使用 Langflow 智能体

Langflow 的 Agent 组件 对于构建智能体流程至关重要。 该组件提供创建智能体所需的一切，包括多个大型语言模型 (LLM) 提供商、工具调用和自定义指令。 它简化了智能体配置，让您可以专注于应用程序开发。

智能体工作原理

智能体通过集成_工具_来扩展 LLM，这些工具是提供附加上下文并启用自主任务执行的函数。 这些集成使智能体比独立的 LLM 更专业化和强大。

虽然 LLM 可能对一般查询和任务生成可接受的、静态响应，但智能体可以利用集成的上下文和工具来提供更相关的响应，甚至采取行动。 例如，您可以创建一个智能体，它可以访问您公司的知识库、代码仓库和其他资源，以帮助您的团队完成需要了解您特定产品、客户和代码的任务。

智能体使用 LLM 作为推理引擎来处理输入、确定采取哪些行动来处理查询，然后生成响应。 响应可能是典型的基于文本的 LLM 响应，也可能涉及一个动作，如编辑文件、运行脚本或调用外部 API。

在智能体上下文中，工具是智能体可以运行以执行任务或访问外部资源的函数。 函数被包装为具有智能体理解的通用接口的 Tool 对象。 智能体通过工具注册来了解工具，即在智能体初始化时通常为智能体提供可用工具列表。 Tool 对象的描述告诉智能体工具能做什么，以便它可以决定工具是否适合给定的请求。

在流程中使用 Agent 组件

以下步骤说明如何在 Langflow 中从空白流程创建智能体流程。 对于预构建的示例，请使用 Simple Agent 模板 或尝试 Langflow 快速入门。

1. 点击 New Flow，然后点击 Blank Flow。

2. 向 Workspace 添加一个 Agent 组件。

3. 输入有效的 OpenAI API 密钥。

   Agent 组件的默认模型是 OpenAI 模型。 如果您想使用不同的提供商，请相应地编辑 Model Provider、Model Name 和 API Key 字段。 有关更多信息，请参阅 Agent 组件参数。

4. 向您的流程添加 Chat Input 和 Chat Output 组件，然后将它们连接到 Agent 组件。

   此时，您已经创建了一个基本的基于 LLM 的聊天流程，可以在 Playground 中测试。 但是，此流程只与 LLM 聊天。 要增强此流程并使其真正具有智能体特性，请添加一些工具，如后续步骤中所述。

   

5. 向您的流程添加 News Search、URL 和 Calculator 组件。

6. 在 News Search、URL 和 Calculator 组件中启用 Tool Mode：

   1. 点击 News Search 组件以显示 组件的标头菜单，然后启用 Tool Mode。
   2. 对 URL 和 Calculator 组件重复此操作。
   3. 将每个工具组件的 Toolset 端口连接到 Agent 组件上的 Tools 端口。

   Tool Mode 通过修改组件的输入使组件成为工具。 启用 Tool Mode 后，组件可以接受来自 Agent 组件的请求，以将组件的可用操作用作工具。

   在 Tool Mode 下，组件具有 Toolset 端口，如果您希望允许智能体将该组件的操作用作工具，则必须将其连接到 Agent 组件的 Tools 端口。

   有关更多信息，请参阅 为智能体配置工具。

   

7. 打开 Playground，然后询问智能体："您使用什么工具来回答我的问题？"

   智能体应该响应连接的工具列表。 它也可能包括内置工具。

   
   

   _10

   我使用内置知识（截至 2024 年 6 月）和一组外部工具的组合来回答您的问题。以下是我可以使用的主要工具类型：

   _10

   网络搜索和内容获取：我可以获取和总结网页内容，包括递归爬取链接。

   _10

   新闻搜索：我可以通过 RSS 源使用 Google News 搜索最新新闻文章。

   _10

   计算器：我可以执行算术计算和评估数学表达式。

   _10

   日期和时间：我可以提供各种时区的当前日期和时间。

   _10

   这些工具帮助我提供最新信息、执行计算并在需要时从互联网检索特定数据。如果您有具体问题，请告诉我，我将使用最合适的工具来帮助您！

   
   

8. 要测试特定工具，请向智能体提出使用其中一个工具的问题，例如"总结今天的科技新闻"。

   为帮助您调试和测试流程，Playground 显示智能体的工具调用、提供的输入以及智能体在生成摘要之前收到的原始输出。 对于给定的示例，智能体应该调用 News Search 组件的 search_news 操作。

