LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह · पाठ

पूर्व-निर्मित टूलकिट का उपयोग

अपने एजेंटों में क्षमताएँ शीघ्रता से जोड़ने के लिए LangChain द्वारा दिए गए पूर्व-कॉन्फ़िगर किए गए टूलकिट खोजें और लागू करें।

पाठ 3, कुल 4 में से10 चरण

पूर्व-निर्मित टूलकिट का उपयोग, CoddyKit पर LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह का एक निःशुल्क पाठ है। यह 4 में से 3वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

पहले से बने टूलकिट्स का परिचय

LangChain में पहले से बने टूलकिट्स का लाभ उठाने के पाठ में आपका स्वागत है! अब तक आपने अलग-अलग टूल्स को परिभाषित करना और उनका उपयोग करना सीखा है। लेकिन यदि आपको संबंधित टूल्स के एक समूह की आवश्यकता हो तो?

टूलकिट्स विशेष उद्देश्यों के लिए बनाए गए, पहले से कॉन्फ़िगर किए गए टूल्स के संग्रह होते हैं। वे सामान्य कार्यक्षमताओं को एक साथ जोड़ते हैं, जिससे आपके AI एजेंट्स में शक्तिशाली क्षमताएँ जोड़ना बहुत आसान हो जाता है।

टूलकिट्स का उपयोग क्यों करें?

टूलकिट्स का उपयोग करने के कई प्रमुख लाभ हैं:

समय की बचत: सामान्य टूल्स को शुरू से परिभाषित करने की आवश्यकता नहीं होती।
कम अतिरिक्त कोड: लिखने और प्रबंधित करने के लिए कम कोड।
एकरूपता: सुनिश्चित करता है कि टूल्स सही और एकसमान तरीके से लागू किए गए हैं।
विस्तारित क्षमताएँ: अपने एजेंट को वेब खोज, डेटाबेस के साथ सहभागिता या उन्नत गणित जैसी जटिल कार्यक्षमताओं से तुरंत सक्षम करें।

उदाहरण: Math Toolkit

आइए एक सरल लेकिन शक्तिशाली उदाहरण से शुरू करते हैं: Math Toolkit। यह टूलकिट बुनियादी अंकगणितीय क्रियाएँ प्रदान करता है, जिससे आपका एजेंट गणनाएँ कर सकता है।

यह देखने का एक शानदार तरीका है कि संख्यात्मक संसाधन की आवश्यकता वाली समस्याओं को हल करने के लिए टूल्स के संग्रह को एजेंट में कैसे एकीकृत और उपयोग किया जा सकता है।

टूलकिट को आरंभ करना

सबसे पहले, आपको टूलकिट को इम्पोर्ट और आरंभ करना होगा। MathToolkit को सेट अप करने और इसके द्वारा उपलब्ध कराए गए टूल्स की जाँच करने का तरीका यहाँ दिया गया है:

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()

टूलकिट्स का उपयोग करने वाले एजेंट्स

टूलकिट के आरंभ हो जाने पर, आप उसके टूल्स के संग्रह को अपने एजेंट को उसी तरह दे सकते हैं, जैसे अलग-अलग टूल्स देते हैं।

इसके बाद एजेंट का तर्क इंजन समझदारी से तय करेगा कि किसी प्रश्न का उत्तर देने या कार्य पूरा करने के लिए टूलकिट का कौन-सा टूल सबसे उपयुक्त है।

गणित की समस्याएँ हल करता एजेंट

देखिए, यह एजेंट गुणा करने के लिए MathToolkit का उपयोग करता है। ध्यान दें कि एजेंट समस्या के बारे में कैसे 'विचार' करता है और सही टूल चुनता है।

(कोड को चलाने के लिए YOUR_API_KEY को अपनी वास्तविक OpenAI API कुंजी से बदलना याद रखें।)

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()

अन्य शक्तिशाली टूलकिट्स का अन्वेषण

LangChain विविध कार्यों के लिए पहले से बने कई अन्य टूलकिट्स उपलब्ध कराता है:

Wikipedia Toolkit: उन एजेंट्स के लिए जिन्हें Wikipedia से जानकारी खोजकर प्राप्त करनी हो।
OpenAPI Toolkit: एजेंट्स को OpenAPI विनिर्देश में वर्णित किसी भी API के साथ सहभागिता करने देता है।
SQL Database Toolkit: एजेंट्स को SQL डेटाबेस में प्रश्न चलाने और उनके साथ सहभागिता करने में सक्षम बनाता है।
Python Agent Toolkit: एजेंट्स को Python कोड लिखने और चलाने देता है।

हर टूलकिट आपके एजेंट की क्षमताओं का महत्वपूर्ण विस्तार करता है!

और अधिक टूलकिट्स खोजना

और अधिक टूलकिट्स खोजना चाहते हैं? इसका तरीका यहाँ दिया गया है:

LangChain दस्तावेज़: आधिकारिक दस्तावेज़ सबसे अच्छा संसाधन हैं।
सोर्स कोड: langchain_community.agent_toolkits मॉड्यूल को सीधे देखें।
समुदाय के उदाहरण: GitHub रिपॉज़िटरी या ट्यूटोरियल्स में देखें कि अन्य लोग LangChain का उपयोग कैसे कर रहे हैं।

नए टूलकिट्स लगातार विकसित और जोड़े जा रहे हैं!

टूलकिट की त्वरित जाँच

LangChain में पहले से बने टूलकिट्स का उपयोग करने का मुख्य लाभ क्या है?

इंटरैक्टिव पाठ में इसका उत्तर दें

पुनरावलोकन: टूलकिट की शक्ति!

बहुत अच्छा! इस पाठ में आपने सीखा:

LangChain में पहले से बने टूलकिट्स क्या होते हैं।
वे समय बचाने और क्षमताओं का विस्तार करने जैसे महत्वपूर्ण लाभ प्रदान करते हैं।
टूलकिट्स (जैसे MathToolkit) को अपने एजेंट्स के साथ आरंभ और एकीकृत कैसे करें।
विभिन्न कार्यों के लिए अधिक शक्तिशाली टूलकिट्स कहाँ खोजें।

टूलकिट्स आपके एजेंट्स को तुरंत अधिक शक्तिशाली बनाने का शानदार तरीका हैं!

शुरुआत निःशुल्क

एआई शिक्षक के साथ LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह सीखें — निःशुल्क

अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।

पाठ्यक्रम: 12
पाठ: 50

निःशुल्क सीखना शुरू करें पूरा पाठ्यक्रम देखें

अक्सर पूछे जाने वाले प्रश्न

क्या “पूर्व-निर्मित टूलकिट का उपयोग” पाठ निःशुल्क है?

हाँ—“पूर्व-निर्मित टूलकिट का उपयोग” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

“पूर्व-निर्मित टूलकिट का उपयोग” में मैं क्या सीखूँगा?

अपने एजेंटों में क्षमताएँ शीघ्रता से जोड़ने के लिए LangChain द्वारा दिए गए पूर्व-कॉन्फ़िगर किए गए टूलकिट खोजें और लागू करें। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 3वाँ पाठ है।

“पूर्व-निर्मित टूलकिट का उपयोग” पाठ पूरा करने में कितना समय लगता है?

CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।

क्या मैं इस LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।

इस पाठ्यक्रम के सभी पाठ

← LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह पर वापस जाएँ