𝗦𝗲𝘁𝘁𝗶𝗻𝗴 𝗨𝗽 𝗬𝗼𝘂𝗿 𝗘𝗻𝘃𝗶𝗿𝗼𝗻𝗺𝗲𝗻𝘁: 𝗟𝗮𝗻𝗴𝗖𝗵𝗮𝗶𝗻, 𝗟𝗮𝗻𝗴𝗚𝗿𝗮𝗽𝗵 & 𝗖𝗵𝗮𝘁 𝗟𝗟𝗠𝘀

നിങ്ങളുടെ എൻവയോൺമെന്റ് സജ്ജീകരിക്കാം: LangChain, LangGraph & Chat LLMs

ഒരിക്കൽ ഒരു LangChain പ്രോജക്റ്റ് ഡിബഗ് (debug) ചെയ്യാൻ ഞാൻ രണ്ട് മണിക്കൂർ ചിലവഴിച്ചു. ഒരു എൻവയോൺമെന്റ് വേരിയബിൾ (environment variable) വിട്ടുപോയതായിരുന്നു പ്രശ്നം. എന്റെ API കീ ഒരു .env ഫയലിലുണ്ടായിരുന്നു, പക്ഷേ അത് ലോഡ് ചെയ്യാൻ ഞാൻ മറന്നുപോയി.

എന്നെപ്പോലെ സമയം പാഴാക്കാതിരിക്കാൻ വേണ്ടിയാണ് ഞാൻ ഈ ഗൈഡ് തയ്യാറാക്കിയിരിക്കുന്നത്.

LangChain, LangGraph, കൂടാതെ ഒരു Chat LLM എന്നിവ ഉപയോഗിച്ച് പ്രവർത്തിപ്പിക്കാൻ കഴിയുന്ന ഒരു Python എൻവയോൺമെന്റ് എങ്ങനെ സജ്ജീകരിക്കാമെന്ന് നിങ്ങൾ ഇതിലൂടെ പഠിക്കും.

ആവശ്യമായ പാക്കേജുകൾ (Required Packages):

• langchain: ചെയിനുകൾക്കും (chains) ഏജന്റുകൾക്കുമായി (agents) ഉപയോഗിക്കുന്ന കോർ ഫ്രെയിംവർക്ക്
• langchain-openai: OpenAI മോഡലുകളുമായുള്ള സംയോജനം
• langchain-core: മെസ്സേജുകൾ പോലുള്ള ഷെയർഡ് പ്രിമിറ്റീവ്സ് (shared primitives)
• langgraph: ഗ്രാഫ് അധിഷ്ഠിത ഏജന്റ് വർക്ക്ഫ്ലോകൾ
• python-dotenv: .env ഫയലിൽ നിന്നുള്ള വേരിയബിളുകൾ ലോഡ് ചെയ്യുന്നു
• openai: ഔദ്യോഗിക OpenAI Python SDK

Step 1: Python വേർഷൻ പരിശോധിക്കുക LangChain-ന് Python 3.9 അല്ലെങ്കിൽ അതിനു മുകളിലുള്ള വേർഷൻ ആവശ്യമാണ്. നിങ്ങളുടെ ടെർമിനലിൽ ഇത് റൺ ചെയ്യുക: python --version

Step 2: ഒരു വിർച്വൽ എൻവയോൺമെന്റ് (Virtual Environment) നിർമ്മിക്കുക ഡിപെൻഡൻസി സംഘർഷങ്ങൾ (dependency conflicts) ഒഴിവാക്കാൻ എപ്പോഴും ഒരു വിർച്വൽ എൻവയോൺമെന്റ് ഉപയോഗിക്കുക.

