Want to Become a Sponsor? Contact Us Now!🎉

langchain-tutorials
LangChain Tavily Search 통합으로 AI 에이전트 강화하기

LangChain Tavily Search 통합으로 AI 에이전트 강화하기

Lynn Mikami
Name
Lynn Mikami

Published on

Tavily Search: 실시간 검색 기능을 통한 AI 에이전트 강화

기사 요약:

  • Tavily Search는 특히 AI 에이전트를 위해 실시간, 정확하고 사실적인 결과를 제공하는 검색 엔진입니다.
  • Tavily Search를 AI 에이전트와 통합하면 최신 정보에 접근할 수 있어 더욱 강력한 기능을 제공합니다.
  • 이 기사에서는 통합 설정 과정, Tavily Search 개별 사용 및 다른 AI 도구 및 플랫폼과의 통합 방법에 대해 설명합니다.
Anakin AI - The Ultimate No-Code AI App Builder

소개

언어 모델 AI 에이전트를 훈련 중이라고 상상해보세요. 정확하고 도움이 되는 정보를 생성하는지 확인하기 위해 시간을 들여 응답을 미세 조정했습니다. 그러나 실시간, 정확하고 사실적인 결과를 제공할 수 있는 신뢰할 수 있는 검색 엔진이 하나 빠졌습니다. 바로 Tavily Search라는 특수한 검색 엔진입니다. 이 기사에서는 Tavily Search가 AI 에이전트의 기능을 어떻게 강화시키는지 알아보고 통합 방법에 대한 단계별 지침을 제공합니다.

통합 설정

Tavily Search 사용에 대한 세부 정보에 대해서 알아보기 전에 초기 설정 과정에 대해 알아보겠습니다. 시작하기 전에 langchain-community 및 tavily-python 두 가지 Python 패키지를 설치해야 합니다. 이 패키지들은 pip를 사용하여 쉽게 설치할 수 있습니다. 설치한 후에는 Tavily API 키를 환경 변수로 설정해야 합니다. 이 키는 Tavily Search API에 대한 요청을 인증하는 데 필요합니다.

개별로 Tavily Search 사용하기

통합 설정을 성공적으로 완료한 후에는 Tavily Search를 개별적으로 사용할 수 있습니다. 이를 위해 langchain_community.tools.tavily_search 모듈에서 TavilySearchResults 클래스를 가져와야 합니다.

Tavily Search를 사용하기 위해 먼저 TavilySearchResults 클래스의 인스턴스를 생성해야 합니다. 이 인스턴스는 Tavily Search 기능에 대한 진입점 역할을 합니다. 생성한 후에는 이 인스턴스의 invoke() 메서드를 사용하여 검색을 수행할 수 있습니다. 이 메서드는 입력으로 "query" 키가 포함된 사전을 사용하며, 검색 결과의 목록을 반환합니다.

예를 들어, Burning Man에서 최신 홍수에 대한 정보를 검색하려고 한다고 가정해 봅시다. "최신 Burning Man 홍수에서 무슨 일이 있었나요?"라는 쿼리로 TavilySearchResults 클래스의 인스턴스를 생성하고 invoke() 메서드를 호출할 수 있습니다. 이 메서드는 검색 결과의 목록을 반환하며, 각각의 결과는 쿼리와 관련된 콘텐츠의 URL 및 스니펫을 포함합니다.

Tavily Search를 다른 AI 도구 및 플랫폼과 통합하기

Tavily Search를 개별적으로 사용하는 것은 매우 유용하지만, 그 진정한 잠재력은 다른 AI 도구 및 플랫폼과의 통합에 있습니다. OpenAI Functions 및 LangSmith Hub와의 통합 예제를 살펴보겠습니다.

이러한 도구와 Tavily Search를 통합하려면 langchain-openai 및 langchainhub 두 가지 추가 Python 패키지를 설치해야 합니다. 설치한 후에는 langchain.agents 모듈에서 AgentExecutor 클래스를 사용하여 AI 에이전트를 생성할 수 있습니다. 이 클래스를 사용하면 ChatOpenAI 언어 모델 (LLM) 및 TavilySearchResults 도구를 사용하여 AI 에이전트를 구성할 수 있습니다.

