langchain.agents.openai_functions_multi_agent.base.OpenAIMultiFunctionsAgent

class langchain.agents.openai_functions_multi_agent.base.OpenAIMultiFunctionsAgent[源代码]

继承自： BaseMultiActionAgent

自从版本 0.1.0 已废弃： 请使用 create_openai_tools_agent 代替。

由 OpenAI 的函数驱动型 API 驱动的代理。

参数

  • llm – 这应该是一个 ChatOpenAI 的实例，特别是支持使用 functions 的模型。

  • tools – 代理可访问的工具。

  • prompt – 代理的提示，应支持将 agent_scratchpad 作为其中一个变量。可以通过使用 OpenAIMultiFunctionsAgent.create_prompt(…) 来轻松构建此提示。

通过解析和验证关键字参数中的输入数据来创建一个新模型。

如果在不能解析输入数据以形成有效模型时将引发 ValidationError。

param llm: BaseLanguageModel [必需]
param prompt: BasePromptTemplate [必需]
param tools: Sequence[BaseTool] [必需]
async aplan(intermediate_steps: List[Tuple[AgentAction, str]], callbacks: Optional[Union[List[BaseCallbackHandler], BaseCallbackManager]], **kwargs: Any) → Union[List[AgentAction], AgentFinish][source]

异步给定输入，决定要做什么。

参数

  • 中间步骤 (列表[元组[AgentAction, str]]) – LLM至今为止采取的步骤以及观察到的信息。

  • 回调 (可选[联合[列表[BaseCallbackHandler], BaseCallbackManager]]) – 要使用的回调。默认为None。

  • **kwargs (任意) – 用户输入。

返回

指定使用哪个工具的操作。

返回类型

联合[列表[AgentAction], AgentFinish]

classmethod create_promptsystem_message: Optional[SystemMessage]= SystemMessage(content='你是 一个 友好的 AI 助手。'), extra_prompt_messages: Optional[List[BaseMessagePromptTemplate]]= None) → BasePromptTemplate[source]

为该代理创建提示。

参数

  • system_message (可选：SystemMessage) – 作为提示中第一条的体系消息。

  • extra_prompt_messages (可选：List：BaseMessagePromptTemplate) – 放在体系消息和新的用户输入之间的提示信息。默认值为 None。

返回

传递给该代理的提示模板。

返回类型

BasePromptTemplate

classmethod from_llm_and_tools(llm: BaseLanguageModel, tools: Sequence[BaseTool], callback_manager: Optional[BaseCallbackManager] = None, extra_prompt_messages: Optional[List[BaseMessagePromptTemplate] = None, system_message: Optional[SystemMessage] = SystemMessage(content='You are a helpful AI assistant.'), **kwargs: Any) → BaseMultiActionAgent[来源代码]

从LLM和工具中构建一个智能体。

参数

  • llm (BaseLanguageModel) – 要使用的语言模型。

  • tools (Sequence[BaseTool]) – 要使用的工具列表。

  • callback_manager (Optional[BaseCallbackManager]) – 要使用的回调管理器。默认为None。

  • extra_prompt_messages (Optional[List[BaseMessagePromptTemplate]]) – 要使用的额外提示信息。默认为None。

  • system_message (可选[SystemMessage]) – 要使用的系统消息。默认为默认系统消息。

  • kwargs (任意) – 额外参数。

返回类型

BaseMultiActionAgent

get_allowed_tools() → List[str][source]

获取允许的工具。

返回类型

列表[字符串]

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

给定输入，决定要做什么。

参数

  • 中间步骤 (列表[元组[AgentAction, str]]) – LLM至今为止采取的步骤以及观察到的信息。

  • 回调 (可选[联合[列表[BaseCallbackHandler], BaseCallbackManager]]) – 要使用的回调。默认为None。

  • **kwargs (任意) – 用户输入。

返回

指定使用哪个工具的操作。

返回类型

联合[列表[AgentAction], AgentFinish]

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

当代理由于最大迭代次数而被停止时返回响应。

参数

  • early_stopping_method (str) – 用于提前停止的方法。

  • 中间步骤 (列表[元组[AgentAction, str]]) – LLM至今为止采取的步骤以及观察到的信息。

  • **kwargs (任意) – 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 不受支持。

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。

引发

  • NotImplementedError – 如果代理不支持保存。

  • ValueError – 如果文件路径不是 json 或 yaml。

返回类型

None

示例: .. code-block:: python

# 与代理执行器一起使用时 agent.agent.save(file_path=”path/agent.yaml”)

tool_run_logging_kwargs() → Dict

返回工具运行的日志 kwargs。

返回类型

Dict

property functions: List[dict]

获取代理的函数。

property input_keys: List[str]

获取输入键。在这里，输入指的是用户输入。

property return_values: List[str]

返回代理的值。