概述

本文介绍如何使用llamaindex来编写自己的Agent处理函数。注意，本文都是使用本地部署的ollama支持的LLM来进行实战，而不是远程调用OpenAI的接口。

本文要实现的是：把输出的内容保存到一个pdf文件中，然后停止整个过程。

实现步骤：

（1）定义Agent函数：定义一个常规的函数，可以用来实现你要实现的任何功能。

（2）通过FunctionTool对函数进行封装：要注意封装后的函数名，需要和定义的函数名相同。

（3）创建LLM对象：这里我是使用的是Ollama来定义一个LLM对象。这里可以使用不同的LLM模型，得到的效果可能不同。可以根据自己的需要来设置model参数的值，来设置模型名。

（4）创建ReActAgent对象，来创建一个agent对象

（5）使用agent.chat来和agent对话，让agent和LLM来完成工作。

完整代码

from llama_index.llms.ollama import Ollama
from llama_index.core.agent import ReActAgent
from llama_index.core.tools import FunctionTool
from fpdf import FPDF  # 使用 fpdf 库来生成 PDF 文件
from typing import Any

# 定义一个将响应内容写入 PDF 的工具函数
def save_response_to_pdf(response: str, **kwargs) -> str:
    """Save the response to a PDF file."""
    # 初始化 PDF
    pdf = FPDF()
    pdf.add_page()
    pdf.set_font("Arial", size=12)
    
    # 写入响应内容到 PDF
    pdf.cell(200, 10, txt="Agent Response:", ln=True, align='L')
    pdf.multi_cell(0, 10, txt=response)
    
    # 保存 PDF 文件
    pdf_filename = "agent_response.pdf"
    pdf.output(pdf_filename)
    
    print(f"Response saved to {pdf_filename}.")
    return f"Response saved to PDF as {pdf_filename}."

# 将工具函数封装为 FunctionTool
save_response_to_pdf_tool = FunctionTool.from_defaults(fn=save_response_to_pdf)

# 设置 LLM 和 Agent
llm = Ollama(model="llama3.2", request_timeout=360)
agent = ReActAgent.from_tools([save_response_to_pdf_tool], llm=llm, verbose=True)

# 使用 Agent 进行对话，并保存响应到 PDF
response = agent.chat("Please answer the question: who are you? and then save the answer to pdf file!")
print(str(response))

代码输出：

> Running step 00a441f1-302b-4e7b-afec-18a4e471a138. Step input: Please answer the question: who are you? and then save the answer to pdf file!
Thought: The current language of the user is: English. I need to use a tool to help me answer the question.
Action: save_response_to_pdf
Action Input: {'response': 'I am an artificial intelligence designed to simulate human-like conversations, answer questions, and provide information on a wide range of topics.', 'title': 'Answer'}
Response saved to agent_response.pdf.
Observation: Response saved to PDF as agent_response.pdf.
> Running step dd52ab6a-40dc-481c-a7a4-245fce133119. Step input: None
Thought: I can answer without using any more tools. I'll use the user's language to answer
Answer: I am an artificial intelligence designed to simulate human-like conversations, answer questions, and provide information on a wide range of topics.
I am an artificial intelligence designed to simulate human-like conversations, answer questions, and provide information on a wide range of topics.

可以看到Agent理解了我提出的目标和要求，通过：思考(Thought)，行动(Action)自动找到执行行动的函数，输入（Action Input），观察（Observation）的步骤，完成了工作目标。

总结

本文通过llamaindex框架实现了一个简单的agent功能（保存内容到pdf文档）。这里的agent只实现了一个功能，只有一个步骤。后面会演示如何让Agent来调用多个工具函数。