Agent是什么？

Agent一词起源于拉丁语中的Agere，意思是“to do”。在LLM语境下，Agent可以理解为在某种能自主理解、规划决策、执行复杂任务的智能体。

Agent并非ChatGPT升级版，它不仅告诉你“如何做”，更会帮你去做。如果Copilot是副驾驶，那么Agent就是主驾驶。

自主Agent是由人工智能驱动的程序，当给定目标时，它们能够自己创建任务、完成任务、创建新任务、重新确定任务列表的优先级、完成新的顶级任务，并循环直到达到目标。

最直观的公式：Agent = LLM+Planning+Feedback+Tool use

Agent决策流程

感知（Perception）→ 规划（Planning）→ 行动（Action）

• • 感知（Perception）是指Agent从环境中收集信息并从中提取相关知识的能力。

• • 规划（Planning）是指Agent为了某一目标而作出的决策过程。

• • 行动（Action）是指基于环境和规划做出的动作。

Agent通过感知从环境中收集信息并提取相关知识。然后通过规划为了达到某个目标做出决策。最后，通过行动基于环境和规划做出具体的动作。Policy是Agent做出行动的核心决策，而行动又为进一步感知提供了观察的前提和基础，形成了一个自主的闭环学习过程。

人是如何做事的？

在工作中，我们通常会用到PDCA思维模型。基于PDCA模型，我们可以将完成一项任务进行拆解，按照作出计划、计划实施、检查实施效果，然后将成功的纳入标准，不成功的留待下一循环去解决。目前，这是人们高效完成一项任务非常成功的经验总结。

如何让LLM替代人去做事?

要让LLM替代人去做事，我们可以基于PDCA模型进行 规划、执行、评估和反思。

规划能力（Plan）-> 分解任务：Agent大脑把大的任务拆解为更小的，可管理的子任务，这对有效的、可控的处理好大的复杂的任务效果很好。

执行能力（Done）-> 使用工具：Agent能学习到在模型内部知识不够时（比如：在pre-train时不存在，且之后没法改变的模型weights）去调用外部API，比如：获取实时的信息、执行代码的能力、访问专有的信息知识库等等。这是一个典型的平台+工具的场景，我们要有生态意识，即我们构建平台以及一些必要的工具，然后大力吸引其他厂商提供更多的组件工具，形成生态。

评估能力（Check）-> 确认执行结果：Agent要能在任务正常执行后判断产出物是否符合目标，在发生异常时要能对异常进行分类（危害等级），对异常进行定位（哪个子任务产生的错误），对异常进行原因分析（什么导致的异常）。

反思能力（Adjust）-> 基于评估结果重新规划：Agent要能在产出物符合目标时及时结束任务，是整个流程最核心的部分；同时，进行归因分析总结导致成果的主要因素，另外，Agent要能在发生异常或产出物不符合目标时给出应对措施，并重新进行规划开启再循环过程。

下面，来看几个具体的案例

让LLM能够获取当前时间

首先，我们定义一个获取当前时间的tool

from langchain.tools import Tool

def get_time(input=""):
    return datetime.datetime.now()


#定义获取当前时间
time_tool = Tool(
    name='get current time',
    func= get_time,
    description="用来获取当前时间. input should be 'time'"""
)

name: 工具名称 func: 工具的实现 description: 工具的描述，一定要是准确的描述，该部分会加入到LLM的prompt中，若描述不准确，LLM可能无法准确调用

我们将langchain中内置的prompt打印出来看看

    Respond to the human as helpfully and accurately as possible. You have access to the following tools:

    get current time: 用来获取当前时间. input should be 'time', args: {{'tool_input': {{'type': 'string'}}}}

    Use a json blob to specify a tool by providing an action key (tool name) and an action_input key (tool input).

