（18-4-06）Agents（智能代理）： ReAct代理_react agent

6.4.5  ReAct代理

ReAct（Reacting Agents）代理是一种用于模拟人类解决问题过程的智能代理，在LangChain框架中，ReAct代理利用大型语言模型（LLM）的能力来执行一系列的推理步骤，这些步骤通常涉及对信息的搜索和分析工作。ReAct代理的主要特点如下所示：

1. 推理步骤：ReAct代理能够模拟推理过程，包括搜索信息、处理数据和生成回答。
2. 使用工具：代理可以调用（或“使用”）不同的工具来辅助任务的完成，例如搜索引擎、数据库查询、文件读取器等。
3. 交互式：ReAct代理可以与用户进行交互，根据用户的问题执行相应的动作，并可能请求更多的输入或指导。
4. 适应性：ReAct代理能够根据当前的上下文和历史交互来调整其行为，使其能够适应不同的查询和场景。
5. 可定制性：开发者可以根据特定的需求定制ReAct代理的行为，包括定义新的工具、修改提示模板或调整代理的逻辑。
6. 结构化输出：ReAct代理能够生成结构化的输出，如JSON，这使得其输出易于被其他系统或应用程序解析和使用。
7. 错误处理：ReAct代理能够处理执行过程中可能出现的错误，并根据需要调整其行为或提示用户。
8. 聊天历史：ReAct代理能够考虑聊天历史，这使得它能够在对话中上下文地响应，而不是仅仅基于当前的输入。
9. 实时反馈：通过实时的反馈和迭代处理，ReAct代理可以在与用户的交互中学习和改进。
10. 易于集成：ReAct代理可以轻松地集成到现有的应用程序中，提供智能的决策支持和自动化服务。

在实际应用中，使用ReAct代理的场景通常涉及到创建一个能够进行一系列推理步骤来解决特定问题的代理。例如下面是一个使用ReAct代理的例子，其中代理将使用搜索工具来回答关于某个主题的问题。

实例6-1：使用ReAct代理回答关于某个主题的问题（源码路径：codes\6\ReAct.py）

实例文件ReAct.py的具体实现代码如下所示。

from langchain.agents import AgentExecutor, create_react_agent
from langchain_community.tools.tavily_search import TavilySearchResults
from langchain_openai import OpenAI
from langchain import hub
 
# 初始化搜索工具
search_tool = TavilySearchResults(max_results=1)
# 获取提示模板
prompt = hub.pull("hwchase17/react")
# 选择语言模型
llm = OpenAI()
# 构建ReAct代理
agent = create_react_agent(llm, [search_tool], prompt)
 
# 创建代理执行器
agent_executor = AgentExecutor(
    agent=agent, tools=[search_tool], verbose=True, handle_parsing_errors=True
)
 
# 调用代理执行器来处理一个查询
response = agent_executor.invoke({"input": "What is the capital of France?"})

在上述代码中，ReAct代理使用搜索工具来找到关于法国首都的信息，并以结构化的JSON格式返回了答案。执行后会输出：

{
  "input": "What is the capital of France?",
  "output": "The capital of France is Paris."
}

请注意，为了获得实际的输出，需要确保 TavilySearchResults 工具已经正确配置，并且已经在环境中设置了有效的API密钥。此外，代理的提示（prompt）和搜索工具的实现细节也会影响最终的输出。

在实际应用中，ReAct代理可以处理更复杂的任务，如多步骤的推理、错误处理、以及与用户的多轮对话状态管理。通过ReAct代理，开发者可以构建能够模拟人类解决问题过程的智能系统。