Ollama LLM とカスタム ツールを使用した Langchain.js の ToolCallingAgentOutputParser エラーの修正

モジュラーアプローチによる Langchain.js エラーの修正

解決策 1: Langchain.js と Ollama LLM を使用したモジュラー アプローチとエラー処理による JavaScript

import { tool } from "@langchain/core/tools";
import { z } from "zod";
import { Ollama } from "@langchain/ollama";
import { ChatPromptTemplate } from "@langchain/core/prompts";
import { createToolCallingAgent } from "langchain/agents";
import { AgentExecutor } from "langchain/agents";
// Initialize LLM with Ollama
const llm = new Ollama({
    model: "llama3",
    temperature: 0.7,
});
// Custom tool to add 2 to the input number
const magicTool = tool(
    async (input) => {
        return input + 2;
    },
    {
        name: "magic_function",
        description: "Applies a magic function to an input",
        schema: z.object({ input: z.number() }),
    };
);
const tools = [magicTool];
// Setup ChatPromptTemplate with placeholders
const prompt = ChatPromptTemplate.fromMessages([
    ["system", "You are a helpful assistant called iHelp"],
    ["placeholder", "{chat_history}"],
    ["human", "{input}"],
    ["placeholder", "{agent_scratchpad}"],
]);
// Agent configuration
const agent = createToolCallingAgent({ llm, tools, prompt });
// Execute agent query
const agentExecutor = new AgentExecutor({ agent, tools });
const query = "What is the value of magic_function(3)?";
await agentExecutor.invoke({ input: query });

Langchain.js エージェントのエラー処理の強化

解決策 2: Langchain.js でカスタム ツールの出力を検証するための単体テストによるエラー処理

import { tool } from "@langchain/core/tools";
import { z } from "zod";
import { Ollama } from "@langchain/ollama";
import { createToolCallingAgent } from "langchain/agents";
import { AgentExecutor } from "langchain/agents";
// Initialize LLM with Ollama
const llm = new Ollama({ model: "llama3", temperature: 0.7 });
// Custom tool with added error handling
const magicTool = tool(
    async (input) => {
        try {
            if (typeof input !== "number") throw new Error("Invalid input type!");
            return input + 2;
        } catch (err) {
            return err.message;
        }
    },
    {
        name: "magic_function",
        description: "Adds 2 to input and handles errors",
        schema: z.object({ input: z.number() }),
    }
);
const tools = [magicTool];
// Agent and execution
const agent = createToolCallingAgent({ llm, tools });
const agentExecutor = new AgentExecutor({ agent, tools });
const query = "magic_function('abc')"; // Test with invalid input
await agentExecutor.invoke({ input: query });
// Unit test example
import { expect } from "chai";
it("should return 5 when input is 3", async () => {
    const result = await magicTool(3);
    expect(result).to.equal(5);
});

Langchain.js、エージェント、ツールに関するよくある質問

1. Langchain.js のエージェントとは何ですか?
2. エージェントは、ツールおよび言語モデルと対話して、ユーザーのクエリに基づいて特定のタスクを実行するコンポーネントです。それは、 createToolCallingAgent ツールをトリガーする機能。
3. 「ToolCallingAgentOutputParser の parseResult」エラーを解決するにはどうすればよいですか?
4. このエラーは、エージェントの出力がパーサーと互換性がない場合に発生します。出力がパーサーが期待するものと一致していることを確認し、 ChatGeneration 出力形式。
5. の目的は何ですか AgentExecutor?
6. の AgentExecutor エージェントとそのツールの実行を管理し、Langchain.js アプリケーションで複雑なワークフローを実行できるようにします。
7. どのようにして ChatPromptTemplate 仕事？
8. ChatPromptTemplate チャット メッセージを構造化された形式で整理し、チャット履歴やエージェントのスクラッチパッドなどの動的なコンテンツを会話フローに挿入できるようにします。
9. なぜですか Zod ツールで使用されていますか？
10. Zod は入力検証に使用され、カスタム ツールへの入力が正しいタイプ (数値など) であることを確認し、エラーの可能性を減らします。

Langchain.js のエラー処理に関する最終的な考え方

「ToolCallingAgentOutputParser の parseResult は ChatGeneration 出力でのみ機能します」エラーを解決するには、エージェントの出力とその解析期待値の間で慎重に調整する必要があります。適切なアプローチをとれば、このエラーは回避できます。

Zod などの適切なツールを検証に使用し、Ollama で構築されたエージェントなどのエージェントが入力と出力を正しく処理できるようにすることで、解析の問題が発生することなく、Langchain.js で堅牢なソリューションを作成できます。