    Valid "action" values: "Final Answer" or get current time

    Provide only ONE action per $JSON_BLOB, as shown:

    ```
    {{
    "action": $TOOL_NAME,
    "action_input": $INPUT
    }}
    ```

    Follow this format:

    Question: input question to answer
    Thought: consider previous and subsequent steps
    Action:
    ```
    $JSON_BLOB
    ```
    Observation: action result
    ... (repeat Thought/Action/Observation N times)
    Thought: I know what to respond
    Action:
    ```
    {{
    "action": "Final Answer",
    "action_input": "Final response to human"
    }}
    ```

    Begin! Reminder to ALWAYS respond with a valid json blob of a single action. Use tools if necessary. Respond directly if appropriate. Format is Action:```$JSON_BLOB```then Observation:.
    Thought:

从以上prompt可以看出，我们定义好的获取当前时间的工具函数，也被包裹在里面，并且，他还帮我们生成了一个输入参数的格式限制prompt：args: {{'tool_input': {{'type': 'string'}}}}

我们接着看：

    Use a json blob to specify a tool by providing an action key (tool name) and an action_input key (tool input).

    Valid "action" values: "Final Answer" or get current time

    Provide only ONE action per $JSON_BLOB, as shown:

    ```
    {{
    "action": $TOOL_NAME,
    "action_input": $INPUT
    }}
    ```

这段prompt要求LLM生成的action需要是一个jsonb的格式，并且包含两个key：action和action_input，分别对应工具名和工具的输入，并且给了一个样例。

并且，有效的action不仅包含了get current time，还多了个Final Answer

我们来用一个实际的问题试试：

question = "现在几点？"

result = agent.run(question)
print(result)

输出

当前时间是2024年01月02日11点12分01秒。

对比下未使用tool的输出：

我无法回答这个问题，因为我没有实时访问实际的时间或日期。我是根据我的训练数据提供信息的。

可见，当不使用tool时，LLM是无法知道当前时间的

为了更容易理解Agent是如何工作的，我打印出了中间过程的日志：

    Thought: 需要使用工具获取当前时间
    Action:
    ```
    {
    "action": "get current time",
    "action_input": {
        "type": "string"
    }
    }
    ```

    Observation: 2024-01-02 11:44:16.900356

    我现在知道了当前时间
    Action:
    ```
    {
    "action": "Final Answer",
    "action_input": "当前时间是2024年01月02日11点44分16秒。"
    }
    ```

首先，LLM先思考应该调用哪个工具，并且知道应该调用get current time，且给出了输入参数的类型

接着，拿到了LLM输出的结果，即：Observation: 2024-01-02 11:44:16.900356

最后，LLM知道了答案，再次调用工具：Final Answer输出答案

让LLM拥有计算器的功能

langchain内置了许多工具，使用load_tools函数即可加载，这次我们不自己定义tool了，我们使用langchain内置的工具试试。

    tools = load_tools(tool_names=["llm-math"], llm=llm)

    tools.append(time_tool)

看看llm-math的定义

def _get_llm_math(llm: BaseLanguageModel) -> BaseTool:
    return Tool(
        name="Calculator",
        description="Useful for when you need to answer questions about math.",
        func=LLMMathChain.from_llm(llm=llm).run,
        coroutine=LLMMathChain.from_llm(llm=llm).arun,
    )

我们看看此时的prompt

    Respond to the human as helpfully and accurately as possible. You have access to the following tools:

    Calculator: Useful for when you need to answer questions about math., args: {{'tool_input': {{'type': 'string'}}}}
    get current time: 用来获取当前时间. input should be 'now', args: {{'tool_input': {{'type': 'string'}}}}

    Use a json blob to specify a tool by providing an action key (tool name) and an action_input key (tool input).

    Valid "action" values: "Final Answer" or Calculator, get current time

    Provide only ONE action per $JSON_BLOB, as shown:

    ```
    {{
    "action": $TOOL_NAME,
    "action_input": $INPUT
    }}
    ```

    Follow this format:

    Question: input question to answer
    Thought: consider previous and subsequent steps
    Action:
    ```
    $JSON_BLOB
    ```
    Observation: action result
    ... (repeat Thought/Action/Observation N times)
    Thought: I know what to respond
    Action:
    ```
    {{
    "action": "Final Answer",
    "action_input": "Final response to human"
    }}
    ```

    Begin! Reminder to ALWAYS respond with a valid json blob of a single action. Use tools if necessary. Respond directly if appropriate. Format is Action:```$JSON_BLOB```then Observation:.
    Thought:

相比上一个例子，多了一个名叫Calculator的prompt: Calculator: Useful for when you need to answer questions about math., args: {{'tool_input': {{'type': 'string'}}}}

实际上就是多了个tool name 和 tool description

来试试效果

question = "789*324353等于多少？"

result = agent.run(question)
print(result)

