AI Agent开发实战：从零构建你的第一个智能代理（附完整代码示例）

1次阅读

共计 2378 个字符，预计需要花费 6 分钟才能阅读完成。

大型语言模型（LLM）驱动的 AI Agent 可以帮我们订外卖、查天气、自动处理工单，它们通常由三部分组成：大脑（LLM）、工具（Tools）和记忆（Memory）。今天我们就用 Python 3.10+ 和 LangChain 框架，从零实现一个会查天气预报的智能助手。

刚开始开发 AI Agent 时，最容易在这些地方翻车：

工具调用像抽奖：API 返回格式突变或网络抖动时，程序直接崩溃
Prompt 像玄学：少个冒号就让 LLM 开始胡说八道
记忆七秒鱼：对话超过 5 轮就忘记用户之前说过什么

首先安装必要依赖（建议新建虚拟环境）：

pip install langchain openai python-dotenv requests

在项目目录创建 .env 文件存放敏感信息：

OPENAI_API_KEY= 你的 OpenAI 密钥
OPENWEATHER_API_KEY= 你的天气 API 密钥

下面这个 weather_agent.py 包含了完整逻辑（关键部分有详细注释）：

import os
from dotenv import load_dotenv
from langchain.agents import Tool, AgentExecutor, LLMSingleActionAgent
from langchain.chains import LLMChain
from langchain.memory import ConversationBufferMemory
from langchain_community.utilities import OpenWeatherMapAPIWrapper
from langchain_openai import ChatOpenAI

# 加载环境变量
load_dotenv()

# 初始化天气查询工具
weather = OpenWeatherMapAPIWrapper()
weather_tool = Tool(
    name="Weather",
    func=weather.run,
    description="查询城市天气，输入格式：' 城市名, 国家代码 '如'Beijing,CN'"
)

# 构建 Prompt 模板
from langchain.prompts import StringPromptTemplate
class CustomPromptTemplate(StringPromptTemplate):
    template = """
    你是一个专业的天气预报助手，请根据工具返回的信息回答用户问题。历史对话：{history}

    问题：{input}

    可用工具：{tools}

    请按这个格式响应：Thought: 思考需要使用的工具
    Action: 工具名称
    Action Input: 工具输入参数
    """

    def format(self, **kwargs):
        kwargs["tools"] = "\n".join([f"{tool.name}: {tool.description}" for tool in kwargs["tools"]])
        return self.template.format(**kwargs)

# 设置记忆功能
memory = ConversationBufferMemory(memory_key="history")

# 创建 Agent
llm = ChatOpenAI(temperature=0, model="gpt-3.5-turbo")
prompt = CustomPromptTemplate(input_variables=["input", "history", "tools"]
)
agent = LLMSingleActionAgent(llm_chain=LLMChain(llm=llm, prompt=prompt),
    output_parser=... # 这里应该有输出解析器代码
    stop=["\nObservation:"],
    allowed_tools=[weather_tool.name]
)

# 异常处理装饰器
def api_protector(func):
    def wrapper(*args, **kwargs):
        try:
            return func(*args, **kwargs)
        except Exception as e:
            return f"API 调用失败: {str(e)}"
    return wrapper

# 执行示例
agent_executor = AgentExecutor.from_agent_and_tools(
    agent=agent,
    tools=[weather_tool],
    memory=memory,
    verbose=True
)

print(agent_executor.run("上海明天会下雨吗？"))