Agent 快速入门

本指南帮助你快速搭建第一个 AI Agent，以 LangChain 为例，使用本地 Ollama 或云端 API。

环境准备

• Python 3.10+
• pip 或 conda

创建虚拟环境

python -m venv agent-env
source agent-env/bin/activate  # Windows: agent-env\Scripts\activate

安装依赖

pip install langchain langchain-community langchain-openai
# 若使用 Ollama 本地模型
pip install langchain-community

第一个 Agent：天气查询

1. 定义工具

from langchain.tools import tool

@tool
def get_weather(city: str) -> str:
    """查询指定城市的天气，city 为城市名"""
    # 实际项目中调用天气 API
    return f"{city}：晴，18-25°C"

2. 创建 Agent

from langchain_openai import ChatOpenAI
from langchain.agents import create_tool_calling_agent, AgentExecutor
from langchain.prompts import ChatPromptTemplate, MessagesPlaceholder

llm = ChatOpenAI(model="gpt-4", temperature=0)
tools = [get_weather]
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个有帮助的助手，可以使用工具回答问题。"),
    MessagesPlaceholder(variable_name="chat_history", optional=True),
    ("human", "{input}"),
    MessagesPlaceholder(variable_name="agent_scratchpad"),
])
agent = create_tool_calling_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

3. 运行

result = agent_executor.invoke({"input": "北京今天天气怎么样？"})
print(result["output"])

使用 Ollama 本地模型

from langchain_community.llms import Ollama

llm = Ollama(model="llama3")
# 其余代码同上，将 ChatOpenAI 替换为 Ollama

下一步

• 高级开发：多工具、ReAct 定制、记忆
• 与 MCP 集成：使用 MCP 标准化工具
• 从零到一：完整 Agent 项目实战