mkdir langchain-agents-series cd langchain-agents-series python -m venv venv

Mac/Linux-ൽ ആക്റ്റിവേറ്റ് ചെയ്യാൻ: source venv/bin/activate

Windows-ൽ ആക്റ്റിവേറ്റ് ചെയ്യാൻ: venv\Scripts\activate

Step 3: ഡിപെൻഡൻസികൾ ഇൻസ്റ്റാൾ ചെയ്യുക നിങ്ങളുടെ എൻവയോൺമെന്റ് ആക്റ്റീവ് ആണെങ്കിൽ, ഇത് റൺ ചെയ്യുക: pip install langchain langchain-openai langchain-core langgraph python-dotenv openai

Step 4: നിങ്ങളുടെ API കീകൾ സുരക്ഷിതമാക്കുക നിങ്ങളുടെ കോഡിൽ ഒരിക്കലും API കീ നേരിട്ട് (hardcode) എഴുതരുത്. ഇത് അപകടകരമാണ്. നിങ്ങൾ ഇത് GitHub-ലേക്ക് പുഷ് ചെയ്താൽ, ബോട്ടുകൾ അത് മോഷ്ടിച്ചേക്കാം.

1. ഒരു .env ഫയൽ നിർമ്മിക്കുക: touch .env
2. നിങ്ങളുടെ കീ ചേർക്കുക: OPENAI_API_KEY=your-key-here
3. നിങ്ങളുടെ .env, venv ഫോൾഡറുകൾ മറച്ചുവെക്കാൻ ഒരു .gitignore ഫയൽ നിർമ്മിക്കുക.

Step 5: നിങ്ങളുടെ ആദ്യത്തെ ഏജന്റ് hello_agent.py എന്ന പേരിൽ ഒരു ഫയൽ നിർമ്മിക്കുക. നിങ്ങളുടെ കീകൾ വായിക്കാൻ load_dotenv() ഫങ്ക്ഷൻ ഉപയോഗിക്കുക.

ഏജന്റുകളെ നിർമ്മിക്കുമ്പോൾ temperature=0 ഉപയോഗിക്കുക. ഇത് മോഡലിന്റെ ഔട്ട്പുട്ട് പ്രവചിക്കാവുന്നതും (predictable) സ്ഥിരതയുള്ളതുമാക്കുന്നു.

ശ്രദ്ധിക്കേണ്ട പൊതുവായ പിശകുകൾ (Common Errors):

• OPENAI_API_KEY not found: നിങ്ങളുടെ .env ഫയൽ ശരിയായ ഫോൾഡറിലാണെന്നും നിങ്ങൾ load_dotenv() വിളിച്ചിട്ടുണ്ടെന്നും പരിശോധിക്കുക.
• ModuleNotFoundError: നിങ്ങളുടെ വിർച്വൽ എൻവയോൺമെന്റ് ആക്റ്റീവ് അല്ല.
• AuthenticationError: നിങ്ങളുടെ API കീ തെറ്റാണ്.
• RateLimitError: നിങ്ങൾ പരിധിയിൽ എത്തിയിരിക്കുന്നു അല്ലെങ്കിൽ നിങ്ങളുടെ OpenAI അക്കൗണ്ടിലേക്ക് ക്രെഡിറ്റുകൾ ചേർക്കേണ്ടതുണ്ട്.

മികച്ച രീതികൾ (Best Practices):

• എപ്പോഴും ഒരു വിർച്വൽ എൻവയോൺമെന്റ് ഉപയോഗിക്കുക.
• pip freeze > requirements.txt ഉപയോഗിച്ച് നിങ്ങളുടെ വേർഷനുകൾ പിൻ ചെയ്യുക.
• സ്ഥിരതയ്ക്കായി temperature=0 ഉപയോഗിക്കുക.
• ചിലവുകൾ ട്രാക്ക് ചെയ്യുന്നതിനായി നിങ്ങളുടെ ടോക്കൺ ഉപയോഗം (token usage) ലോഗ് ചെയ്യുക.

Source: https://dev.to/ikram_khan/setting-up-your-environment-langchain-langgraph-chat-llms-43cf

ഐച്ഛികമായ പഠന കമ്മ്യൂണിറ്റി: https://t.me/GyaanSetuAi