Agent

Agent

LangChain 및 기타 LLM 애플리케이션에서 인공지능 시스템이 자율적이고 목표지향적으로 작업을 수행할 수 있게 해 주는 컴포넌트이다.

주어진 목표를 달성하기 위해 환경과 상호작용하며 의사결정을 내리고 행동을 취하는 지능형 개체로 볼 수 있다.

 

주요 특징

1. 자율성: 에이전트는 사전에 정의된 규칙이나 명시적인 프로그래밍 없이도 스스로 결정을 내리고 행동할 수 있다.

2. 목표지향성: 특정 목표나 작업을 달성하기 위해 설계되어 있다.

3. 환경 인식: 주변 환경이나 상황을 인식하고 이에 따라 적응할 수 있다.

4. 도구 사용: 다양한 도구나 API를 활용해 작업을 수행할 수 있다.

5. 연속성: 주어진 목표를 달성하기 위해 1회 수행이 아닌 반복 수행을 통해 목표 달성을 추구한다.

 

LangChain에서의 에이전트 구성요소

1. Agent: 의사결정을 담당하는 핵심 컴포넌트

2. Tools: 에이전트가 사용할 수 있는 기능들의 집합

3. Toolkits: 관련된 도구들의 그룹

4. AgentExecutor: 에이전트의 실행을 관리하는 컴포넌트

 

에이전트의 작동 방식

1. 입력 수신: 사용자로부터 작업이나 질문을 수령

2. 계획 수립: 주어진 작업을 완료하기 위한 단계별 계획을 세움

3. 도구 선택: 각 단계에 적합한 도구를 선택

4. 실행: 선택한 도구를 사용하여 작업을 수행

5. 결과 평가: 수행 결과를 평가하고 필요시 계획 조정

6. 출력 생성: 최종 결과나 답변을 사용자에게 제공

 

활용 사례

• 정보 검색 및 분석: 웹 검색, 데이터베이스 쿼리 등을 수행
• 작업 자동화: 복잡한 워크플로우를 자동으로 처리
• 고객 서비스: 질문에 답변하고 문제 해결
• 의사 결정 지원: 데이터를 분석하고 권장 사항 제공
• 창의적 작업: 글쓰기, 코드 생성 등의 창의적 작업 수행

 

장점과 한계

장점

• 복잡한 작업의 자동화
• 유연성과 적응성
• 다양한 도구와의 통합 가능성

한계

• 제어와 예측 가능성의 어려움
• 계산 비용과 리소스 요구사항

 

도구(Tools)

에이전트, 체인 또는 LLM이 외부 세계와 상호작용하기 위한 인터페이스

LangChain에서 기본 제공하는 도구를 사용해 쉽게 도구를 활용할 수 있으며, 사용자 정의 도구(Custom Tool)를 쉽게 구축 가능

 

https://python.langchain.com/v0.1/docs/integrations/tools/

Tools | 🦜️🔗 LangChain

# API 키를 환경변수로 관리하기 위한 설정 파일
from dotenv import load_dotenv

# API 키 정보 로드
load_dotenv()

# 출력
# True

# LangSmith 추적 설정 https://smith.langchain.com
# !pip install -qU langchain-teddynote
from langchain_teddynote import logging

# 프로젝트 이름 입력
logging.langsmith("CH15-Tools")

# 출력
# LangSmith 추적을 시작합니다.
# [프로젝트명]
# CH15-Tools

import warnings

# 경고 메시지 무시
warnings.filterwarnings("ignore")

빌트인 도구(Built-in tools)

LangChain에서 제공하는 사전에 정의된 도구(tool)와 툴킷(toolkit)을 사용할 수 있다.

tool은 단일 도구, toolkit은 여러 도구를 묶어 하나의 도구로 사용 가능

 

Python REPL 도구

python 코드를 REPL(Read-Eval-Print Loop) 환경에서 실행하기 위한 주요 클래스 제공

• python 셸 환경 제공
• 유효한 python 명령어를 입력으로 받아 실행
• 결과를 보려면 print() 함수를 사용해야 함

 

주요 특징

• sanitize_input: 입력을 정제하는 옵션(기본값: True)
• python_repl: PythonREPL 인스턴스(기본값: 전역 범위에서 실행)

 