이제 agent_executor.invoke() 메서드를 사용하여 에이전트 체인을 실행하고 검색 결과를 검색할 수 있습니다. 이 메서드는 AI 에이전트의 실행을 트리거하며, ChatOpenAI LLM을 사용하여 응답을 생성하고 Tavily Search를 사용하여 관련 정보를 가져옵니다.

결과 이해하기

Tavily Search에서 받은 검색 결과는 URL과 쿼리와 관련된 콘텐츠 스니펫을 포함하는 구조화된 형식을 가지고 있습니다. "최신 Burning Man 홍수에서 무슨 일이 있었나요?"라는 예시 쿼리와 해당 출력을 고려해 봅시다.

출력에는 Burning Man의 최신 홍수에 대한 정보를 제공하는 뉴스 기사, 블로그 글 또는 기타 관련 소스로의 링크가 포함될 수 있습니다. 각 검색 결과에는 제공된 URL의 정보 미리보기가 함께 제공됩니다.

Tavily Search에서 얻은 출력은 검색 쿼리에 맞게 제작된 것이라는 점을 기억해야 합니다. 이는 검색 엔진이 쿼리의 문맥을 고려하고 가장 관련성이 높고 정확한 결과를 제공하려고 노력한다는 것을 의미합니다.

Tavily Search를 AI 에이전트와 통합함으로써 실시간, 정확하고 사실적인 정보에 대한 액세스를 보장할 수 있습니다. 언어 모델 AI 에이전트를 훈련하거나 연구 목적으로 활용하더라도, Tavily Search는 그 기능을 크게 향상시킬 수 있습니다.

다음 섹션에서는 Tavily Search 사용의 장단점과 잠재적인 제한 사항에 대해 살펴보고 추가 자료를 제공합니다.

Tavily Search 사용의 장점:

  • AI 에이전트의 요구에 맞게 실시간, 정확하고 사실적인 결과를 제공합니다.
  • 다른 AI 도구와 플랫폼과 쉽게 통합할 수 있습니다.
  • 간단한 설정 과정과 실시간 검색 기능을 제공합니다.

단점 및 잠재적인 제한 사항:

  • 구체적인 기능 및 가능성에 대한 제한된 문서화.
  • 문서에서 제공하는 예제는 기본적이며 모든 가능한 사용 사례를 다루지 않을 수 있습니다.

이제 Tavily Search의 설정 과정과 개별 사용법을 살펴보았으니, Tavily Search를 다른 AI 도구 및 플랫폼과 통합하는 방법에 대한 벤치마크 비교와 상세한 단계별 자습서를 자세히 살펴보겠습니다.

![langchain tavily ai

Tavily Search과 AI 에이전트 통합: 단계별 안내서

소개

실시간으로 정확하고 사실적인 정보를 제공할 수있는 AI 에이전트가 있다고 상상해보십시오. 개발자이든 사용자이든 AI 에이전트 전용 검색 엔진에 액세스 할 수있는 경우 AI 응용 프로그램의 기능을 크게 향상시킬 수 있습니다. Tavily Search가 등장합니다. Tavily Search는 AI 에이전트에 최적화된 강력한 검색 엔진입니다. 이 안내서에서는 Tavily Search를 AI 에이전트에 통합하는 프로세스를 안내합니다. 이를 통해 AI 에이전트가 웹에서 제공하는 다양한 정보에 액세스 할 수 있습니다.

통합 설정

실제 통합 프로세스에 들어가기 전에 Tavily Search를 설정하기 위해 몇 가지 초기 단계를 수행해야합니다.

  1. 필요한 패키지 설치: Tavily Search를 사용하려면 langchain-community 및 tavily-python 패키지를 pip를 사용하여 설치해야합니다. 터미널에서 다음 명령을 실행하십시오:

    pip install langchain-community tavily-python

  2. Tavily API 키 설정: Tavily Search API에 대한 요청을 인증하려면 Tavily API 키를 환경 변수로 설정해야합니다. 다음 코드를 코드에 추가하여 수행 할 수 있습니다.

    os.environ["TAVILY_API_KEY"] = "<YOUR_API_KEY>"

    <YOUR_API_KEY>를 실제 Tavily API 키로 교체하십시오.

이러한 초기 단계를 완료하면 이제 AI 에이전트와 함께 Tavily Search를 사용할 준비가되었습니다.