输出

255914517

对比下未使用tool的输出：

789 * 324353 = 324353 * (700 + 80 + 9) = 324353 * 700 + 324353 * 80 + 324353 * 9 = 227047100 + 25948240 + 2921177 = 252995340 + 2921177 = 255916517

未使用tool虽然没有获得正确答案，但好在知道将数学问题分解，但我这里使用的是qwen-72b-chat-int4，要是小一点的模型，就不一定有这样的效果了。

以下是baichuan2-13b-chat的输出

789乘以324353等于259553427。

让LLM获取实时天气

定义tool:

China-City-List-latest.csv文件从(https://github.com/qwd/LocationList/blob/master/China-City-List-latest.csv下载

和风天气API key需要在https://dev.qweather.com注册获取，自行google

def getLocationId(city):
    d = collections.defaultdict(str)
    try:
        df = pd.read_csv("./data/datasets/virus/China-City-List-latest.csv", encoding='utf-8')
    except Exception as e:
        print(e)
    for i, row in df.iterrows():
        d[row['Location_Name_ZH']] = row['Location_ID']
    return d[city] if city in d else ''


def get_weather(location):
    key = "你的和风天气API key"
    id = getLocationId(location)
    if not id:
        return "没有这个城市"
    base_url = 'https://devapi.qweather.com/v7/weather/now?'
    params = {'location': id, 'key': key, 'lang': 'zh'}
    response = requests.get(base_url, params=params)
    data = response.json()
    if data["code"] != "200":
        return "没有这个城市的天气情况"
    return get_weather_info(data)


def get_weather_info(info):
    if info["code"] != "200":
        return "没有这个城市的天气情况"
    # result = f'现在天气{info["hourly"][0]["text"]}，温度 {info["hourly"][0]["temp"]} 度, 未来 24 小时天气{info["hourly"][-1]["text"]}，温度 {info["hourly"][-1]["temp"]} 度。'

    result = f""" 
现在天气: {info["now"]["text"]}
温度: {info["now"]["temp"]} 摄氏度
风向: {info["now"]["windDir"]}
风力等级: {info["now"]["windScale"]}
风速: {info["now"]["windSpeed"]} 公里/小时
"""

    return result


weather_tool = Tool(
    name='get current weather',
    func= get_weather,
    description="用来获取当地的天气信息，输入应该是城市名称"""
)

来试试效果

question = "杭州今天能穿短袖吗？"

result = agent.run(question)
print(result)

输出

不建议穿短袖，今天杭州有霾，温度为10摄氏度。

对比下未使用tool的输出：

作为一个语言模型，我无法获取实时的天气信息。请您自行查询杭州当前的天气情况，并根据气温和个人体质决定是否穿短袖。

以上工具函数，输入参数均只有一个，接下来看看，当输入参数有多个时，应如何处理

tool有多个输入参数的场景

定义tool:

class FutureWeatherInput(BaseModel):
    location: str = Field(description="城市名称")
    date: str = Field(description="日期，格式：yyyy-mm-dd，如：2021-11-15")


def get_future_weather(location, date):
    key = "你的和风天气API key"
    id = getLocationId(location)
    if not id:
        return "没有这个城市"
    base_url = 'https://devapi.qweather.com/v7/weather/7d?'
    params = {'location': id, 'key': key, 'lang': 'zh'}
    response = requests.get(base_url, params=params)
    data = response.json()
    if data["code"] != "200":
        return "没有这个城市的天气情况"
    
    result = {}
    daily = data["daily"]
    for item in daily:
        fxDate = item["fxDate"]

        weather_text = f""" 
天气: {item["textDay"]}
最高温度: {item["tempMax"]} 摄氏度
最低温度: {item["tempMin"]} 摄氏度
风向: {item["windDirDay"]}
风力等级: {item["windScaleDay"]}
风速: {item["windSpeedDay"]} 公里/小时
"""
        result[fxDate] = weather_text

    return result[date]


future_weather_tool = StructuredTool(
    name='get future weather',
    func= get_future_weather,
    description="用来获取当地今天和未来六天的天气信息。""",
    args_schema=FutureWeatherInput
)

当tool需要多个输入参数时，我们不再使用Tool类，而使用StructuredTool类，它的定义如下（从langchain源码里可以找到）

class StructuredTool(BaseTool):
    """Tool that can operate on any number of inputs."""

    description: str = ""
    args_schema: Type[BaseModel] = Field(..., description="The tool schema.")
    """The input arguments' schema."""
    func: Optional[Callable[..., Any]]
    """The function to run when the tool is called."""
    coroutine: Optional[Callable[..., Awaitable[Any]]] = None
    """The asynchronous version of the function."""

