AI-agenter med LangChain og autonome arbejdsgange · Lektion

Fejlhåndtering og sikker tool-eksekvering

Gør agentværktøjer robuste og sikre ved at håndtere fejl på en kontrolleret måde, validere input og begrænse, hvad værktøjerne må gøre under autonom eksekvering.

Lektion 4 af 413 trin

Fejlhåndtering og sikker tool-eksekvering er en gratis AI-agenter med LangChain og autonome arbejdsgange-lektion på CoddyKit. Dette er lektion 4 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i AI-agenter med LangChain og autonome arbejdsgange, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. AI-agenter med LangChain og autonome arbejdsgange-kurset indeholder 4 lektioner i alt.

Værktøjer vil fejle

Agenter kalder eksterne værktøjer: API'er, databaser og skaller. Disse får timeout, returnerer fejl eller opfører sig uventet. En agent, der går ned ved den første fejl, er ubrugelig i produktion.

Denne lektion handler om at gøre værktøjskørsel sikker og robust.

Returnering af fejl som observationer

I stedet for at kaste en fejl bør et værktøj returnere fejlen som en meddelelse, agenten kan læse. Det lader agenten ræsonnere over fejlen og prøve en anden tilgang.

def search(q):
    try:
        return api.search(q)
    except Exception as e:
        return 'ERROR: search failed: ' + str(e)

Validering af værktøjsinput

LLM'er sender nogle gange meningsløse argumenter. Valider input, før du udfører en handling, så en forkert forespørgsel aldrig når frem til et rigtigt system.

def get_user(user_id):
    if not str(user_id).isdigit():
        return 'ERROR: user_id must be numeric'
    return db.fetch(user_id)

Timeouts og gentagelser

Pak langsomme værktøjer ind i en timeout, og gentag midlertidige fejl et begrænset antal gange. Uden grænser kan en agent hænge eller køre i en uendelig løkke.

for attempt in range(3):
    try:
        return call(timeout=5)
    except Timeout:
        continue
return 'ERROR: timed out after 3 attempts'

Faren ved kraftfulde værktøjer

Et værktøj, der kører shell-kommandoer eller udfører SQL, kan gøre reel skade, hvis agenten bliver narret eller forvirret. Beføjelser skal ledsages af begrænsninger.

Mindst mulige privilegier

Giv hvert værktøj kun den adgang, det har brug for. Et læseværktøj bør ikke kunne skrive. Et forespørgselsværktøj bør bruge en skrivebeskyttet databaserolle.

# read-only DB connection for the query tool
conn = connect(user='reader', readonly=True)

Tilladelseslister frem for blokeringslister

Det er en tabersag at forsøge at blokere enhver farlig handling. Tillad i stedet kun et udtrykkeligt sæt sikre handlinger, og afvis som standard alt andet.

ALLOWED = {'read_file', 'list_dir', 'search'}
if action not in ALLOWED:
    return 'ERROR: action not permitted'

Godkendelse med mennesket i løkken

Ved handlinger med stor påvirkning, f.eks. at sende penge eller slette data, skal du sætte udførelsen på pause og kræve menneskelig bekræftelse. Agenten foreslår; en person godkender.

if action.is_destructive:
    return await request_human_approval(action)

Forebyggelse af uendelige løkker

Agenter kan sidde fast i at gentage det samme værktøj, der fejler. Begræns antallet af trin, og registrer gentagne identiske handlinger, så du stopper med en tydelig meddelelse i stedet for at bruge tokens for evigt.

agent = initialize_agent(tools, llm, max_iterations=8)

Logning til revision

Registrer hvert værktøjskald med dets input, output og resultat. Dette revisionsspor er afgørende for fejlfinding af agentens adfærd og for at opdage usikre handlinger bagefter.

En sikker arbejdsgang for værktøjer

Samlet set:

  • Returner fejl som observationer, ikke som nedbrud
  • Valider input, og sæt grænser for timeouts og gentagelser
  • Anvend mindst mulige privilegier og tilladelseslister
  • Kræv godkendelse af destruktive handlinger
  • Begræns gentagelser, og log hvert kald

Hurtigt tjek

Test din forståelse af sikker værktøjskørsel.

Opsummering

Du har lært at gøre agentværktøjer robuste og sikre.

  • Gør fejl til observationer, agenten kan håndtere
  • Valider input, og sæt grænser for timeouts, gentagelser og iterationer
  • Anvend mindst mulige privilegier og tilladelseslister
  • Kræv godkendelse af destruktive handlinger, og log alt
Gratis at komme i gang

Lær AI-agenter med LangChain og autonome arbejdsgange med en AI-underviser — gratis

Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.

Kurser
12
Lektioner
50

Ofte stillede spørgsmål

Er lektionen “Fejlhåndtering og sikker tool-eksekvering” gratis?

Ja — hele teksten til “Fejlhåndtering og sikker tool-eksekvering” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af AI-agenter med LangChain og autonome arbejdsgange-kurset, skal du opgradere til CoddyKit PRO. AI-agenter med LangChain og autonome arbejdsgange-kurset indeholder 4 lektioner i alt.

Hvad lærer jeg i “Fejlhåndtering og sikker tool-eksekvering”?

Gør agentværktøjer robuste og sikre ved at håndtere fejl på en kontrolleret måde, validere input og begrænse, hvad værktøjerne må gøre under autonom eksekvering. Du øver dig i AI-agenter med LangChain og autonome arbejdsgange med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.

Skal jeg have erfaring for at begynde på AI-agenter med LangChain og autonome arbejdsgange?

Der kræves ingen tidligere erfaring. AI-agenter med LangChain og autonome arbejdsgange på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 4 af 4.

Hvor lang tid tager lektionen “Fejlhåndtering og sikker tool-eksekvering”?

De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.

Kan jeg skrive og køre kode i denne AI-agenter med LangChain og autonome arbejdsgange-lektion?

Ja. Alle AI-agenter med LangChain og autonome arbejdsgange-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.

Alle lektioner i dette kursus

  1. Definition og brug af tools
  2. Agenttyper og beslutningstagning
  3. Udnyttelse af forudbyggede toolkits
  4. Fejlhåndtering og sikker tool-eksekvering
← Tilbage til AI-agenter med LangChain og autonome arbejdsgange