LangChain の HOW-TO EXAMPLES (5) - エージェント

from langchain.agents import load_tools
from langchain.agents import initialize_agent
from langchain.llms import OpenAI

# エージェントの準備
agent = initialize_agent(
    llm=OpenAI(temperature=0), 
    tools=load_tools(["serpapi", "llm-math"], llm=OpenAI(temperature=0)), 
    agent="zero-shot-react-description", 
    verbose=True, 
    return_intermediate_steps=True
)

# 質問応答の実行
response = agent({"input":"サザエさんの年齢に2を掛けると？"})

> Entering new AgentExecutor chain...
 サザエさんの年齢を知る必要がある
Action: Search
Action Input: サザエさんの年齢
Observation: フグ田サザエ（ふぐたさざえ） 年齢は24歳。 明るく朗らか、竹を割ったような性格で、町内の人気者。 料理、洗濯、裁縫と主婦業はたいていこなしますが、おしゃべりとおっちょこちょいなのがたまにキズ。
Thought: サザエさんの年齢を2倍する
Action: Calculator
Action Input: 24 * 2
Observation: Answer: 48
Thought: I now know the final answer
Final Answer: サザエさんの年齢に2を掛けると48歳です。
> Finished AgentExecutor chain.

# 中間ステップの確認
print(response["intermediate_steps"])

[
    (
        AgentAction(
            tool='Search', 
            tool_input='サザエさんの年齢', 
            log=' サザエさんの年齢を知る必要がある\nAction: Search\nAction Input: サザエさんの年齢'
        ), 
        'フグ田サザエ（ふぐたさざえ） 年齢は24歳。 明るく朗らか、竹を割ったような性格で、町内の人気者。 料理、洗濯、裁縫と主婦業はたいていこなしますが、おしゃべりとおっちょこちょいなのがたまにキズ。'
    ), 
    (
        AgentAction(
            tool='Calculator', 
            tool_input='24 * 2', 
            log=' サザエさんの年齢を2倍する\nAction: Calculator\nAction Input: 24 * 2'
        ), 
        'Answer: 48'
    )
]

from langchain.llms import OpenAI
from langchain.agents import initialize_agent, Tool

# 乗数関数
def multiplier(a, b):
    return a * b

# 文字列をを2つの引数に変換
def parsing_multiplier(string):
    a, b = string.split(",")
    return multiplier(int(a), int(b))

# ツールの準備
llm = OpenAI(temperature=0)
tools = [
    Tool(
        name = "Multiplier",
        func=parsing_multiplier,
        description="useful for when you need to multiply two numbers together. The input to this tool should be a comma separated list of numbers of length two, representing the two numbers you want to multiply together. For example, `1,2` would be the input if you wanted to multiply 1 by 2."
    )
]

# エージェントの準備
mrkl = initialize_agent(
    tools, 
    llm, 
    agent="zero-shot-react-description", 
    verbose=True)

mrkl.run("3に4を掛けると？")

> Entering new AgentExecutor chain...
 I need to multiply 3 and 4 together
Action: Multiplier
Action Input: 3,4
Observation: 12
Thought: I now know the final answer
Final Answer: 3 × 4 = 12
> Finished AgentExecutor chain.
'3 × 4 = 12'

class Tool(NamedTuple):
    name: str  # ツール名
    func: Callable[[str], str]  # ツールの実行関数
    description: Optional[str] = None  # ツールの説明

# パッケージのインポート
from langchain.agents import initialize_agent, Tool
from langchain.llms import OpenAI
from langchain import LLMMathChain, SerpAPIWrapper

# LLMの準備
llm = OpenAI(temperature=0)

# ツールリストの準備
search = SerpAPIWrapper()  # 検索
llm_math_chain = LLMMathChain(llm=llm, verbose=True)  # 計算
tools = [
    Tool(
        name = "Search",
        func=search.run,
        description="useful for when you need to answer questions about current events"
    ),
    Tool(
        name="Calculator",
        func=llm_math_chain.run,
        description="useful for when you need to answer questions about math"
    )
]

# エージェントの準備
agent = initialize_agent(
    tools, 
    llm, 
    agent="zero-shot-react-description", 
    verbose=True
)

# エージェントの実行
agent.run("ぼっち・ざ・ろっくの作者の名前を教えて")

> Entering new AgentExecutor chain...
 I need to find out who wrote the book
Action: Search
Action Input: "ぼっち・ざ・ろっくの作者"
Observation: 『ぼっち・ざ・ろっく！』（ BOCCHI THE ROCK!） は、はまじあきによる日本の4コマ漫画。『 まんがタイムきららMAX』（芳文社）にて、2018年2月号から4月号までゲスト連載後、同年5月号から連載中。
Thought: I now know the final answer
Final Answer: はまじあき
> Finished AgentExecutor chain.
'はまじあき'

# パッケージのインポート
from langchain.agents import ZeroShotAgent, Tool, AgentExecutor
from langchain import OpenAI, SerpAPIWrapper, LLMChain

# ツールリストの準備
search = SerpAPIWrapper()
tools = [
    Tool(
        name = "Search",
        func=search.run,
        description="useful for when you need to answer questions about current events"
    )
]

prefix = """次の質問にできる限り答えてください。次のツールにアクセスできます:"""
suffix = """始めましょう! 最終的な答えを出すときは、一人称は"ぼく"、語尾には"なのだ"を使用してください

Question: {input}
{agent_scratchpad}"""

prompt = ZeroShotAgent.create_prompt(
    tools,
    prefix=prefix,
    suffix=suffix,
    input_variables=["input", "agent_scratchpad"]
)

print(prompt.template)

次の質問にできる限り答えてください。次のツールにアクセスできます:

Search: useful for when you need to answer questions about current events

Use the following format:

Question: the input question you must answer
Thought: you should always think about what to do
Action: the action to take, should be one of [Search]
Action Input: the input to the action
Observation: the result of the action
... (this Thought/Action/Action Input/Observation can repeat N times)
Thought: I now know the final answer
Final Answer: the final answer to the original input question

始めましょう! 最終的な答えを出すときは、一人称は"ぼく"、語尾には"なのだ"を使用してください

Question: {input}
{agent_scratchpad}

# LLMChainの準備
llm_chain = LLMChain(llm=OpenAI(temperature=0), prompt=prompt)

# エージェントの準備
agent = ZeroShotAgent(llm_chain=llm_chain, tools=tools)

# AgentExecuterで実行
agent_executor = AgentExecutor.from_agent_and_tools(agent=agent, tools=tools, verbose=True)
agent_executor.run("2022年の日本の人口は？")

> Entering new AgentExecutor chain...
Thought: この質問に答えるために何をすべきか考えるなのだ
Action: Search
Action Input: 2022年の日本の人口
Observation: 2022年1月1日時点の日本の人口は1億2592万7902人で、前年から72万6342人（0.57％）の減少。
Thought: これが最終的な答えなのだ
Final Answer: 2022年1月1日時点の日本の人口は1億2592万7902人で、前年から72万6342人（0.57％）の減少なのだ。
> Finished AgentExecutor chain.
'2022年1月1日時点の日本の人口は1億2592万7902人で、前年から72万6342人（0.57％）の減少なのだ。'