Exploiter les boîtes à outils prêtes à l’emploi
Découvrez et mettez en œuvre les boîtes à outils préconfigurées proposées par LangChain pour ajouter rapidement des capacités à vos agents.
Exploiter les boîtes à outils prêtes à l’emploi est une leçon AI Agents with LangChain & Autonomous Workflows gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage AI Agents with LangChain & Autonomous Workflows, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours AI Agents with LangChain & Autonomous Workflows comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
Intro to Pre-built Toolkits
Welcome to leveraging pre-built toolkits in LangChain! So far, you've learned to define and use individual tools. But what if you need a set of related tools?
Toolkits are collections of pre-configured tools designed for specific purposes. They bundle common functionalities, making it much easier to add powerful capabilities to your AI agents.
Why Use Toolkits?
Using toolkits offers several key advantages:
- Time-saving: No need to define common tools from scratch.
- Reduced Boilerplate: Less code to write and manage.
- Consistency: Ensures tools are implemented correctly and consistently.
- Expanded Capabilities: Instantly equip your agent with complex functionalities like web search, database interaction, or advanced math.
Example: The Math Toolkit
Let's start with a simple yet powerful example: the Math Toolkit. This toolkit provides basic arithmetic operations, allowing your agent to perform calculations.
It's a great way to see how a collection of tools can be integrated and used by an agent to solve problems that require numerical processing.
Initializing a Toolkit
First, you need to import and initialize the toolkit. Here's how you can set up the MathToolkit and inspect the tools it provides:
from langchain_community.agent_toolkits import MathToolkit
def main():
# Initialize the Math Toolkit
toolkit = MathToolkit()
print("MathToolkit initialized!")
print("\nTools available in this toolkit:")
# Iterate and print details of each tool
for tool in toolkit.get_tools():
print(f"- {tool.name}: {tool.description}")
if __name__ == "__main__":
main()Agents Using Toolkits
Once a toolkit is initialized, you pass its collection of tools to your agent, just like you would with individual tools.
The agent's reasoning engine will then intelligently decide which tool from the toolkit is best suited to answer a given query or complete a task.
Agent Solving Math Problems
Watch this agent use the MathToolkit to perform a multiplication. Notice how the agent 'thinks' about the problem and selects the correct tool.
(Remember to replace YOUR_API_KEY with your actual OpenAI API key for the code to run.)
from langchain_community.llms import OpenAI
from langchain.agents import initialize_agent, AgentType
from langchain_community.agent_toolkits import MathToolkit
import os
def main():
# Set your OpenAI API key here
# os.environ["OPENAI_API_KEY"] = "YOUR_API_KEY" # Uncomment and replace
if "OPENAI_API_KEY" not in os.environ:
print("Error: OPENAI_API_KEY environment variable not set.")
print("Please set it to run this example.")
return
llm = OpenAI(temperature=0) # Using a simple LLM
toolkit = MathToolkit()
tools = toolkit.get_tools()
# Initialize the agent with the LLM and the toolkit's tools
agent = initialize_agent(
tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True
)
print("\nAgent at work (verbose output shows thinking process):\n")
agent.run("What is 12345 * 6789?")
if __name__ == "__main__":
main()Exploring Other Powerful Toolkits
LangChain offers many other pre-built toolkits for diverse tasks:
- Wikipedia Toolkit: For agents needing to search and retrieve information from Wikipedia.
- OpenAPI Toolkit: Allows agents to interact with any API described by an OpenAPI spec.
- SQL Database Toolkit: Enables agents to query and interact with SQL databases.
- Python Agent Toolkit: Allows agents to write and execute Python code.
Each toolkit significantly expands your agent's capabilities!
Discovering More Toolkits
Want to find more toolkits? Here's how:
- LangChain Documentation: The official docs are the best resource.
- Source Code: Explore the
langchain_community.agent_toolkitsmodule directly. - Community Examples: Look at how others are using LangChain in GitHub repos or tutorials.
New toolkits are constantly being developed and added!
Toolkit Quick Check
What is the primary benefit of using pre-built toolkits in LangChain?
Recap: Toolkit Power-Up!
Great job! In this lesson, you learned about:
- What pre-built toolkits are in LangChain.
- The significant benefits they offer, like saving time and expanding capabilities.
- How to initialize and integrate toolkits (like the
MathToolkit) with your agents. - Where to discover more powerful toolkits for various tasks.
Toolkits are a fantastic way to quickly supercharge your agents!
Questions Fréquemment Posées
La leçon « Exploiter les boîtes à outils prêtes à l’emploi » est-elle gratuite ?
Oui — le texte complet de « Exploiter les boîtes à outils prêtes à l’emploi » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours AI Agents with LangChain & Autonomous Workflows, passe à CoddyKit PRO. Le cours AI Agents with LangChain & Autonomous Workflows comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Exploiter les boîtes à outils prêtes à l’emploi » ?
Découvrez et mettez en œuvre les boîtes à outils préconfigurées proposées par LangChain pour ajouter rapidement des capacités à vos agents. Tu pratiques AI Agents with LangChain & Autonomous Workflows avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer AI Agents with LangChain & Autonomous Workflows ?
Aucune expérience préalable n'est requise. AI Agents with LangChain & Autonomous Workflows sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.
Combien de temps prend la leçon « Exploiter les boîtes à outils prêtes à l’emploi » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon AI Agents with LangChain & Autonomous Workflows ?
Oui. Chaque leçon AI Agents with LangChain & Autonomous Workflows inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Définir et utiliser des outils
- Types d’agents et prise de décision
- Exploiter les boîtes à outils prêtes à l’emploi
- Gestion des erreurs et exécution sûre des outils