尧图网站建设 
import os from dotenv import load_dotenv from langchain.chat_models import init_chat_model from langchain.agents import create_agent from langchain_core.messages import HumanMessage from langchain.tools import tool import getpass # 加载env环境文件变量 load_dotenv() # 自动读取.env文件配置 from langchain_tavily import TavilySearch # 创建TavilySearch工具 toolTavily TavilySearch( max_results5, topicgeneral, # include_answerFalse, # include_raw_contentFalse, # include_imagesFalse, # include_image_descriptionsFalse, # search_depthbasic, # time_rangeday, # include_domainsNone, # exclude_domainsNone ) # 创建工具 tool def search_database(query: str, limit: int 10) - str: 内部旅游知识库查询工具 当用户询问旅游攻略、城市出行相关问题时请调用此工具检索资料 :param keyword: 用户要查询的关键词 :return: 知识库查到的文本内容 # 内部执行向量库检索逻辑... result 北京春秋两季最适合游玩 return result model init_chat_model( model_provideropenai, modelqwen-vl-plus, base_urlos.getenv(DASHSCOPE_BASE_URL), api_key os.getenv(DASHSCOPE_API_KEY) ) # 创建agent 并绑定工具和模型体 agent create_agent( modelmodel, tools[toolTavily] ) message HumanMessage( content[ {type: text, text: 北京今天气温多少度} ] ) stream agent.invoke({messages: [message]}) for msg in stream[messages]: msg.pretty_print() langchain-tools
import os from dotenv import load_dotenv from langchain.chat_models import init_chat_model from langchain.agents import create_agent from langchain_core.messages import HumanMessage from langchain.tools import tool import getpass # 加载env环境文件变量 load_dotenv() # 自动读取.env文件配置 from langchain_tavily import TavilySearch # 创建TavilySearch工具 toolTavily TavilySearch( max_results5, topicgeneral, # include_answerFalse, # include_raw_contentFalse, # include_imagesFalse, # include_image_descriptionsFalse, # search_depthbasic, # time_rangeday, # include_domainsNone, # exclude_domainsNone ) # 创建工具 tool def search_database(query: str, limit: int 10) - str: 内部旅游知识库查询工具 当用户询问旅游攻略、城市出行相关问题时请调用此工具检索资料 :param keyword: 用户要查询的关键词 :return: 知识库查到的文本内容 # 内部执行向量库检索逻辑... result 北京春秋两季最适合游玩 return result model init_chat_model( model_provideropenai, modelqwen-vl-plus, base_urlos.getenv(DASHSCOPE_BASE_URL), api_key os.getenv(DASHSCOPE_API_KEY) ) # 创建agent 并绑定工具和模型体 agent create_agent( modelmodel, tools[toolTavily] ) message HumanMessage( content[ {type: text, text: 北京今天气温多少度} ] ) stream agent.invoke({messages: [message]}) for msg in stream[messages]: msg.pretty_print()