Agent & Langsmith

!pip install -U langchain langchain-community langchain-experimental langchain-core langchain-openai langsmith pypdf faiss-cpu

# TAVILY API KEY를 기입 os.environ["TAVILY_API_KEY"] = ""

from langchain_community.tools.tavily_search import TavilySearchResults # 도구 생성 tool = TavilySearchResults( max_results=6, include_answer=True, include_raw_content=True, # include_images=True, # search_depth="advanced", # or "basic" include_domains=["github.io", "wikidocs.net"], # exclude_domains = [] ) # 도구 실행 result = tool.invoke({"query": "LangChain Tools 에 대해서 알려주세요"}) > result [{'url': 'https://wikidocs.net/253106', 'content': '도구(Tools) 02. 도구 바인딩(Binding Tools) 03. 에이전트(Agent) 04. Claude, Gemini, Ollama ... LangChain 에 대해서 알려주세요.\\n'}, {'url': 'https://wikidocs.net/262582', 'content': "LangChain 에서 기본 제공하는 도구를 사용하여 쉽게 도구를 활용할 수 있으며, 사용자 정의 도구(Custom Tool) 를 쉽게 구축하는 것도 가능합니다. LangChain 한국어 튜토리얼\\n바로가기 👀\\n[LangChain] 에이전트(Agent)와 도구(tools)를 활용한 지능형 검색 시스템 구축 가이드\\n2024년 02월 09일\\n41 분 소요\\n이 글에서는 LangChain 의 Agent 프레임워크를 활용하여 복잡한 검색과 📍 전체 템플릿 코드\\n다음의 추적 링크에서 자세한 단계별 수행 결과를 확인할 수 있습니다\\nLangSmith 추적\\n마무리입니다!\\n 문서 기반 QA 시스템 설계 방법 - 심화편\\n2024년 02월 06일\\n22 분 소요\\nLangChain의 RAG 시스템을 통... > len(result) # 리스트 형태로 넘어오기 때문에 결과 개수를 반환할 수 있습니다. 6

from langchain_core.output_parsers.openai_tools import JsonOutputToolsParser # 도구 바인딩 + 도구 파서 chain = llm_with_tools | JsonOutputToolsParser(tools=tools) # 실행 결과 tool_call_results = chain.invoke("What is the length of the word 'teddynote'?")

print(tool_call_results, end="\n\n==========\n\n") # 첫 번째 도구 호출 결과 single_result = tool_call_results[0] # 도구 이름 print(single_result["type"]) # 도구 인자 print(single_result["args"]) tool_call_results[0]["type"], tools[0].name

def execute_tool_calls(tool_call_results): """ 도구 호출 결과를 실행하는 함수 :param tool_call_results: 도구 호출 결과 리스트 :param tools: 사용 가능한 도구 리스트 """ # 도구 호출 결과 리스트를 순회합니다. for tool_call_result in tool_call_results: # 도구의 이름과 인자를 추출합니다. tool_name = tool_call_result["type"] tool_args = tool_call_result["args"] # 도구 이름과 일치하는 도구를 찾아 실행합니다. # next() 함수를 사용하여 일치하는 첫 번째 도구를 찾습니다. matching_tool = next((tool for tool in tools if tool.name == tool_name), None) if matching_tool: # 일치하는 도구를 찾았다면 해당 도구를 실행합니다. result = matching_tool.invoke(tool_args) # 실행 결과를 출력합니다. print(f"[실행도구] {tool_name}\n[실행결과] {result}") else: # 일치하는 도구를 찾지 못했다면 경고 메시지를 출력합니다. print(f"경고: {tool_name}에 해당하는 도구를 찾을 수 없습니다.")

from langchain_core.output_parsers.openai_tools import JsonOutputToolsParser # bind_tools + Parser + Execution chain = llm_with_tools | JsonOutputToolsParser(tools=tools) | execute_tool_calls # 실행 결과 chain.invoke("What is the length of the word 'teddynote'?") # 실행 결과 chain.invoke("114.5 + 121.2") print(114.5 + 121.2) # 실행 결과 chain.invoke( "뉴스 기사 내용을 크롤링해줘: https://n.news.naver.com/mnews/hotissue/article/092/0002347672?type=series&cid=2000065" )

from langchain.tools import tool from typing import List, Dict, Annotated from langchain_community.tools.tavily_search import TavilySearchResults from langchain_experimental.utilities import PythonREPL # 도구 생성 @tool def search_news(query: str) -> List[Dict[str, str]]: """Search News by input keyword""" news_tool = TavilySearchResults( max_results=6, include_answer=True, include_raw_content=True, # include_images=True, # search_depth="advanced", # or "basic" include_domains=["google.com", "naver.com"], # exclude_domains = [] ) return news_tool.invoke({"query": query}) # 도구 생성 @tool def python_repl_tool( code: Annotated[str, "The python code to execute to generate your chart."], ): """Use this to execute python code. If you want to see the output of a value, you should print it out with `print(...)`. This is visible to the user.""" result = "" try: result = PythonREPL().run(code) except BaseException as e: print(f"Failed to execute. Error: {repr(e)}") finally: return result print(f"도구 이름: {search_news.name}") print(f"도구 설명: {search_news.description}") print(f"도구 이름: {python_repl_tool.name}") print(f"도구 설명: {python_repl_tool.description}") 도구 이름: search_news 도구 설명: Search News by input keyword 도구 이름: python_repl_tool 도구 설명: Use this to execute python code. If you want to see the output of a value, you should print it out with `print(...)`. This is visible to the user. # tools 정의 tools = [search_news, python_repl_tool]

from langchain_openai import ChatOpenAI from langchain.agents import create_tool_calling_agent # LLM 정의 llm = ChatOpenAI(model="gpt-4o-mini", temperature=0) # Agent 생성 agent = create_tool_calling_agent(llm, tools, prompt)