河南网站备案地址wordpress 图片存储

河南网站备案地址,wordpress 图片存储,南昌seo排名优化,深圳建网站公司智能体开发1-智能体工具调用 本教程先简要介绍智能体开发#xff0c;在通过一个代码#xff0c;实现智能体自动调用3个工具#xff1a; 1.智能体根据需要自动读取网页数据并总结2.智能体可以读取本地表格数据并总结3.智能体会自己调用api读取股价数据并保存到本地 本文具体代…智能体开发1-智能体工具调用本教程先简要介绍智能体开发在通过一个代码实现智能体自动调用3个工具1.智能体根据需要自动读取网页数据并总结2.智能体可以读取本地表格数据并总结3.智能体会自己调用api读取股价数据并保存到本地本文具体代码和数据在https://github.com/disanda/Agent_Development1.什么是智能体开发智能体开发是大模型应用的框架技术从IT发展看技术变迁互联网技术java web智能手机技术(移动互联网)安卓系统AI人工智能大模型-智能体这也伴随着开发语言的变迁(JAVA-Python)以及开发工具的变化(IDE - 命令行脚本)本教程通过金融数据为载体介绍智能体开发技术主要有两个这里上官方原文介绍(英文)1.1 LangchainLangChain is a framework for building agents and LLM-powered applications.It helps you chain together interoperable components and third-party integrations to simplify AI application development– all while future-proofing decisions as the underlying technology evolves.大意是通过各种创建各种组件将LLM包装为智能体以完成复杂任务1.2 MCP (Model Context Protocol)MCP (Model Context Protocol) is an open-source standard for connecting AI applications to external systems.Using MCP, AI applications like Claude or ChatGPT can connect to:data sources (e.g. local files, databases),tools (e.g. search engines, calculators)workflows (e.g. specialized prompts)—enabling them to access key information and perform tasks.Think of MCP like a USB-C port for AI applications. Just as USB-C provides a standardized way to connect electronic devices, MCP provides a standardized way to connect AI applications to external systems.大意是 将LLM与数据(文件)、工具(函数)、工作流(通过提示词) 三大要素建立链接使得大模型更容易使用(即成为智能体)2.调用工具(函数)工具有两种方式toolLangChain 框架原生的、传统的定义工具的方式mcp.tool 一套独立于框架的MCP通信协议具体区别如下特性LangChain toolMCP (Model Context Protocol)本质一个 Python 装饰器将函数包装成 LangChain 对象。一套标准化的 客户端-服务器 (Client-Server) 协议。运行位置运行在你的 LangChain 应用进程内部。通常运行在独立的 MCP Server 进程中。通用性只能在 LangChain 框架内直接使用。可以在 Claude Desktop、LangChain、LlamaIndex 等任何支持 MCP 的客户端使用。连接方式直接代码调用。以 HTTP 端口监听通过 JSON-RPC 进行服务器跨进程通信。2.1 调用方式2 种工具调用的方式transport服务器(http端口监听) LLM ↔ JSON-RPC ↔ Server ↔ ToolDirect Tool (langchain): LLM ↔ Python Function2.2 代码实现通过函数实现需要装饰器修饰 Decorator变量类型提示 Type Hints文档字描述字符串Docstrings2.2.1 装饰器修饰装饰器Decorator是面向对象编程OOP的一个概念:在不修改原代码的情况下给函数 / 方法 / 类 添加额外功能这就避免通过继承来扩展功能由于继承是静态的在编译时决定而装饰器是动态的在运行时包装这样会比继承更灵活。装饰器本质是一个创建一个接收函数接收需要成为工具的函数并返回新函数(tool化的函数)langchain实现fromlangchain.toolsimporttooltooldeffunction(prm1:type1,…)-return_type:“””Description “”” …returnmcp实现fromfastmcpimportFastMCP mcpFastMCP(TradeTools)mcp.tool()defbuy(prm1:type1,…)-eturn_type:“”” Description “””2.2.2 变量类型提示包括参数类型和返回值类型检查Type Hints其是Python 增强提案(Python Enhancement Proposals)PEP 484的一部分是一个标准化规定。具体如下提案角色贡献PEP 3107 (2006年)语法提供者引入了函数注解的语法即允许你写 : str 和 - str但当时官方并没有规定这些注解该怎么用它们只是存储在annotations里的元数据。PEP 484 (2014年)标准制定者正式引入了 Type Hints类型提示的概念。它规定了如何利用 PEP 3107 的语法进行静态类型检查并引入了 typing 模块如 List, Dict, Any。2.2.3 函数描述其在PEP 257提出专门针对 Docstrings 的语义和结构制定的标准规定位置必须在函数定义后的第一行。格式使用三引号 “”“内容”“”。结构一行描述应该是简短摘要以句号结尾多行则是详细说明则在摘要后空一行再写。3.