langchain.agents.agent.Agent

class langchain.agents.agent.Agent[source]

基础： BaseSingleActionAgent

自版本 0.1.0 被弃用： 请使用新的代理构造函数，如 create_react_agent, create_json_agent, create_structured_chat_agent, 等。 代替。

调用语言模型并决定操作的代理。

此操作由 LLMChain 驱动。LLMChain 中的提示必须包含一个名为“agent_scratchpad”的变量，代理可以将其中间工作放在该变量中。

通过解析和验证从关键字参数中输入的数据来创建一个新的模型。

如果输入数据无法解析为有效模型，则引发 ValidationError。

参数 allowed_tools: Optional[List[str]] = None

代理允许的工具。如果没有设置，允许所有工具。

参数 llm_chain: LLMChain [必需]

代理要使用的 LLMChain。

参数 output_parser: AgentOutputParser [必需]

代理使用的输出解析器。

async aplan(intermediate_steps: List[Tuple[AgentAction, str]], callbacks: Optional[Union[List[BaseCallbackHandler], BaseCallbackManager]], **kwargs: Any) → Union[AgentAction, AgentFinish][source]

异步给定输入，决定要做什么。

参数

  • intermediate_steps (列表[元组[AgentAction, str]]) – LLM 至今采取的步骤，包括观察结果。

  • callbacks (可选[联合[列表[BaseCallbackHandler], BaseCallbackManager]]) – 要运行的回调函数。

  • **kwargs (任何) – 用户输入。

返回

指定使用哪个工具的操作。

返回类型

联合[AgentAction, AgentFinish]

抽象类方法 classmethod create_prompt(tools: Sequence[BaseTool]) → BasePromptTemplate[source]

为该类创建提示。

参数

tools (Sequence[BaseTool]) – 使用工具。

返回

提示模板。

返回类型

BasePromptTemplate

抽象类方法 from_llm_and_tools(llm: BaseLanguageModel, tools: Sequence[BaseTool], callback_manager: Optional[BaseCallbackManager] = None, output_parser: Optional[AgentOutputParser] = None, **kwargs: Any) → Agent[source]

从LLM和工具中构建智能体。

参数
返回

代理对象。

返回类型

代理

get_allowed_tools() → Optional[List[str]][source]

获取允许的工具。

返回类型

可选[List[str]]

get_full_inputs(intermediate_steps: List[Tuple[AgentAction, str]], **kwargs: 任何) → Dict[str, 任何[source]

从中间步骤创建LLMChain的完整输入。

参数

  • intermediate_steps (列表[元组[AgentAction, str]]) – LLM 至今采取的步骤，包括观察结果。

  • **kwargs (任何) – 用户输入。

返回

LLMChain的完整输入。

返回类型

Dict[str, 任何]

plan(intermediate_steps: List[Tuple[AgentAction, str]], callbacks: Optional[Union[List[BaseCallbackHandler], BaseCallbackManager]] = None, **kwargs: Any) → Union[AgentAction, AgentFinish][source]

给定输入，决定要做什么。

参数

  • intermediate_steps (列表[元组[AgentAction, str]]) – LLM 至今采取的步骤，包括观察结果。

  • callbacks (可选[联合[列表[BaseCallbackHandler], BaseCallbackManager]]) – 要运行的回调函数。

  • **kwargs (任何) – 用户输入。

返回

指定使用哪个工具的操作。

返回类型

联合[AgentAction, AgentFinish]

return_stopped_response(early_stopping_method: str, intermediate_steps: List[Tuple[AgentAction, str]], **kwargs: Any) → AgentFinish[source]

当代理因最大迭代次数而停止时返回响应。

参数

  • **early_stopping_method** (str) – 用于早期停止的方法。

  • intermediate_steps (列表[元组[AgentAction, str]]) – LLM 至今采取的步骤，包括观察结果。

  • **kwargs (任何) – 用户输入。

返回

代理完成对象。

返回类型

AgentFinish

引发

**ValueError** – 如果 early_stopping_method 不在 [‘force’，‘generate’] 中。

save(file_path: Union[Path, str]) → None

保存代理。

参数

file_path (Union[Path, str]) – 保存代理的文件路径。

返回类型

None

示例：.. code-block:: python

如果使用代理执行器，则 agent.agent.save(file_path="path/agent.yaml")

tool_run_logging_kwargs() → Dict[source]

返回工具运行的自定义日志参数。

返回类型

Dict

abstract property llm_prefix: str

附加到 LLM 调用的前缀。

abstract property observation_prefix: str

附加到观察结果的前缀。

property return_values: List[str]

代理的返回值。