dexblog.ro
Acces rapid: Învață AI Învață Programare Specificații Dispozitive Comparații
LANG Toate componentele LangChain & LangGraph

Funcția create_react_agent (Prebuilt LangGraph) în LangChain & LangGraph

Agenți Autonomi cu LangGraph & LangSmith Nivel: începător

Cea mai rapidă metodă de a lansa un agent autonom complet funcțional (Reasoning + Acting) în LangGraph, fără a construi manual nodurile și muchiile.

Sintaxă & invocare Python 
from langgraph.prebuilt import create_react_agent

agent = create_react_agent(model=llm, tools=[calculeaza_tva, cauta_web], checkpointer=memory)
raspuns = agent.invoke({'messages': [('user', 'Caută cursul EUR și calculează TVA pentru 100 EUR')]}, config=config)

Descriere & Utilizare

Pentru majoritatea cazurilor de utilizare în care ai un model LLM și o listă de unelte (@tool), nu este nevoie să definești de la zero StateGraph, ToolNode și add_conditional_edges.

Funcția oficială create_react_agent din langgraph.prebuilt construiește și compilează automat întregul graf ciclic conform arhitecturii ReAct (Reason + Act).

Agentul rezultat analizează cererea, decide dacă trebuie să apeleze una sau mai multe unelte în serie sau în paralel, citește rezultatele returnate de funcții, își ajustează planul dacă o unealtă a dat eroare și formulează răspunsul final.

Cum să o reții ușor

💡 Ca achiziționarea unui automobil gata asamblat din fabrică în loc să cumperi motorul, cutia de viteze și roțile separat: îi pui combustibil (LLM) și trusa de scule în portbagaj (`tools`) și ești gata de drum.

Opțiuni și parametri tehnici

  • Apelează automat model.bind_tools(tools).
  • Creează graful intern cu nodul agent și nodul tools legate prin condiția de verificare a tool_calls.
  • Suportă nativ atașarea unui checkpointer pentru memorie și a unui prompt de sistem personalizat.

Exemple practice și cazuri de utilizare

  • Agent cu instrucțiuni de sistem: create_react_agent(llm, tools, prompt='Răspunde întotdeauna în limba română, concis și politicos.')
  • Urmărirea pașilor agentului în timp real: for step in agent.stream({'messages': [('user', '...')]}, stream_mode='values'): step['messages'][-1].pretty_print()

Sfaturi de configurare & capcane

Folosește create_react_agent din langgraph.prebuilt în locul vechiului AgentExecutor din langchain.agents (care este acum depreciat în versiunile moderne de LangChain).

Comenzi și ghiduri înrudite