapper(model="dall-e-3").run,
description="OpenAI DALL-E API 的包裝器。當你需要根據 描述的文本 生成圖像時 使用此工具，需要傳入 對于圖像的描述。",
)這里的DallEAPIWrapper(model="dall-e-3").run方法就是個函數，實際是去調用了OpenAI的接口。
3. 代碼執行器
代碼執行器工具，可以執行代碼 或者 根據自然語言生成代碼。主要使用LangChain提供的PythonREPLTool 和 LangChain提供的toolkits。
比如create_python_agent就簡化了創建Python解釋器工具的過程。代碼如下：
# 3. 使用toolkit，定義執行Python代碼工具
python_agent_executor = create_python_agent(
llm=model,
tool=PythonREPLTool(),
verbose=True,
agent_executor_kwargs={"handle_parsing_errors": True},
)4. 分析CSV
CSV工具，用來分析csv文件。依舊是使用toolkits工具包里的create_csv_agent函數快出創建工具。代碼如下：
# 4. 使用toolkit，定義分析CSV文件工具
csv_agent_executor = create_csv_agent(
llm=model,
path="course_price.csv",
verbose=True,
agent_executor_kwargs={"handle_parsing_errors": True},
allow_dangerous_code=True,
)5. 完整代碼
上面介紹了AI Agent的常用工具，定義好工具之后，在把工具放入到工具集中，最后在定義Agent 和 AgentExecutor就算完成了。短短幾十行代碼，就可以讓LLM使用這么多工具了。
完整代碼如下：
import os
from langchain import hub
from langchain_openai import ChatOpenAI
from langchain.agents import create_structured_chat_agent, AgentExecutor, Tool
from langchain.tools import BaseTool, StructuredTool, tool
from langchain_experimental.agents.agent_toolkits import (
create_python_agent,
create_csv_agent,
)
from langchain_community.utilities import SerpAPIWrapper
from langchain_experimental.tools import PythonREPLTool
from langchain_community.utilities.dalle_image_generator import DallEAPIWrapper
# 需要先安裝serpapi, pip install serpapi, 還需要到 https://serpapi.com/ 去注冊賬號
# SERPAPI_API_KEY 和 OPENAI 相關密鑰，注冊到環境變量
os.environ["SERPAPI_API_KEY"] = (
"9dd2b2ee429ed996c75c1daf7412df16336axxxxxxxxxxxxxxx"
)
os.environ["OPENAI_API_KEY"] = "sk-a3rrW46OOxLBv9hdfQPBKFZtY7xxxxxxxxxxxxxxxx"
os.environ["OPENAI_API_BASE"] = "https://api.302.ai/v1"
model = ChatOpenAI(model_name="gpt-3.5-turbo")
# 基于reAct機制的Prompt模板
prompt = hub.pull("hwchase17/structured-chat-agent")
# 各種方式定義工具
# 1. 使用@tool裝飾器，定義搜索工具
@tool
def search(query: str) -> str:
"""只有在需要了解實時信息 或 不知道的事情的時候 才會使用這個工具，需要傳入要搜索的內容。"""
serp = SerpAPIWrapper()
result = serp.run(query)
return result
# 2. 使用Tool工具類，定義圖片生成工具
dalle_image_generator = Tool(
name="基于OpenAI Dall-E-3的圖片生成器",
func=DallEAPIWrapper(model="dall-e-3").run,
description="OpenAI DALL-E API 的包裝器。當你需要根據 描述的文本 生成圖像時 使用此工具，需要傳入 對于圖像的描述。",
)
# 3. 使用toolkit，定義執行Python代碼工具
python_agent_executor = create_python_agent(
llm=model,
tool=PythonREPLTool(),
verbose=True,
agent_executor_kwargs={"handle_parsing_errors": True},
)
# 4. 使用toolkit，定義分析CSV文件工具
csv_agent_executor = create_csv_agent(
llm=model,
path="course_price.csv",
verbose=True,
agent_executor_kwargs={"handle_parsing_errors": True},
allow_dangerous_code=True,
)
# 定義工具集合
tool_list = [
search,
dalle_image_generator,
Tool(
name="Python代碼工具",
description="""
當你需要借助Python解釋器時，使用這個工具。
比如當你需要執行python代碼時，
或者，當你想根據自然語言的描述生成對應的代碼時，讓它生成Python代碼，并返回代碼執行的結果。
""",
func=python_agent_executor.invoke,
),
Tool(
name="CSV分析工具",
description="""
當你需要回答有關course_price.csv文件的問題時，使用這個工具。
它接受完整的問題作為輸入，在使用Pandas庫計算后，返回答案。
""",
func=csv_agent_executor.invoke,
),
]
# 將工具丟給Agent
agent = create_structured_chat_agent(
llm=model,
tools=tool_list,
prompt=prompt
)
# 定義AgentExecutor
agent_executor = AgentExecutor.from_agent_and_tools(
agent=agent,
tools=tool_list,
verbose=True, # 打印詳細的 選擇工具的過程 和 reAct的分析過程
handle_parsing_errors=True
)
# 不會使用工具
agent_executor.invoke({"input": "你是誰？"})
# 使用查詢工具
# agent_executor.invoke({"input": "南京今天的溫度是多少攝氏度？現在外面下雨嗎？"})
# 使用Python代碼工具
# agent_executor.invoke(
# {
# "input": """
# 幫我執行```號里的python代碼，
# ```python
# def add(a,b):
# return a+b
# print("hello world : ", add(100,200))
# ```
# """
# }
# )
# 使用圖片生成工具
# agent_executor.invoke(
# {
# "input": "幫我生成一副圖片，圖片描述如下：一個非常忙碌的中國高中生在準備中國的高考，夜已經很深了，旁邊他的媽媽一邊看書一邊在陪伴他，窗外是模糊的霓虹燈。"
# }
# )
# 使用CSV分析工具
# agent_executor.invoke({"input": "course_price數據集里，一共有哪幾個城市？用中文回答"})一起看下使用工具后，reAct的整個過程。
以上代碼經過完整調試，更換下openai和serpapi的密鑰即可直接運行。