且通过pydantic的BaseModel来约束输入，对输入参数的description也是必要的，因为该description也会传到prompt中

Calculator: Useful for when you need to answer questions about math., args: {{'tool_input': {{'type': 'string'}}}}
get current time: 用来获取当前时间. input should be 'now'。当需要获取今天、明天、后天等的日期时，你应该调用此函数获取今天的日期, args: {{'tool_input': {{'type': 'string'}}}}
get current weather: 用来获取当地当天的天气信息，输入应该是城市名称, args: {{'tool_input': {{'type': 'string'}}}}
get future weather: 用来获取当地今天和未来六天的天气信息。, args: {{'location': {{'title': 'Location', 'description': '城市名称', 'type': 'string'}}, 'date': {{'title': 'Date', 'description': '日期，格式：yyyy-mm-dd，如：2021-11-15', 'type': 'string'}}}}

Use a json blob to specify a tool by providing an action key (tool name) and an action_input key (tool input).

Valid "action" values: "Final Answer" or Calculator, get current time, get current weather, get future weather

来试试效果

question = "今天是几号？明天准备去杭州旅游，能穿短袖吗？"

result = agent.run(question)
print(result)

输出

明天杭州的天气预报为晴，最高温度为13摄氏度，最低温度为2摄氏度，建议携带一些保暖衣物。

让LLM实现联网搜索

定义tool：

def get_internet_content(query):
    params = {
        "engine": "baidu",
        "q": query,
        "api_key": "你的 Serpapi key"
    }

    search = BaiduSearch(params)
    result = search.get_json()["organic_results"][0]["snippet"]
    return result

baidu_search_tool = Tool(
    name='百度搜索',
    func= get_internet_content,
    description="用来从互联网上获取当前时事信息，输入应该是搜索query""" 
)

Serpapi key需要你自行注册获取，地址https://serpapi.com/

来试试效果

question = "小米su7什么时候发布"

result = agent.run(question)
print(result)

输出

小米su7预计将于2024年上半年量产上市。

Agent之所以能回答该问题，是因为我们使用百度搜索获取了小米su7 发布日期的相关信息，LLM再基于该信息总结答案，相当于外挂了一个知识库，只不过这个知识库不再是我们本地的数据库，而是百度搜索

到这里你会发现，其实不同的工具，就是不同的函数而已，要想Agent能够适配自己的业务场景，只是把这些函数换成了自己业务相关的函数或接口。

以上LLM使用的均是qwen-72b-chat-int4，同时也对比过baichuan2-13b-chat、yi-34b-chat，qwen-14b-chat，其中baichuan2-13b-chat效果最差，基本无法理解如何调用tool，yi-34b-chat不如qwen-14b-chat，qwen-72b-chat-int4效果最好，个人猜测主要原因是因为qwen系列的模型在专门的工具调用数据集上训练过，因此效果要比其他模型要好，且官方开源了一个大模型工具调用数据集，地址： MSAgent-Bench大模型工具调用数据集

完整代码

import collections
import random
import requests
import datetime
import pandas as pd
from langchain.tools import Tool, StructuredTool
from langchain.agents import initialize_agent
from langchain.chat_models import ChatOpenAI
from langchain.agents import load_tools
from langchain.agents import AgentType

from pydantic import BaseModel, Field
from serpapi.baidu_search import BaiduSearch


def getLocationId(city):
    d = collections.defaultdict(str)
    try:
        df = pd.read_csv("./data/datasets/virus/China-City-List-latest.csv", encoding='utf-8')
    except Exception as e:
        print(e)
    for i, row in df.iterrows():
        d[row['Location_Name_ZH']] = row['Location_ID']
    return d[city] if city in d else ''