사용 방법

• PythonREPLTool 인스턴스 생성
• run 또는 arun, invoke 메서드를 사용해 Python 코드 실행

 

입력 정제

입력 문자열에서 불필요한 공백, 백틱, 'python' 키워드 등 제거

from langchain_experimental.tools import PythonREPLTool

# 파이썬 코드를 실행하는 도구 생성
python_tool = PythonREPLTool()

# 파이썬 코드를 실행하고 결과 반환
print(python_tool.invoke("print(100 + 200)"))

# 출력
# 300

 

 

흐름 정리

1. LLM 모델에게 특정 작업을 수행하는 Python 코드를 작성하도록 요청

2. 작성된 코드를 실행해 결과

3. 결과 출력

 

 

from langchain_openai import ChatOpenAI
from langchain_core.prompt import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnableLambda

# 파이썬 코드를 실행하고 중간 과정을 출력하고 도구 실행 결과를 반환하는 함수
def print_and_execute(code, debug=True):
	if debug:
    	print("CODE:")
        print(code)
    return python_tool.invoke(code)
    
# 파이썬 코드를 작성하도록 요청하는 프롬프트
prompt = ChatPromptTemplate.from_messages(
	[
    	(
        	"system",
            "You are Raymond Hetting, an expert python programmer, well versed in meta-programming and elegant, concise and short but well documented code. You follow the PEP8 style guide. "
            "Return only the code, no intro, no explanation, no chatty, no markdown, no code block, no nothing. Just the code.",
        ),
        ("human", "{input}"),
    ]
)
# LLM 모델 생성
llm = ChatOpenAI(model="gpt-4o", temperature=0)

# 프롬프트와 LLM 모델을 사용해 체인 생성
chain = prompt | llm | StrOutputParser() | RunnableLambda(print_and_execute)

# 결과 출력
print(chain.invoke("로또 번호 생성기를 출력하는 코드를 작성하세요."))

# 출력
# CODE:
# import random
#
# def generate_lotto_numbers():
#	return sorted(random.sample(range(1, 46), 6))
#
# print(generate_lotto_numbers())
# [14, 17, 18, 22, 23, 37]

 

검색 API 도구

Tavily 검색 API를 활용해 검색 기능을 구현하는 도구

TravilySearchResults, TravilyAnswer 와 같은 주요 클래스 제공

 

API 키 발급 주소

https://app.tavily.com/

Tavily AI

 

.env 파일에 아래와 같이 설정

TRAVILY_API_KEY=tvly-blahblahblahblahblahblah

 

TravilySearchResults

Travily 검색 API를 쿼리하고 JSON 형식의 결과 반환

포괄적이고 정확하며 신뢰할 수 있는 결과에 최적화된 검색 엔진

현재 이벤트에 대한 질문에 답변할 때 유용

 

주요 매개변수

• max_result(int): 반환할 최대 검색 결과 수 (default: 5)
• search_depth(str): 검색 깊이 ("basic" 또는 "advanced")
• include_domains(List[str]): 검색 결과에 포함할 도메인 목록
• exclude_domains(List[str]): 검색 결과에서 제외할 도메인 목록
• include_answer(bool): 원본 쿼리에 대한 짧은 답변 포함 여부
• include_raw_content(bool): 각 사이트의 정제된 HTML 콘텐츠 포함 여부
• include_images(bool): 쿼리 관련 이미지 목록 포함 여부

 

Image 생성 도구 (DALL-E)

DallEAPIWrapper 클래스

OpenAI의 DALL-E 이미지 생성기를 위한 래퍼(wrapper)

DALL-E API를 쉽게 통합해 텍스트 기반 이미지 생성 기능을 구현할 수 있음

다양한 설정 옵션을 통해 유연하고 강력한 이미지 생성 도구로 활용 가능

 

주요 속성

• model : 사용할 DALL-E 모델 이름 (default: "dall-e-2", "dall-e-3")
• n : 생성할 이미지 수 (default: 1)
• size : 생성할 이미지 크기
  • "dall-e-2" : "1024 x 1024", "512 x 512", "256 x 256"
  • "dall-e-3" : "1024 x 1024", "1792 x 1024", "1024 x 1792"
• style : 생성될 이미지의 스타일 (default: "natural", "vivid")
• quality : 생성될 이미지의 품질 (default: "standard", "hd")
• max_retries : 생성 시 최대 재시도 횟수