Melhore os agentes de IA com a integração de busca Tavily do LangChain

Name: Lynn Mikami

Published on 30/04/2024

Tavily Search: Aumentando as Capacidades dos Agentes de IA com Capacidades de Busca em Tempo Real

Resumo do Artigo:

A busca Tavily é um mecanismo de busca projetado para fornecer resultados em tempo real, precisos e factuais especificamente para agentes de IA.
A integração da busca Tavily com agentes de IA aprimora suas capacidades, permitindo-lhes acessar informações atualizadas.
Este artigo delineia o processo de configuração da integração, usando a busca Tavily individualmente e integrando-a com outras ferramentas e plataformas de IA.

Introdução

Imagine que você está trabalhando no treinamento de um agente de IA para modelagem de linguagem. Você passou horas ajustando suas respostas para garantir que ele gerasse informações precisas e úteis. No entanto, há uma coisa que está faltando - um mecanismo de busca confiável que possa fornecer resultados em tempo real, precisos e factuais. É aqui que entra a busca Tavily, um mecanismo de busca especializado projetado para atender especificamente aos agentes de IA como o seu. Neste artigo, vamos explorar como a busca Tavily pode aprimorar as capacidades dos agentes de IA e fornecer instruções passo a passo sobre sua integração.

Configurando a Integração

Antes de entrarmos nos detalhes de como usar a busca Tavily, vamos discutir o processo inicial de configuração. Para começar, você precisará instalar dois pacotes Python: langchain-community e tavily-python. Esses pacotes podem ser facilmente instalados usando o pip. Uma vez instalados, você precisará definir sua chave API do Tavily como uma variável de ambiente. Essa chave é necessária para autenticar suas solicitações à API de busca do Tavily.

Usando a Busca Tavily Individualmente

Depois de configurar com sucesso a integração, você poderá começar a usar a busca Tavily individualmente. Para fazer isso, você precisará importar a classe TavilySearchResults do módulo langchain_community.tools.tavily_search.

Para realizar uma busca usando a busca Tavily, você primeiro precisará criar uma instância da classe TavilySearchResults. Essa instância servirá como seu ponto de entrada para a funcionalidade da busca Tavily. Uma vez criada, você pode usar o método invoke() dessa instância para realizar uma busca. Este método recebe um dicionário com uma chave "query" como entrada e retorna uma lista de resultados de busca.

Vamos supor que você queira pesquisar informações sobre as últimas inundações no Burning Man. Você pode simplesmente criar uma instância da classe TavilySearchResults e invocar o método invoke() com a consulta "O que aconteceu nas últimas inundações do Burning Man?". O método retornará uma lista de resultados de busca, cada um contendo uma URL e um trecho do conteúdo relacionado à sua consulta.

Integrando a Busca Tavily com Outras Ferramentas e Plataformas de IA

Embora usar a busca Tavily individualmente possa ser de grande ajuda, seu verdadeiro potencial está em sua integração com outras ferramentas e plataformas de IA. Vamos dar uma olhada em um exemplo de integração com OpenAI Functions e LangSmith Hub.

Para integrar a busca Tavily a essas ferramentas, você precisará instalar dois pacotes Python adicionais: langchain-openai e langchainhub. Uma vez instalados, você pode criar um agente de IA usando a classe AgentExecutor do módulo langchain.agents. Essa classe permite configurar seu agente de IA com um modelo de linguagem ChatOpenAI (LLM) e a ferramenta TavilySearchResults.

Agora, você pode usar o método agent_executor.invoke() para executar sua cadeia de agentes e obter os resultados da busca. Esse método aciona a execução do seu agente de IA, que inclui a geração de respostas usando o LLM do ChatOpenAI e a obtenção de informações relevantes usando a busca Tavily.

Entendendo a Saída

Quando você recebe os resultados da busca Tavily, você observará um formato estruturado que inclui URLs e trechos de conteúdo relacionados à sua consulta. Vamos considerar a consulta de exemplo "O que aconteceu nas últimas inundações do Burning Man?" e sua respectiva saída.

A saída pode incluir links para artigos de notícias, postagens de blog ou outras fontes relevantes que fornecem informações sobre as últimas inundações no Burning Man. Cada resultado de busca também incluirá um trecho de conteúdo, dando uma prévia das informações disponíveis na URL fornecida.

É importante observar que a saída obtida da busca Tavily é adaptada à sua consulta de pesquisa específica. Isso significa que o mecanismo de busca leva em consideração o contexto de sua consulta e se esforça para fornecer os resultados mais relevantes e precisos.

Ao integrar a busca Tavily aos seus agentes de IA, você pode garantir que eles tenham acesso a informações em tempo real, precisas e factuais. Seja treinando um agente de IA para modelagem de linguagem ou utilizando-o para fins de pesquisa, a busca Tavily pode aprimorar significativamente suas capacidades.

Na próxima seção, vamos explorar as vantagens e desvantagens de usar a busca Tavily e discutir suas limitações potenciais. Também forneceremos alguns recursos adicionais para uma exploração mais aprofundada.

Vantagens de usar a busca Tavily:

Fornece resultados em tempo real, precisos e factuais adaptados às necessidades dos agentes de IA.
Pode ser facilmente integrado a outras ferramentas e plataformas de IA.
Oferece um processo de configuração simples e capacidades de busca em tempo real.

Desvantagens e Limitações Potenciais:

Documentação limitada sobre recursos e capacidades específicas.
Os exemplos fornecidos na documentação são básicos e podem não cobrir todos os casos de uso potenciais.

