引言

在数字化时代，聊天机器人已成为我们日常生活中不可或缺的一部分。它们不仅能够进行简单的对话，更能够通过集成各种系统和API，执行复杂任务，如数据分析、图像识别等。本文将为您详细解读如何为聊天机器人添加工具，使其具备强大的Web搜索功能，让您的机器人更加智能和实用。

主要内容

一、创建环境

首先，您需要拥有Tavily帐户，并安装以下必要的Python包：

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

接下来，设置环境变量OPENAI_API_KEY和TAVILY_API_KEY。为了方便管理，您可以使用.env文件来存储这些敏感信息：

import dotenv
dotenv.load_dotenv()

二、创建代理

目标是创建一个能够与用户对话并在需要时查找信息的代理。我们首先初始化Tavily和OpenAI聊天模型：

from langchain_community.tools.tavily_search import TavilySearchResults
from langchain_openai import ChatOpenAI

tools = [TavilySearchResults(max_results=1)]
chat = ChatOpenAI(model="gpt-3.5-turbo-1106", temperature=0)

然后，设置一个支持会话历史记录的提示：

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages([
    ("system", "You are a helpful assistant. You may not need to use tools for every query - the user may just want to chat!"),
    ("placeholder", "{messages}"),
    ("placeholder", "{agent_scratchpad}")
])

最后，组装我们的代理并运行：

from langchain.agents import AgentExecutor, create_tool_calling_agent

agent = create_tool_calling_agent(chat, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

三、测试代理

测试代理以处理简单查询和使用搜索工具查找相关信息。

简单对话：

from langchain_core.messages import HumanMessage

agent_executor.invoke({"messages": [HumanMessage(content="I'm Nemo!")]})

复杂查询：

agent_executor.invoke({
    "messages": [
        HumanMessage(content="What is the current conservation status of the Great Barrier Reef?")
    ]
})

四、常见问题及解决方案

在使用Tavily或类似服务时，可能会遇到网络访问问题。此时，可以考虑使用API代理服务以提高访问的稳定性。此外，确保将API密钥存储在安全的环境变量中，并且不要将其包含在源代码中。

总结和进一步学习资源

通过本文的指导，您已经学会了如何为聊天机器人添加工具，以便执行Web搜索等复杂功能。如果您想深入研究代理和工具的使用，可以参考以下资源：

• LangSmith Agents 文档
• Tool Usage 文档

希望这篇文章对您有所帮助！如果您觉得有用，请点赞并关注我的博客。您的支持是我持续创作的动力！