测试代码本例实现一个金融案例假设大模型是一个会开发的金融工程师以LangChain Tool实现以下三个工具read_url 根据提示词中所需访问的网址读取网址内容analyze_csv根据提示词中所需访问的csv文件读取里面的数据download_stock_price根据提示词中的股票代码等信息自动调取api下载相关股票数据并保存到本地3.1 函数实现read_url# Tool 1: URL 内容读取 tooldefread_url(url:str,max_chars:int1500)-str:Read and return text content from a web page.rrequests.get(url,timeout10)r.raise_for_status()textr.text.replace(\n, )returntext[:max_chars]analyze_csv# Tool 2: CSV 分析 tooldefanalyze_csv(file_path:str,max_rows:int5)-str:Analyze a local CSV file.ifnotos.path.exists(file_path):returnfFile not found:{file_path}dfpd.read_csv(file_path)return(fShape:{df.shape}\nfColumns:{list(df.columns)}\n\nfHead:\n{df.head(max_rows).to_string(indexFalse)})download_stock_price# Tool 3: tushare 行情 tooldefdownload_stock_price(Ashare_code:str,end_date:str,days:int10,file_path:strdata,file_name:strstock_data.csv)-str: Download last N trading days of stock price using Tushare, save to CSV in specified folder with specified file name. Parameters: - Ashare_code: Stock code, e.g., 600519.SH - end_date: End date in YYYYMMDD, e.g., 20251217 - days: Number of trading days to download - file_path: Folder to save CSV, default ./data - file_name: CSV file name, e.g., 600519.csv Returns: - str: Saved file path or error message ifnotTuShare_API:returnTUSHARE_TOKEN not set.# 初始化 Tusharets.set_token(TuShare_API)prots.pro_api()# 下载数据try:dfpro.daily(ts_codeAshare_code,end_dateend_date,limitdays)exceptExceptionase:returnfError downloading data:{e}ifdf.empty:returnNo data returned.# 按交易日期排序dfdf.sort_values(trade_date)# 只保留指定列dfdf[[trade_date,open,high,low,close,vol]]# 创建保存目录os.makedirs(file_path,exist_okTrue)save_pathos.path.join(file_path,file_name)try:df.to_csv(save_path,indexFalse)exceptExceptionase:returnfError saving file:{e}returnfData saved to{save_path}3.2 运行方式通过main函数执行创建llm对象用llm对象创建agent定义prompt并送进agent执行等待输出# Agent 初始化 defmain():llmChatOpenAI(modelglm-4.5-air,api_keyOPENAI_API_KEY,base_urlOPENAI_API_BASE,temperature0,)agentcreate_agent(tools[read_url,analyze_csv,download_stock_price],modelllm,system_prompt你是一个会编程的金融分析专家在必要的时候可以使用为你提供的tools,)prompt 有三个任务 1. 用100字的内容总结网页: https://finance.eastmoney.com/a/202512173594061460.html 2. 用100字的分析CSV file: ./data/daily_prices_sse_50.csv 3. 下载20251217之前20天的股票数据到当前路径的data文件夹股票代码600519.SH保存文件命名为: 股票代码_最后日期.CSV resultagent.invoke({messages:[{role:user,content:prompt}]})print(\n FINAL OUTPUT \n)print(result)if__name____main__:main()4. 模型输出结果分析LangChain Agent 将执行结果以json字段的形式返回输出其输出包含一个完整的 Agent 执行轨迹Execution Trace每次执行包含一类消息是json字典的key。4.1 消息类别消息有三类类名角色信息含义HumanMessage用户用户的原始指令或输入。AIMessageAI 智能体用llm构造AI 的思考、文本回复或发出的工具调用请求。ToolMessage工具/系统工具执行后的返回结果。4.2 HumanMessagecontent: 消息的实际文本内容。如果是 ToolMessage这就是工具输出的数据。id: 消息在 LangChain 追踪系统中的唯一标识符。response_metadata: 存放模型厂商返回的原始信息如 Token 消耗、模型名称、停止原因、扩展参数如多模态函数调用等。usage_metadata: LangChain 统一封装后的 Token 统计方便跨模型对比。4.3 AIMessage包含一些关键的非文本字段这是 Agent 运行的核心可分为以下四个部分4.3.1 文本反馈层 (User Interaction)content这是模型生成的直接对话文本。由于接下来要调用工具它通常比较简短起到承上启下的作用。additional_kwargs这是厂商特定的额外参数。下文案例中 “refusal: None” 表示模型没有拒绝回答你的问题未触犯安全策略。4.3.2 模型元数据层 (Response Metadata)包含以下字段additional_kwargsresponse_metadatatoken_usage’,model_provider’: ‘openai’,‘model_name’: ‘glm-4.5-air’,‘system_fingerprint’: None, 模型后端配置指纹用于排查模型微调或版本变更导致的输出差异。