Verbesserung von KI-Agenten mit LangChain Tavily Search Integration

Name

Lynn Mikami

Published on 30.4.2024

Tavily Search: Verbesserung von KI-Agenten durch Echtzeitsuche

Artikelzusammenfassung:

• Tavily Search ist eine Suchmaschine, die speziell für KI-Agenten entwickelt wurde und Echtzeit-, genaue und sachliche Ergebnisse liefert.
• Durch die Integration von Tavily Search in KI-Agenten werden deren Fähigkeiten verbessert, indem ihnen der Zugriff auf aktuelle Informationen ermöglicht wird.
• Dieser Artikel beschreibt den Prozess der Integration, die Verwendung von Tavily Search einzeln sowie die Integration mit anderen KI-Tools und Plattformen.

Einführung

Nehmen wir an, Sie arbeiten daran, einen KI-Agenten für die Sprachmodellierung zu trainieren. Sie haben Stunden damit verbracht, seine Antworten zu optimieren, um genaue und hilfreiche Informationen zu generieren. Doch es fehlt Ihnen etwas - eine zuverlässige Suchmaschine, die Echtzeit-, genaue und sachliche Ergebnisse liefert. Hier kommt Tavily Search ins Spiel, eine spezialisierte Suchmaschine, die genau auf KI-Agenten wie Ihren zugeschnitten ist. In diesem Artikel werden wir erkunden, wie Tavily Search die Fähigkeiten von KI-Agenten verbessern kann, und Schritt-für-Schritt-Anleitungen zur Integration bereitstellen.

Einrichten der Integration

Bevor wir uns in die Details der Verwendung von Tavily Search stürzen, besprechen wir zunächst den Einrichtungsprozess. Um loszulegen, müssen Sie zwei Python-Pakete installieren: langchain-community und tavily-python. Diese Pakete können leicht mit pip installiert werden. Nach der Installation müssen Sie Ihren Tavily API-Schlüssel als Umgebungsvariable setzen. Dieser Schlüssel ist erforderlich, um Ihre Anfragen an die Tavily Search API zu authentifizieren.

Verwendung von Tavily Search einzeln

Nachdem Sie die Integration erfolgreich eingerichtet haben, können Sie Tavily Search einzeln verwenden. Dazu müssen Sie die Klasse TavilySearchResults aus dem Modul langchain_community.tools.tavily_search importieren.

Um eine Suche mit Tavily Search durchzuführen, müssen Sie zunächst eine Instanz der Klasse TavilySearchResults erstellen. Diese Instanz dient als Einstiegspunkt für die Funktionalität von Tavily Search. Sobald sie erstellt wurde, können Sie die Methode invoke() dieser Instanz verwenden, um eine Suche durchzuführen. Diese Methode nimmt ein Wörterbuch mit einem Schlüssel "query" als Eingabe entgegen und gibt eine Liste von Suchergebnissen zurück.

Angenommen, Sie möchten Informationen über die neuesten Überschwemmungen bei Burning Man suchen. Sie können einfach eine Instanz der Klasse TavilySearchResults erstellen und die Methode invoke() mit der Abfrage "Was ist bei den neuesten Überschwemmungen bei Burning Man passiert?" aufrufen. Die Methode gibt eine Liste von Suchergebnissen zurück, die jeweils eine URL und einen Ausschnitt des mit Ihrer Anfrage verwandten Inhalts enthalten.

Integration von Tavily Search mit anderen KI-Tools und Plattformen

Während die einzelne Verwendung von Tavily Search sehr hilfreich sein kann, liegt ihr wahres Potenzial in der Integration mit anderen KI-Tools und Plattformen. Schauen wir uns ein Beispiel für die Integration mit OpenAI Functions und LangSmith Hub an.

Um Tavily Search mit diesen Tools zu integrieren, müssen Sie zwei zusätzliche Python-Pakete installieren: langchain-openai und langchainhub. Sobald diese installiert sind, können Sie einen KI-Agenten mit der Klasse AgentExecutor aus dem Modul langchain.agents erstellen. Diese Klasse ermöglicht es Ihnen, Ihren KI-Agenten mit einem ChatOpenAI-Sprachmodell (LLM) und dem TavilySearchResults-Tool zu konfigurieren.

Nun können Sie die Methode agent_executor.invoke() verwenden, um Ihre Agentenkette auszuführen und die Suchergebnisse abzurufen. Diese Methode löst die Ausführung Ihres KI-Agenten aus, der sowohl Antworten mit Hilfe des ChatOpenAI-LLM generiert als auch relevante Informationen mit Tavily Search abruft.

Verständnis der Ausgabe

Wenn Sie die Suchergebnisse von Tavily Search erhalten, werden Sie ein strukturiertes Format bemerken, das URLs und Inhaltsausschnitte enthält, die mit Ihrer Abfrage zusammenhängen. Betrachten wir die Beispielabfrage "Was ist bei den neuesten Überschwemmungen bei Burning Man passiert?" und ihre entsprechende Ausgabe.

