OpenAI函数

:::⚠⚠⚠

OpenAI API已经弃用了functions，推荐使用tools。两者的区别在于，tools API允许模型同时请求多个函数的调用，这在某些架构下可以减少响应时间。建议使用tools代理OpenAI模型。

请参阅以下链接了解更多信息：

:::⚠⚠⚠

某些OpenAI模型（如gpt-3.5-turbo-0613和gpt-4-0613）已经进行了微调，以便检测何时应该调用某个函数，并回复应该传递给该函数的输入。在API调用中，您可以描述函数，并使模型智能地选择输出一个包含调用这些函数参数的JSON对象。OpenAI函数API的目标是比通用文本完成或聊天API更可靠地返回有效和有用的函数调用。

许多开源模型采用了相同的函数调用格式，并且还对模型进行了微调，以便检测何时应该调用某个函数。

OpenAI函数代理专为这些模型而设计。

安装所需的langchain-openai tavily-python包，因为LangChain包在内部调用它们。

:::⚠⚠⚠

对于采用该格式的开源模型和提供商来说，functions格式仍然相关，预计该代理将为此类模型提供支持。 :::

%pip install --upgrade --quiet  langchain-openai tavily-python

初始化工具

我们首先创建一些可以使用的工具

from langchain import hub
from langchain.agents import AgentExecutor, create_openai_functions_agent
from langchain_community.tools.tavily_search import TavilySearchResults
from langchain_openai import ChatOpenAI

tools = [TavilySearchResults(max_results=1)]

创建代理

# 获取要使用的提示 - 您可以修改此内容！
prompt = hub.pull("hwchase17/openai-functions-agent")

prompt.messages

[SystemMessagePromptTemplate(prompt=PromptTemplate(input_variables=[], template='You are a helpful assistant')),
 MessagesPlaceholder(variable_name='chat_history', optional=True),
 HumanMessagePromptTemplate(prompt=PromptTemplate(input_variables=['input'], template='{input}')),
 MessagesPlaceholder(variable_name='agent_scratchpad')]

# 选择驱动代理的LLM
llm = ChatOpenAI(model="gpt-3.5-turbo-1106")
 
# 构建OpenAI函数代理
agent = create_openai_functions_agent(llm, tools, prompt)

运行代理

# 通过传入代理和工具创建代理执行器
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

agent_executor.invoke({"input": "LangChain是什么？"})

[1m> 进入新的AgentExecutor链...[0m
[32;1m[1;3m
调用: `tavily_search_results_json` 使用参数 `{'query': 'LangChain'}`


[0m[36;1m[1;3m[{'url': 'https://www.ibm.com/topics/langchain', 'content': 'LangChain实质上是Python和Javascript的一个抽象库，表示常见步骤和概念  LangChain是一个用于使用大型语言模型开发应用程序的开源编排框架  具有相同功能的其他LangChain功能，如同名的链接  LangChain提供了对25种不同的嵌入方法的集成，以及对50种不同的向量存储的集成LangChain是一种使用大型语言模型（LLM）构建应用程序的工具，例如聊天机器人和虚拟助手。它简化了编程和与外部数据源和软件工作流集成的过程。它支持Python和Javascript语言，并支持各种LLM提供商，包括OpenAI，Google和IBM。'顶层回答'}][0m[32;1m[1;3mLangChain是一种使用大型语言模型（LLM）构建应用程序的工具，例如聊天机器人和虚拟助手。它简化了编程和与外部数据源和软件工作流集成的过程。LangChain提供了对25种不同的嵌入方法和50种不同的向量存储的集成。它实质上是Python和JavaScript的一个抽象库，表示常见步骤和概念。LangChain支持Python和JavaScript语言以及包括OpenAI，Google和IBM在内的各种LLM提供商。您可以在[这里](https://www.ibm.com/topics/langchain)找到有关LangChain的更多信息。[0m

[1m> 完成链。[0m





{'input': 'LangChain是什么？',
 'output': 'LangChain是一种使用大型语言模型（LLM）构建应用程序的工具，例如聊天机器人和虚拟助手。它简化了编程和与外部数据源和软件工作流集成的过程。LangChain提供了对25种不同的嵌入方法和50种不同的向量存储的集成。它实质上是Python和JavaScript的一个抽象库，表示常见步骤和概念。LangChain支持Python和JavaScript语言以及包括OpenAI，Google和IBM在内的各种LLM提供商。您可以在[这里](https://www.ibm.com/topics/langchain)找到有关LangChain的更多信息。'}

使用对话记录

from langchain_core.messages import AIMessage, HumanMessage
 
agent_executor.invoke(
    {
        "input": "我的名字是什么？",
        "chat_history": [
            HumanMessage(content="嗨！我的名字是Bob"),
            AIMessage(content="你好Bob！有什么我可以帮助你的吗？"),
        ],
    }
)

[1m> 进入新的AgentExecutor链...[0m
[32;1m[1;3m你的名字是Bob.[0m

[1m> 完成链。[0m





{'input': '我的名字是什么？',
 'chat_history': [HumanMessage(content='嗨！我的名字是Bob'),
  AIMessage(content='你好Bob！有什么我可以帮助你的吗？')],
 'output': '你的名字是Bob.'}

OpenAI助手（OpenaiAssistants）React（React）