𝗕𝘂𝗶𝗹𝗱𝗶𝗻𝗴 𝗔𝗜 𝗔𝗴𝗲𝗻𝘁𝘀 𝘄𝗶𝘁𝗵 𝗟𝗮𝗻𝗴𝗖𝗵𝗮𝗶𝗻

𝗘𝗿𝘀𝘁𝗲𝗹𝗹𝗲𝗻 𝘃𝗼𝗻 𝗞𝗜-𝗔𝗴𝗲𝗻𝘁𝗲𝗻 𝗺𝗶𝘁 𝗟𝗮𝗻𝗴𝗖𝗵𝗮𝗶𝗻

LangChain-Agenten nutzen LangGraph für ihre Arbeit. Das Modell ruft Tools in einer Schleife auf. Dies setzt sich fort, bis eine endgültige Antwort gefunden wurde.

Sie können einen Support-Triage-Agenten mit createAgent erstellen. Sie benötigen drei Dinge:

• Ein Modell
• Eine Liste von Tools
• Einen System-Prompt

So funktioniert die Schleife: Das Modell führt einen Durchgang aus. In einem Durchgang führt es eines von zwei Dingen aus:

• Es gibt Text zurück, um den Durchlauf zu beenden.
• Es ruft ein Tool auf. LangChain führt das Tool aus und startet einen neuen Durchgang mit dem Ergebnis.

Sie sollten ein recursionLimit festlegen. Dies verhindert, dass der Agent in einer Endlosschleife landet.

So definieren Sie Tools: Verwenden Sie die tool-Funktion mit einem Zod-Schema. Geben Sie jedem Tool einen Namen und eine Beschreibung. Dies hilft dem Modell zu entscheiden, wann es das Tool verwenden soll.

Beispielhafter Ablauf für einen Support-Agenten:

• Ein Benutzer stellt eine Frage.
• Das Modell ruft get_customer auf.
• Das Modell ruft get_invoice auf.
• Das Modell ruft search_knowledge_base auf.
• Das Modell erstellt ein Ticket oder gibt eine Antwort.

Vergleich der SDKs:

LangChain:

• Ideal für RAG und komplexe Agenten-Stacks.
• Verwendet tool() mit Zod-Schemas.
• Verwendet agent.invoke oder agent.stream.
• Nutzt LangGraph für das Memory.

Vercel AI SDK:

• Ideal für TypeScript-Apps.
• Verwendet tool() mit inputSchema.
• Verwendet generateText.

OpenAI Agents SDK:

• Ideal für OpenAI-zentrierte Workflows.
• Verwendet tool() mit Zod-Parametern.
• Verwendet run().

Wählen Sie LangChain, wenn Sie Document Loader und Retriever an einem Ort benötigen. Wählen Sie Vercel oder OpenAI, wenn Sie eine einfache Agenten-Schicht wünschen.

Quelle: https://dev.to/zsevic/building-ai-agents-with-langchain-5e69

Optionale Lern-Community: https://t.me/GyaanSetuAi