Agora que exploramos o processo de configuração e o uso individual da busca Tavily, vamos dar uma olhada mais de perto em algumas comparações de referência e tutoriais passo a passo detalhados sobre a integração da busca Tavily com outras ferramentas e plataformas de IA.

![langchain tavily ai

Integrando a Tavily Search com Agentes de IA: Um Guia Passo-a-Passo

Introdução

Imagine ter um agente de IA que pode fornecer informações em tempo real, precisas e factuais. Se você é um desenvolvedor ou um usuário, ter acesso a um mecanismo de busca especialmente projetado para agentes de IA pode melhorar significativamente as capacidades de suas aplicações de IA. Conheça a Tavily Search, um poderoso mecanismo de busca otimizado para agentes de IA. Neste guia, vamos orientá-lo no processo de integração da Tavily Search com seus agentes de IA, permitindo que eles acessem a riqueza de informações disponíveis na web.

Configurando a Integração

Antes de mergulharmos no processo de integração, existem algumas etapas iniciais que você precisa seguir para configurar a Tavily Search.

Instale os pacotes necessários: Para usar a Tavily Search, você precisará instalar os pacotes langchain-community e tavily-python usando o pip. Execute o seguinte comando no seu terminal:
```
pip install langchain-community tavily-python
```
Defina a chave de API da Tavily: Para autenticar suas solicitações à API da Tavily Search, você precisará definir sua chave de API da Tavily como uma variável de ambiente. Isso pode ser feito adicionando a seguinte linha ao seu código:
```
os.environ["TAVILY_API_KEY"] = "<SUA_CHAVE_API>"
```
Certifique-se de substituir <SUA_CHAVE_API> pela sua chave de API real da Tavily.

Com essas etapas iniciais concluídas, você está pronto para começar a usar a Tavily Search com seus agentes de IA.

Usando a Tavily Search Individualmente

Se você deseja usar a Tavily Search sozinha, sem integrá-la a outras ferramentas ou plataformas de IA, você pode fazer isso seguindo estas etapas:

Importe a classe TavilySearchResults: Comece importando a classe TavilySearchResults do módulo langchain.tools.tavily_search. Essa classe fornece os métodos necessários para interagir com a API da Tavily Search.
```
from langchain.tools.tavily_search import TavilySearchResults
```
Crie uma instância da classe TavilySearchResults: Em seguida, crie uma instância da classe TavilySearchResults chamando o seu construtor.
```
tavily_tool = TavilySearchResults(api_wrapper=search)
```
Realize uma busca: Por fim, você pode realizar uma busca usando o método invoke() da classe TavilySearchResults. Basta fornecer uma consulta como argumento para o método invoke().
```
query = "O que aconteceu nas últimas enchentes do Burning Man?"
results = tavily_tool.invoke(query)
```
O método invoke() retornará uma lista de resultados da pesquisa, que você pode processar e exibir.

Integrando a Tavily Search com Outras Ferramentas e Plataformas de IA

A Tavily Search também pode ser integrada perfeitamente com outras ferramentas e plataformas de IA. Veja um exemplo de como você pode integrar a Tavily Search com o OpenAI Functions e o LangSmith Hub:

Instale os pacotes adicionais: Além dos pacotes langchain-community e tavily-python, você também precisará instalar os pacotes langchain-openai e langchainhub. Execute o seguinte comando no seu terminal:
```
pip install langchain-openai langchainhub
```

Crie um agente de IA: Em seguida, você precisará criar um agente de IA usando a classe AgentExecutor do módulo langchain.agents. Essa classe permite que você defina uma sequência de ações a serem executadas pelo agente.

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,
)

Execute o agente: Por fim, você pode executar o agente chamando o método run() da classe AgentExecutor e fornecendo uma consulta como argumento.
```
query = "O que aconteceu nas últimas enchentes do Burning Man?"
response = agent_chain.run(query)
```
O método run() executará a sequência de ações definidas para o agente, incluindo a ação de busca na Tavily Search, e retornará a resposta final.

Compreendendo o Resultado

Ao realizar uma busca usando a Tavily Search, você receberá uma lista de resultados da pesquisa. Cada resultado da pesquisa contém uma URL e um trecho de conteúdo que fornece um resumo breve do conteúdo da página. A saída é adaptada à consulta de busca, fornecendo os resultados mais relevantes e informativos.

Por exemplo, vamos supor que você faça uma busca com a consulta "O que aconteceu nas últimas enchentes do Burning Man?" A saída pode ser algo como isso:

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

Neste exemplo, você pode ver que os resultados da pesquisa incluem URLs para artigos ou páginas da web relevantes relacionados às enchentes do Burning Man, além de trechos de conteúdo que oferecem um vislumbre das informações disponíveis nessas páginas. Em conclusão, a integração do Tavily Search com seus agentes de IA abre um mundo de possibilidades para acessar informações em tempo real, precisas e factuais. Seja usando o Tavily Search individualmente ou integrando-o a outras ferramentas e plataformas de IA, é possível aprimorar as capacidades de suas aplicações de IA e fornecer aos usuários as informações de que precisam. Então, por que esperar? Comece a integrar o Tavily Search com seus agentes de IA hoje mesmo e desbloqueie o poder da pesquisa em tempo real!

Como fazer streaming com o LangChain: Tutoriais completos Como usar o Transformer no LangChain: Guia Fácil!