Agent工具调用入门指南：从零搭建你的第一个智能代理

1次阅读

共计 1598 个字符，预计需要花费 4 分钟才能阅读完成。

Agent（智能代理）是一种能够自主执行任务、调用工具并作出决策的程序实体。在现代应用中，Agent 的价值主要体现在自动化处理复杂任务、连接不同工具和服务、以及基于环境动态调整行为。例如，一个客服 Agent 可以理解用户问题、查询知识库、调用翻译工具，最终生成合适的回复。

目前主流的 Agent 框架主要有以下几种：

LangChain：模块化设计，适合构建复杂的工作流，支持多种 LLM 和工具集成。
AutoGPT：更注重自动化，适合需要较少人工干预的场景。
Hugging Face Transformers Agent：基于 Hugging Face 生态，适合快速原型开发。

LLM（大语言模型）：负责理解和生成自然语言。
工具（Tools）：Agent 可以调用的外部功能，如 API、数据库查询等。
记忆（Memory）：存储对话历史或任务状态，用于上下文理解。
决策逻辑 ：决定何时调用哪个工具，如何处理工具返回的结果。

以下是一个基础 Agent 的创建和调用流程示例：

from langchain.agents import AgentExecutor, create_openai_tools_agent
from langchain_openai import ChatOpenAI
from langchain_core.tools import Tool

# 定义一个简单的工具
def get_current_time(query: str) -> str:
    """获取当前时间"""
    from datetime import datetime
    return datetime.now().strftime("%Y-%m-%d %H:%M:%S")

# 创建工具实例
time_tool = Tool.from_function(
    func=get_current_time,
    name="get_current_time",
    description="获取当前时间",
)

# 初始化 LLM
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

# 创建 Agent
agent = create_openai_tools_agent(llm, [time_tool])
agent_executor = AgentExecutor(agent=agent, tools=[time_tool], verbose=True)

# 调用 Agent
response = agent_executor.invoke({"input": "现在是什么时间？"})
print(response["output"])