‘id’: ‘2025121722523930d0575385154de9’,‘finish_reason’: ‘tool_calls’, 表示模型stop 结束回答并要去调工具。‘logprobs’: None 每个 token 的概率分布用于研究 / 不确定性评估默认关闭id‘lc_run–019b2ccc-807d-72b2-89c6-90158576be4a-0’,4.3.3 执行决策层 (Tool Calls)tool_calls: 一个列表包含模型想要执行的三个函数。name: 工具名称对应你代码中 tool 定义的函数名。args: 模型从用户prompt中抽取的参数如 URL、股票代码、结束日期等。id: 本次调用的唯一指纹。注意这三个任务的 id 不同它们将与后面的 ToolMessage 一一对应。type: 为 ‘tool_call’标记这是一个函数调用请求。案例tool_calls‘name’: ‘read_url’,‘args’: {‘url’: ‘https://finance.eastmoney.com/a/202512173594061460.html’,‘max_chars’: 1500},‘id’: ‘call_-8059702116734984142’,‘type’: ‘tool_call’},‘id’: ‘call_-8059702116734984141’,‘type’: ‘tool_call’},4.3.4 消耗统计层 (Usage Tokens)调用api很多是根据token消耗收费的这里有两次token统计信息包括模型response_metadata的token_usage (原始统计) 与 usage_metadata (LangChain 标准统计)response_metadata{token_usage:{completion_tokens:422,prompt_tokens:600,total_tokens:1022,…,}usage_metadata{input_tokens:600,output_tokens:422,total_tokens:1022,input_token_details:{cache_read:40},output_token_details:{}}),字段含义如下字段含义input_tokens/prompt_tokens输入给模型的 token 数(总字符量)output_tokens/completion_tokens模型生成的 token 数包含生成的思考文本 JSON 格式的工具参数。total_tokens总消耗cached_tokens命中缓存的 token数说明这部分 Prompt 之前处理过(不重复计费或低价)audio_tokens语音相关此处未用4.4 ToolMessage这里就三个字段content这是工具函数的返回值在 Python 中定义的 tool 函数执行完毕后return 的字符串就被封装在这里。id:这条消息在 LangChain 运行历史中的唯一 ID主要用于链路追踪Tracing和调试。tool_call_id: 这是关联性验证ID它必须与前一步 AIMessage 中 tool_calls 列表对应的 id 完全一致。4.5 输出原文这里做了简要的整理FINAL OUTPUT{messages:[HumanMessage(content\n 有三个任务\n1.用100字的内容总结网页:https://finance.eastmoney.com/a/202512173594061460.html\n2.用100字的分析CSVfile:./data/daily_prices_sse_50.csv\n3.下载20251217之前20天的股票数据到当前路径的data文件夹股票代码600519.SH保存文件命名为:股票代码_最后日期.CSV\n ,additional_kwargs{},response_metadata{},id612ba1c0-3fcf-4e9b-ae73-4868c3415d3c),AIMessage(content\n我来帮您完成这三个任务。\n,additional_kwargs{refusal:None},response_metadata{token_usage:{completion_tokens:422,prompt_tokens:600,total_tokens:1022,completion_tokens_details:None,prompt_tokens_details:{audio_tokens:None,cached_tokens:40}},model_provider: openai,model_name:glm-4.5-air,system_fingerprint:None,id:2025121722523930d0575385154de9,finish_reason:tool_calls,logprobs:None},idlc_run--019b2ccc-807d-72b2-89c6-90158576be4a-0,tool_calls[{name:read_url,args:{url:https://finance.eastmoney.com/a/202512173594061460.html,max_chars:1500},id:call_-8059702116734984142,type:tool_call},{name:analyze_csv,args:{file_path:./data/daily_prices_sse_50.csv,max_rows:5},id:call_-8059702116734984141,type:tool_call},{name:download_stock_price,args:{Ashare_code:600519.SH,end_date:20251217,days:20,file_path:data,file_name:600519_20251217.CSV},id:call_-8059702116734984140,type:tool_call}],usage_metadata{input_tokens:600,output_tokens:422,total_tokens:1022,input_token_details:{cache_read:40},output_token_details:{}}),ToolMessage(content\r \r!DOCTYPE html\r!