Die Ausgabe kann Links zu Nachrichtenartikeln, Blogbeiträgen oder anderen relevanten Quellen enthalten, die Informationen über die neuesten Überschwemmungen bei Burning Man liefern. Jedes Suchergebnis enthält auch einen Inhaltsausschnitt, der Ihnen eine Vorschau auf die Informationen gibt, die unter der angegebenen URL verfügbar sind.

Es ist wichtig zu beachten, dass die Ausgabe von Tavily Search auf Ihre spezifische Suchanfrage zugeschnitten ist. Das bedeutet, dass die Suchmaschine den Kontext Ihrer Anfrage berücksichtigt und bestrebt ist, die relevantesten und genauesten Ergebnisse zu liefern.

Durch die Integration von Tavily Search in Ihre KI-Agenten können Sie sicherstellen, dass sie Zugriff auf Echtzeit-, genaue und sachliche Informationen haben. Egal, ob Sie einen KI-Agenten für die Sprachmodellierung trainieren oder ihn für Forschungszwecke nutzen, Tavily Search kann die Leistungsfähigkeit signifikant verbessern.

Im nächsten Abschnitt werden wir die Vor- und Nachteile der Verwendung von Tavily Search untersuchen und seine potenziellen Einschränkungen diskutieren. Außerdem stellen wir Ihnen weitere Ressourcen für weitere Erkundungen zur Verfügung.

Vorteile der Verwendung von Tavily Search:

• Bietet Echtzeit-, genaue und sachliche Ergebnisse, die auf die Bedürfnisse von KI-Agenten zugeschnitten sind.
• Kann leicht in andere KI-Tools und Plattformen integriert werden.
• Bietet einen einfachen Einrichtungsprozess und Echtzeitsuchfunktionen.

Nachteile und potenzielle Einschränkungen:

• Begrenzte Dokumentation zu spezifischen Funktionen und Möglichkeiten.
• Die in der Dokumentation gegebenen Beispiele sind grundlegend und decken möglicherweise nicht alle potenziellen Anwendungsfälle ab.

Nun, da wir den Einrichtungsprozess und die einzelne Verwendung von Tavily Search untersucht haben, werfen wir einen genaueren Blick auf einige Benchmark-Vergleiche und detaillierte Schritt-für-Schritt-Anleitungen zur Integration von Tavily Search mit anderen KI-Tools und Plattformen.

![langchain tavily ai

Integration von Tavily Search mit KI-Agenten: Ein Schritt-für-Schritt-Leitfaden

Einführung

Stellen Sie sich vor, Sie hätten einen KI-Agenten, der Ihnen in Echtzeit genaue und sachliche Informationen liefern kann. Egal, ob Sie Entwickler oder Benutzer sind, der Zugriff auf eine Suchmaschine, die speziell für KI-Agenten konzipiert ist, kann die Fähigkeiten Ihrer KI-Anwendungen erheblich verbessern. Hier kommt Tavily Search ins Spiel, eine leistungsstarke Suchmaschine, die auf KI-Agenten optimiert ist. In diesem Leitfaden zeigen wir Ihnen, wie Sie Tavily Search in Ihre KI-Agenten integrieren können, damit sie auf den Reichtum an Informationen im Web zugreifen können.

Einrichtung der Integration

Bevor wir uns in den Integrationsprozess stürzen, müssen Sie einige Anfangsschritte unternehmen, um Tavily Search einzurichten.

1. Installieren Sie die erforderlichen Pakete: Um Tavily Search verwenden zu können, müssen Sie die Pakete langchain-community und tavily-python mit Hilfe von Pip installieren. Führen Sie den folgenden Befehl in Ihrer Kommandozeile aus:

   pip install langchain-community tavily-python

2. Legen Sie den Tavily API-Schlüssel fest: Um Ihre Anfragen an die Tavily Search API zu authentifizieren, müssen Sie Ihren Tavily API-Schlüssel als Umgebungsvariable festlegen. Dies kann durch das Hinzufügen der folgenden Zeile zu Ihrem Code erfolgen:

   os.environ["TAVILY_API_KEY"] = "<IHR_API-SCHLÜSSEL>"

   Ersetzen Sie <IHR_API-SCHLÜSSEL> durch Ihren tatsächlichen Tavily API-Schlüssel.

Mit diesen Anfangsschritten sind Sie nun bereit, Tavily Search mit Ihren KI-Agenten zu verwenden.