개별적으로 Tavily Search 사용하기

다른 AI 도구나 플랫폼과 통합하지 않고 Tavily Search를 단독으로 사용하려면 다음 단계를 따르십시오.

  1. TavilySearchResults 클래스 가져오기: 먼저 langchain.tools.tavily_search 모듈에서 TavilySearchResults 클래스를 가져옵니다. 이 클래스는 Tavily Search API와 상호 작용하는 데 필요한 메서드를 제공합니다.

    from langchain.tools.tavily_search import TavilySearchResults

  2. TavilySearchResults 클래스의 인스턴스 생성: 그 다음, 생성자를 호출하여 TavilySearchResults 클래스의 인스턴스를 만듭니다.

    tavily_tool = TavilySearchResults(api_wrapper=search)

  3. 검색 수행: 마지막으로, TavilySearchResults 클래스의 invoke() 메서드를 사용하여 검색을 수행 할 수 있습니다. invoke() 메서드에 인수로 쿼리를 제공하십시오.

    query = "최근 버닝 맨 홍수에서 무슨 일이 있었는가?"
results = tavily_tool.invoke(query)

    invoke() 메서드는 검색 결과 목록을 반환하며, 이를 처리하고 표시 할 수 있습니다.

Tavily Search를 다른 AI 도구 및 플랫폼과 통합하기

Tavily Search는 다른 AI 도구 및 플랫폼과 원활하게 통합 할 수도 있습니다. Tavily Search를 OpenAI Functions 및 LangSmith Hub와 통합하는 방법의 예를 살펴 보겠습니다.

  1. 추가 패키지 설치: langchain-community 및 tavily-python 패키지 외에도 langchain-openai 및 langchainhub 패키지를 설치해야합니다. 터미널에서 다음 명령을 실행하십시오:

    pip install langchain-openai langchainhub

  2. AI 에이전트 생성: langchain.agents 모듈에서 AgentExecutor 클래스를 사용하여 AI 에이전트를 만들어야합니다. 이 클래스를 사용하면 에이전트에서 실행할 일련의 작업을 정의 할 수 있습니다.

    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. 에이전트 실행: 마지막으로, AgentExecutor 클래스의 run() 메서드를 호출하고 인수로 쿼리를 제공하여 에이전트를 실행할 수 있습니다.

    query = "최근 버닝 맨 홍수에서 무슨 일이 있었는가?"
response = agent_chain.run(query)

    run() 메서드는 에이전트를 위해 정의 된 작업 일련의 실행, Tavily Search 작업을 포함하여 최종 응답을 반환합니다.

출력 이해하기

Tavily Search를 사용하여 검색을 수행하면 검색 결과 목록을 받게 됩니다. 각 검색 결과에는 URL과 페이지 내용에 대한 간단한 요약을 제공하는 콘텐츠 스니펫이 포함됩니다. 출력은 검색 쿼리에 맞게 조정되어 가장 관련성이 높고 정보가 풍부한 결과를 제공합니다.

예를 들어, "최근 버닝 맨 홍수에서 무슨 일이 있었는가?"라는 쿼리로 검색을 수행한다고 가정해 보겠습니다. 출력은 다음과 같을 수 있습니다:

[{'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.'}, {...}, {...}]

이 예에서 검색 결과는 버닝 맨 홍수와 관련된 관련 기사 또는 웹 페이지에 대한 URL과 해당 페이지에있는 정보에 대한 간단한 요약인 콘텐츠 스니펫을 포함하고 있습니다. 결론적으로, Tavily Search를 AI 에이전트와 통합하면 실시간, 정확하고 사실적인 정보에 접근하는 무한한 가능성을 열어줍니다. Tavily Search를 개별적으로 사용하거나 다른 AI 도구와 플랫폼과 통합하는 경우에도 AI 애플리케이션의 기능을 향상시킬 수 있으며 사용자에게 필요한 정보를 제공할 수 있습니다. 그래서 무엇을 기다리고 있나요? 지금 Tavily Search를 AI 에이전트에 통합하여 실시간 검색의 힘을 발휘하세요!

LangChain로 스트리밍하는 방법: 완벽한 튜토리얼Transformer를 LangChain에서 사용하는 방법: 쉬운 가이드!