--published at2025/12/1722:52:25by finance.eastmoney.com server-xml ZP NEWS18--\rhtml langen\rhead\rmeta charsetUTF-8\rmeta http-equivX-UA-CompatiblecontentIEedge,chrome1/\rmeta namerenderercontentwebkit/\rmeta http-equivContent-Typecontenttext/html; charsetutf-8/\rmeta nameviewportcontentwidthdevice-width, initial-scale1.0\rmeta namemobile-agentcontentformathtml5; urlhttps://wap.eastmoney.com/a/202512173594061460.html\rtitle中一签36万沐曦股份科创板上市 成近十年最赚钱新股 _ 东方财富网/title\rmeta namekeywordscontent沐曦股份,摩尔线程,盘中,600,733,科创板,新股,上市,赚钱,公司/\rmeta namedescriptioncontent【中一签36万沐曦股份科创板上市 成近十年最赚钱新股】自2014年初新股恢复发行以来累计上市了超2900只新股沐曦股份凭借36万元的单签盈利成为期间最赚钱新股。/\rmeta namereferrercontentalways\rstyletypetext/css\r.em_xuangu{display:block !important;}\r/style\rscripttypetext/javascript\r var __allow_likes_state0;\r var __IsBeforeLoadfalse;\r var __WAPURLhttps://wap.eastmoney.com/a/202512173594061460.html;\r var _NewsId\202512173594061460\;\r var _us_zixun_Id \202512173594061460\;\r var __VideoAdvSwitch \0\;\r var _HideAdID 202211302575026175,202211302575032853,202211302575017963,202212012576416386;\r var _CMSHJ \prod\;\r var _YM \finance\;\r var _NewsTag \\;\r var _ISComment true;\r ,nameread_url,id71aed1f9-7e19-4223-9847-4c21b1c0f517,tool_call_idcall_-8059702116734984142),ToolMessage(contentShape:(11568,11)\n Columns:[ts_code,trade_date,open,high,low,close,pre_close,change,pct_chg,vol,amount]\n\nHead:\n ts_code trade_dateopenhigh low close pre_close change pct_chg vol amount\n600028.SH202501026.676.736.526.566.68-0.12-1.79641719786.771136783.089\n600030.SH2025010228.9829.0027.1727.4529.17-1.72-5.89652828487.337898902.462\n600031.SH2025010216.4816.4815.6915.7716.48-0.71-4.3083853894.281368558.133\n600036.SH2025010239.3539.5038.3438.5139.30-0.79-2.0102642000.702493694.677\n600048.SH202501028.848.988.618.688.86-0.18-2.03161273310.731121639.098,nameanalyze_csv,idf2a8bdf6-56d2-4735-8716-a5644d25b62b,tool_call_idcall_-8059702116734984141),ToolMessage(contentData saved to data/600519_20251217.CSV,namedownload_stock_price,id0ca6749e-e554-4e8a-a36d-8b23633524c6,tool_call_idcall_-8059702116734984140),AIMessage(content\n## 任务完成情况\n\n### 1. 网页总结100字\n沐曦股份科创板上市成为近十年最赚钱新股单签盈利达36万元。自2014年初新股恢复发行以来累计上市超2900只新股沐曦股份凭借这一盈利表现创下纪录显示新股市场投资回报潜力巨大。\n\n### 2. CSV文件分析100字\n该文件包含11568条股票交易记录涵盖11个字段股票代码、交易日期、价格数据开盘、最高、最低、收盘、涨跌信息、成交量及成交额。数据格式规范时间跨度较长适合进行股票价格走势、波动性和交易量分析。\n\n### 3. 股票数据下载\n已成功下载600519.SH股票20251217日前20天的交易数据保存至data/600519_20251217.CSV文件。,additional_kwargs{refusal:None},response_metadata{token_usage:{completion_tokens:439,prompt_tokens:1700,total_tokens:2139,completion_tokens_details:None,prompt_tokens_details:{audio_tokens:None,cached_tokens:40}},model_provider:openai,model_name:glm-4.5-air,system_fingerprint:None,id:20251217225243c0ef35d0a82948a5,finish_reason:stop,logprobs:None},idlc_run--019b2ccc-9287-7d71-a967-8d40200112c4-0,usage_metadata{input_tokens:1700,output_tokens:439,total_tokens:2139,input_token_details:{cache_read:40},output_token_details:{}})]}5.Refhttps://github.com/langchain-ai/langchainhttps://reference.langchain.com/python/https://modelcontextprotocol.io/docs/getting-started/intro