Ollama LLM 및 사용자 정의 도구를 사용하여 Langchain.js의 ToolCallingAgentOutputParser 오류 수정

모듈식 접근 방식으로 Langchain.js 오류 수정

솔루션 1: Langchain.js 및 Ollama LLM을 사용하여 모듈식 접근 방식과 오류 처리 기능을 갖춘 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 에이전트에 대한 향상된 오류 처리

해결 방법 2: Langchain.js에서 사용자 정의 도구의 출력을 검증하기 위한 단위 테스트를 통한 오류 처리

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, 에이전트 및 도구에 대해 자주 묻는 질문

1. Langchain.js의 에이전트란 ​​무엇입니까?
2. 에이전트는 도구 및 언어 모델과 상호 작용하여 사용자 쿼리를 기반으로 특정 작업을 수행하는 구성 요소입니다. 그것은 createToolCallingAgent 도구를 트리거하는 기능입니다.
3. "ToolCallingAgentOutputParser의 parseResult" 오류를 어떻게 해결합니까?
4. 이 오류는 에이전트의 출력이 구문 분석기와 호환되지 않을 때 발생합니다. 출력이 파서가 예상하는 것과 일치하는지 확인하고 ChatGeneration 출력 형식.
5. 의 목적은 무엇입니까? AgentExecutor?
6. 그만큼 AgentExecutor 에이전트와 해당 도구의 실행을 관리하므로 Langchain.js 애플리케이션에서 복잡한 워크플로를 실행할 수 있습니다.
7. 어떻게 ChatPromptTemplate 일하다?
8. ChatPromptTemplate 채팅 메시지를 구조화된 형식으로 구성하여 채팅 기록, 상담원 스크래치패드 등의 동적 콘텐츠를 대화 흐름에 삽입할 수 있습니다.
9. 왜? Zod 도구에 사용됩니까?
10. Zod 입력 검증에 사용되어 사용자 정의 도구에 대한 입력이 올바른 유형(예: 숫자)인지 확인하여 오류 가능성을 줄입니다.

Langchain.js의 오류 처리에 대한 최종 생각

"ToolCallingAgentOutputParser의 parseResult는 ChatGeneration 출력에서만 작동합니다." 오류를 해결하려면 에이전트 출력과 구문 분석 기대치 간의 신중한 정렬이 필요합니다. 올바른 접근 방식을 사용하면 이 오류를 피할 수 있습니다.

검증을 위해 Zod와 같은 적절한 도구를 사용하고 Ollama로 구축된 에이전트와 같은 에이전트가 입력 및 출력을 올바르게 처리하는지 확인함으로써 구문 분석 문제가 발생하지 않고 Langchain.js에서 강력한 솔루션을 만들 수 있습니다.