Verwendung von Tavily Search eigenständig

Falls Sie Tavily Search eigenständig verwenden möchten, ohne es mit anderen KI-Werkzeugen oder -Plattformen zu integrieren, können Sie dies mit den folgenden Schritten tun:

1. Importieren Sie die Klasse TavilySearchResults: Beginnen Sie mit dem Importieren der Klasse TavilySearchResults aus dem Modul langchain.tools.tavily_search. Diese Klasse stellt die erforderlichen Methoden zum Interagieren mit der Tavily Search API bereit.

   from langchain.tools.tavily_search import TavilySearchResults

2. Erstellen Sie eine Instanz der Klasse TavilySearchResults: Erstellen Sie anschließend eine Instanz der Klasse TavilySearchResults, indem Sie ihren Konstruktor aufrufen.

   tavily_tool = TavilySearchResults(api_wrapper=search)

3. Führen Sie eine Suche durch: Schließlich können Sie eine Suche mit Hilfe der Methode invoke() der Klasse TavilySearchResults durchführen. Geben Sie einfach eine Suchanfrage als Argument an die Methode invoke().

   query = "Was ist bei den neuesten Burning Man Fluten passiert?"
   results = tavily_tool.invoke(query)

   Die Methode invoke() gibt eine Liste von Suchergebnissen zurück, die Sie anschließend verarbeiten und anzeigen können.

Integration von Tavily Search mit anderen KI-Werkzeugen und -Plattformen

Tavily Search kann auch nahtlos mit anderen KI-Werkzeugen und -Plattformen integriert werden. Hier ist ein Beispiel, wie Sie Tavily Search mit OpenAI Functions und LangSmith Hub integrieren können:

1. Installieren Sie die zusätzlichen Pakete: Zusätzlich zu den Paketen langchain-community und tavily-python müssen Sie auch die Pakete langchain-openai und langchainhub installieren. Führen Sie dazu den folgenden Befehl in Ihrer Kommandozeile aus:

   pip install langchain-openai langchainhub

2. Erstellen Sie einen KI-Agenten: Anschließend müssen Sie mithilfe der Klasse AgentExecutor aus dem Modul langchain.agents einen KI-Agenten erstellen. Diese Klasse ermöglicht es Ihnen, eine Sequenz von Aktionen zu definieren, die vom Agenten ausgeführt werden sollen.

   from langchain.agents import initialize_agent, AgentType
   from langchain.tools.tavily_search import TavilySearchResults
    
   llm = ChatOpenAI(model_name="gpt-4", temperature=0.7)
   search = TavilySearchAPIWrapper()
   tavily_tool = TavilySearchResults(api_wrapper=search)
    
   agent_chain = initialize_agent(
       [tavily_tool],
       llm,
       agent=AgentType.STRUCTURED_CHAT_ZERO_SHOT_REACT_DESCRIPTION,
       verbose=True,
   )

3. Führen Sie den Agenten aus: Schließlich können Sie den Agenten ausführen, indem Sie die Methode run() der Klasse AgentExecutor aufrufen und eine Suchanfrage als Argument angeben.

   query = "Was ist bei den neuesten Burning Man Fluten passiert?"
   response = agent_chain.run(query)

   Die Methode run() wird die definierte Abfolge von Aktionen für den Agenten ausführen, einschließlich der Tavily Search-Aktion, und die abschließende Antwort zurückgeben.

Verständnis der Ausgabe

Wenn Sie eine Suche mit Tavily Search durchführen, erhalten Sie eine Liste von Suchergebnissen. Jedes Suchergebnis enthält eine URL und eine Inhaltszusammenfassung, die einen kurzen Überblick über den Inhalt der Seite bietet. Die Ausgabe ist auf die Suchanfrage zugeschnitten und liefert Ihnen die relevantesten und informativsten Ergebnisse.

Zum Beispiel, wenn Sie eine Suche mit der Anfrage "Was ist bei den neuesten Burning Man Fluten passiert?" durchführen, könnte die Ausgabe wie folgt aussehen:

[{'url': 'https://www.theguardian.com/culture/2023/sep/03/burning-man-nevada-festival-floods', 'content': 'More on this story\nMore on this story\nBurning Man revelers begin exodus from festival after road reopens\nBurning Man festival-goers trapped in desert as rain turns site to mud\n\nOfficials investigate death at Burning Man as thousands stranded by floods\n\nBurning Man festivalgoers surrounded by mud in Nevada desert – video\nBurning Man attendees roadblocked by climate activists: ‘They have a privileged mindset’\n\nin our favor. We will let you know. It could be sooner, and it could be later,” said an update on the Burning Man website on Saturday evening.'}, {...}, {...}]

In diesem Beispiel sehen Sie, dass die Suchergebnisse URLs zu relevanten Artikeln oder Webseiten im Zusammenhang mit den Burning Man Fluten enthalten, sowie Inhaltszusammenfassungen, die einen Einblick in die auf diesen Seiten verfügbaren Informationen geben. Zusammenfassend bietet die Integration von Tavily Search in Ihre KI-Agenten eine Vielzahl von Möglichkeiten, um auf Echtzeit-, genaue und faktische Informationen zuzugreifen. Egal, ob Sie Tavily Search einzeln verwenden oder in andere KI-Tools und Plattformen integrieren, Sie können die Leistungsfähigkeit Ihrer KI-Anwendungen verbessern und Benutzern die benötigten Informationen zur Verfügung stellen. Warum also warten? Beginnen Sie noch heute damit, Tavily Search in Ihre KI-Agenten zu integrieren und entfesseln Sie die Kraft der Echtzeitsuche!