Создание ИИ-агентов с помощью LangChain

Создание AI-агентов с помощью LangChain

Агенты LangChain работают на базе LangGraph. Модель вызывает инструменты в цикле. Она продолжает работу, пока не найдет окончательный ответ.

Вы можете создать агента для сортировки обращений в службу поддержки с помощью createAgent. Вам понадобятся три вещи:

• Модель
• Список инструментов
• Системный промпт

Как работает цикл: Модель делает ход. За один ход она выполняет одно из двух действий:

• Возвращает текст для завершения работы.
• Вызывает инструмент. LangChain запускает инструмент и начинает новый ход с полученным результатом.

Рекомендуется установить recursionLimit. Это предотвратит бесконечный цикл агента.

Как определять инструменты: Используйте функцию tool со схемой Zod. Дайте каждому инструменту имя и описание. Это поможет модели решить, когда именно его использовать.

Пример рабочего процесса для агента поддержки:

• Пользователь задает вопрос.
• Модель вызывает get_customer.
• Модель вызывает get_invoice.
• Модель вызывает search_knowledge_base.
• Модель создает тикет или дает ответ.

Сравнение SDK:

LangChain:

• Лучше всего подходит для RAG и сложных стеков агентов.
• Использует tool() со схемами Zod.
• Использует agent.invoke или agent.stream.
• Использует LangGraph для управления памятью.

Vercel AI SDK:

• Лучше всего подходит для TypeScript-приложений.
• Использует tool() с inputSchema.
• Использует generateText.

OpenAI Agents SDK:

• Лучше всего подходит для рабочих процессов, ориентированных на OpenAI.
• Использует tool() с параметрами Zod.
• Использует run().

Выбирайте LangChain, если вам нужны загрузчики документов (document loaders) и ретриверы (retrievers) в одном месте. Выбирайте Vercel или OpenAI, если вам нужен простой уровень агентов.

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

Дополнительное сообщество для обучения: https://t.me/GyaanSetuAi