create_react_agent
时间: 2025-05-23 12:49:29 浏览: 39
### 如何创建一个React Agent或Tool
要创建一个基于LangGraph的React Agent,可以按照以下方法操作。通过`create_react_agent`函数,能够将模型和工具结合起来形成一个反应式代理。
以下是详细的说明以及代码示例:
#### 1. 安装依赖库
为了使用LangGraph中的`create_react_agent`功能,需要先安装一些必要的Python包。可以通过运行以下命令来完成安装[^2]:
```bash
pip install langchain_openai langchain_core langgraph
```
#### 2. 导入库文件
导入所需的模块以便后续定义模型、工具以及其他必要组件。具体如下所示[^2]:
```python
from langchain_openai import ChatOpenAI
from typing import Literal
from langchain_core.tools import tool
from langgraph.prebuilt import create_react_agent
from IPython.display import Image, display
```
#### 3. 初始化大语言模型
初始化所使用的LLM(Large Language Model),这里以Zhipu AI为例设置参数并指定API密钥与基础地址[^2]:
```python
model = ChatOpenAI(
temperature=0,
model="glm-4-plus",
openai_api_key="your_api_key",
openai_api_base="https://open.bigmodel.cn/api/paas/v4/"
)
```
#### 4. 自定义工具函数
定义特定的任务处理逻辑作为插件形式存在,比如获取天气状况的功能:
```python
@tool
def get_weather(city: Literal["nyc", "sf"]):
"""Use this to get weather information."""
if city == "nyc":
return "It might be cloudy in nyc"
elif city == "sf":
return "It's always sunny in sf"
else:
raise AssertionError("Unknown city")
```
#### 5. 构建工具集合
将之前自定义好的各个独立工具组合成列表供Agent调用[^2]:
```python
tools = [get_weather]
```
#### 6. 实例化React Agent对象
利用先前准备完毕的大规模预训练模型实例同工具集合作为输入传给`create_react_agent`方法从而得到最终产物——具备交互能力的智能体[^1][^2]:
```python
graph = create_react_agent(model, tools=tools)
```
#### 7. 可视化展示结构关系图
最后一步可选操作用于直观理解内部组成架构情况[^2]:
```python
display(Image(graph.get_graph().draw_mermaid_png()))
```
以上就是关于构建React Agent的整体流程介绍及其实践步骤解析。
阅读全文
相关推荐

