您已成功创建了一个使用一些通用工具的基本智能体流程。

要继续构建此教程，请尝试连接其他工具组件或 使用 Langflow 作为 MCP 客户端 来支持更复杂和专业化的任务。

有关多智能体示例，请参阅 将智能体用作工具。

Agent 组件参数

您可以配置 Agent 组件以使用您首选的提供商和模型、自定义指令和工具。

提示

许多可选的 Agent 组件输入参数在可视化编辑器中默认隐藏。 您可以通过 组件标头菜单 中的 Controls 查看和切换所有参数。

提供商和模型

使用 Model Provider (agent_llm) 和 Model Name (llm_model) 设置来选择您希望智能体使用的模型提供商和 LLM。

Agent 组件包括来自几个流行模型提供商的许多模型。 要访问其他提供商和模型，请将 Model Provider 设置为 Custom，然后连接任何 Language Model 组件。

如果您需要在流程中生成嵌入，请使用 Embedding Model 组件。

模型提供商 API 密钥

在 API Key 字段中，如果您使用内置提供商，请输入所选模型提供商的有效身份验证密钥。 例如，要使用默认的 OpenAI 模型，您必须为具有积分和调用 OpenAI LLM 权限的 OpenAI 账户提供有效的 OpenAI API 密钥。

您可以直接输入密钥，但建议您遵循存储和引用 API 密钥的行业最佳实践。 例如，您可以使用 全局变量 或 环境变量。 有关更多信息，请参阅 向 Langflow 添加组件 API 密钥。

如果您选择 Custom 作为模型提供商，则身份验证在传入的 Language Model 组件中处理。

智能体指令和输入

在 Agent Instructions (system_prompt) 字段中，您可以提供希望 Agent 组件用于每次对话的自定义指令。

这些指令除了 Input (input_value) 之外还会应用，后者可以直接输入或通过其他组件（如 Chat Input 组件）提供。

工具

当智能体拥有完成请求的适当工具时，它们最有用。

Agent 组件可以使用任何 Langflow 组件作为工具，包括其他智能体和 MCP 服务器。

要将组件附加为工具，您必须在要附加的组件上启用 Tool Mode，然后将其附加到 Agent 组件的 Tools 端口。 有关更多信息，请参阅 为智能体配置工具。

提示

要允许智能体使用来自 MCP 服务器的工具，请使用 MCP Tools 组件。

智能体内存

Langflow 智能体具有默认启用的内置聊天内存。 此内存允许它们检索和引用之前对话中的消息，为每个聊天会话 ID 维护滚动上下文窗口。

聊天内存按 会话 ID (session_id) 分组。 如果您需要为运行相同流程的不同用户或应用程序隔离聊天内存，建议使用自定义会话 ID。

默认情况下，Agent 组件使用您的 Langflow 安装的存储，并检索有限数量的聊天消息，您可以使用 Number of Chat History Messages 参数配置此数量。

虽然默认聊天内存不需要 Message History 组件，但它为排序、过滤和限制内存提供了更多选项，并且使用像 Mem0 这样的外部聊天内存需要 Message History 组件。

有关更多信息，请参阅 存储聊天内存 和 Message History 组件。

其他参数

许多可选的 Agent 组件输入参数在可视化编辑器中默认隐藏。 您可以通过 组件标头菜单 中的 Controls 查看和切换所有参数。

对于 Agent 组件，可用参数可能会根据所选的提供商和模型而变化。 例如，某些模型支持其他模式、参数或功能，如聊天内存和温度。

一些其他输入参数包括以下内容：

• Current Date (add_current_date_tool)：启用时 (true)，此设置向智能体添加可以检索当前日期的工具。
• Handle Parse Errors (handle_parsing_errors)：启用时 (true)，此设置允许智能体在分析用户输入时修复错误，如拼写错误。
• Verbose (verbose)：启用时 (true)，此设置记录详细的日志输出以供调试和分析。

Agent 组件输出

Agent 组件输出包含智能体对查询的原始响应的 Response (response)，它是 Message 数据。

通常，这会传递给 Chat Output 组件以人类可读的格式返回响应。 如果您需要在返回给用户之前或除此之外进一步处理响应，它也可以传递给其他组件。