def get_weather(location):
    key = "你的和风天气API key"
    id = getLocationId(location)
    if not id:
        return "没有这个城市"
    base_url = 'https://devapi.qweather.com/v7/weather/now?'
    params = {'location': id, 'key': key, 'lang': 'zh'}
    response = requests.get(base_url, params=params)
    data = response.json()
    if data["code"] != "200":
        return "没有这个城市的天气情况"
    return get_weather_info(data)


class FutureWeatherInput(BaseModel):
    location: str = Field(description="城市名称")
    date: str = Field(description="日期，格式：yyyy-mm-dd，如：2021-11-15")


def get_future_weather(location, date):
    key = "你的和风天气API key"
    id = getLocationId(location)
    if not id:
        return "没有这个城市"
    base_url = 'https://devapi.qweather.com/v7/weather/7d?'
    params = {'location': id, 'key': key, 'lang': 'zh'}
    response = requests.get(base_url, params=params)
    data = response.json()
    if data["code"] != "200":
        return "没有这个城市的天气情况"
    
    result = {}
    daily = data["daily"]
    for item in daily:
        fxDate = item["fxDate"]

        weather_text = f""" 
天气: {item["textDay"]}
最高温度: {item["tempMax"]} 摄氏度
最低温度: {item["tempMin"]} 摄氏度
风向: {item["windDirDay"]}
风力等级: {item["windScaleDay"]}
风速: {item["windSpeedDay"]} 公里/小时
"""
        result[fxDate] = weather_text

    return result[date]

    


def get_weather_info(info):
    if info["code"] != "200":
        return "没有这个城市的天气情况"
    # result = f'现在天气{info["hourly"][0]["text"]}，温度 {info["hourly"][0]["temp"]} 度, 未来 24 小时天气{info["hourly"][-1]["text"]}，温度 {info["hourly"][-1]["temp"]} 度。'

    result = f""" 
现在天气: {info["now"]["text"]}
温度: {info["now"]["temp"]} 摄氏度
风向: {info["now"]["windDir"]}
风力等级: {info["now"]["windScale"]}
风速: {info["now"]["windSpeed"]} 公里/小时
"""
    return result


def get_internet_content(query):
    params = {
        "engine": "baidu",
        "q": query,
        "api_key": "你的SerpApi key"
    }

    search = BaiduSearch(params)
    result = search.get_json()["organic_results"][0]["snippet"]
    return result



def test_agent_example():
    model = "Qwen-72B-Chat-Int4"
    api_key = "EMPTY"
    base_url = "http://localhost:8000/v1"

    llm = ChatOpenAI(model=model, temperature=0, api_key=api_key, base_url=base_url)


    print(get_weather("北京"))


    def get_time(input=""):
        return datetime.datetime.now()
    
    #定义获取当前时间
    time_tool = Tool(
        name='get current time',
        func= get_time,
        description="用来获取当前时间. input should be 'now'。当需要获取今天、明天、后天等的日期时，你应该调用此函数获取今天的日期"""
    )

    weather_tool = Tool(
        name='get current weather',
        func= get_weather,
        description="用来获取当地当天的天气信息，输入应该是城市名称"""
    )

    future_weather_tool = StructuredTool(
        name='get future weather',
        func= get_future_weather,
        description="用来获取当地今天和未来六天的天气信息。""",
        args_schema=FutureWeatherInput
    )



    tools = load_tools(tool_names=["llm-math"], llm=llm)

    tools.extend([time_tool, weather_tool, future_weather_tool])


    #创建代理
    agent = initialize_agent(
        agent=AgentType.STRUCTURED_CHAT_ZERO_SHOT_REACT_DESCRIPTION,
        tools=tools,
        llm=llm,
        verbose=True,
        max_iterations=5,
        handle_parsing_errors=True
    )

    print(agent.agent.llm_chain.prompt[0].prompt.template)

    question = "今天是几号？明天准备去杭州旅游，能穿短袖吗？"

    result = agent.run(question)
    print("----"*20)
    print(result)

总结

1、tool description 非常重要，没有写好description，agent无法理解在什么情况下应该调用该tool 

2、输入参数的 description 非常重要，想要LLM生成给定格式的输入参数，可以给一些few shot样例 

3、agent本质还是prompt工程，极大程度上依赖于LLM的参数量。小模型无法理解prompt，无法生成给定格式的输入参数，导致tool函数不能被正常调用