使用LangChain Tavily搜索集成来增强AI代理

Name

Lynn Mikami

Published on 2024/4/30

Tavily搜索：使用实时搜索功能来增强AI代理

文章摘要：

• Tavily搜索是一个旨在为AI代理提供实时准确和真实结果的搜索引擎。
• 将Tavily搜索与AI代理集成可以通过让其获得最新信息来增强其功能。
• 本文详细介绍了设置集成的过程，以及如何单独使用Tavily搜索和将其与其他AI工具和平台集成。

引言

想象一下，你正在训练一种语言模型AI代理。你花了很多时间来优化其响应，以确保它生成准确和有用的信息。但有一件事还缺少 - 一个可靠的搜索引擎，可以提供实时准确和真实的结果。这就是Tavily搜索的用武之地，它是一个专门为像你这样的AI代理设计的搜索引擎。在本文中，我们将探讨Tavily搜索如何增强AI代理的能力，并详细介绍其集成的步骤。

设置集成

在我们深入讨论如何使用Tavily搜索的细节之前，让我们先讨论一下初始设置过程。要开始，您需要安装两个Python包：langchain-community和tavily-python。这些包可以使用pip轻松安装。安装完成后，您需要将Tavily API密钥设置为环境变量。这个密钥是需要进行身份验证的请求Tavily搜索API的必需品。

单独使用Tavily搜索

一旦您成功设置集成，您就可以开始单独使用Tavily搜索。要做到这一点，您需要从langchain_community.tools.tavily_search模块中导入TavilySearchResults类。

要使用Tavily搜索进行搜索，您首先需要创建TavilySearchResults类的一个实例。这个实例将作为您访问Tavily搜索功能的入口点。创建完成后，您可以使用此实例的invoke()方法来执行搜索。此方法接受一个具有“query”键的字典作为输入，并返回一个搜索结果列表。

假设您想搜索有关Burning Man最新洪水的信息。您只需创建一个TavilySearchResult类的实例，并使用查询“最新的Burning Man洪水发生了什么？”调用invoke()方法。该方法将返回一个搜索结果列表，每个结果包含一个URL和与您的查询相关的内容片段。

将Tavily搜索与其他AI工具和平台集成

单独使用Tavily搜索可能非常有帮助，但它的真正潜力在于与其他AI工具和平台的集成。让我们来看看与OpenAI Functions和LangSmith Hub的集成示例。

要将Tavily搜索与这些工具集成，您需要安装另外两个Python包：langchain-openai和langchainhub。安装完成后，您可以使用langchain.agents模块中的AgentExecutor类创建一个AI代理。这个类允许您使用ChatOpenAI语言模型（LLM）和TavilySearchResults工具配置您的AI代理。

现在，您可以使用agent_executor.invoke()方法来执行代理链并检索搜索结果。此方法触发AI代理的执行，其中包括使用ChatOpenAI LLM生成响应和使用Tavily搜索获取相关信息。

理解输出

当您从Tavily搜索获得搜索结果时，您会注意到一个结构化的格式，其中包含与您的查询相关的URL和内容片段。让我们以查询“最新的Burning Man洪水发生了什么？”和相应的输出为例。

输出可能包括指向新闻文章，博客文章或其他相关来源的链接，这些来源提供了有关Burning Man最新洪水的信息。每个搜索结果还包括一个内容片段，让您预览提供的URL上的信息。

需要注意的是，从Tavily搜索获得的输出是针对您具体的搜索查询进行了定制。这意味着搜索引擎考虑到了您查询的上下文，并努力提供最相关和准确的结果。

通过将Tavily搜索与您的AI代理集成，您可以确保它们能够访问实时准确和真实的信息。无论您是在训练语言模型AI代理还是将其用于研究目的，Tavily搜索都可以显著增强其功能。

在下一节中，我们将探讨使用Tavily搜索的优缺点，并讨论其潜在限制。我们还将提供一些额外的资源供进一步探索。

使用Tavily搜索的优点：

• 提供针对AI代理需求的实时准确和真实的结果。
• 可以轻松与其他AI工具和平台集成。
• 提供简单的设置过程和实时搜索功能。

缺点和潜在限制：

• 对特定功能和能力的文档有限。
• 文档提供的示例是基础的，可能不涵盖所有潜在的用例。

现在我们已经探讨了设置过程和单独使用Tavily搜索，让我们更详细地了解一些基准比较，并提供有关如何将Tavily搜索与其他AI工具和平台集成的详细逐步教程。

![langchain tavily ai

将Tavily Search与AI Agent集成：一步一步指南

简介

想象一下，如果有一个能够为您提供实时、准确、事实信息的AI Agent。无论您是开发者还是用户，通过使用专门为AI Agent设计的搜索引擎，可以极大地增强您的AI应用程序的功能。Tavily Search就是这样一款功能强大的搜索引擎，专为AI Agent优化。在本指南中，我们将带您逐步了解如何将Tavily Search与您的AI Agent集成，使其能够访问互联网上的丰富信息。

设置集成

在我们深入集成过程之前，您需要执行一些初始步骤来设置Tavily Search。

1. 安装必要的包：为了使用Tavily Search，您需要使用pip安装langchain-community和tavily-python包。在您的终端中运行以下命令：

   pip install langchain-community tavily-python

2. 设置Tavily API密钥：要对Tavily Search API发出身份验证请求，您需要将Tavily API密钥设置为环境变量。这可以通过将以下代码添加到您的代码中来完成：

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

   请确保将<YOUR_API_KEY>替换为您的实际Tavily API密钥。

完成这些初始步骤后，您现在可以开始使用Tavily Search与您的AI Agent。

单独使用Tavily Search

如果您想独立使用Tavily Search，而不需要将其与其他AI工具或平台集成，可以按照以下步骤操作：

1. 导入TavilySearchResults类：首先从langchain.tools.tavily_search模块导入TavilySearchResults类。该类提供了与Tavily Search API交互所需的方法。

   from langchain.tools.tavily_search import TavilySearchResults

2. 创建TavilySearchResults类的实例：接下来，通过调用其构造函数创建TavilySearchResults类的实例。

   tavily_tool = TavilySearchResults(api_wrapper=search)

3. 进行搜索：最后，您可以使用TavilySearchResults类的invoke()方法进行搜索。只需将查询作为invoke()方法的参数即可。

   query = "最新的Burning Man洪水中发生了什么？"
   results = tavily_tool.invoke(query)

   invoke()方法将返回一个搜索结果列表，您可以对其进行处理和显示。

将Tavily Search与其他AI工具和平台集成

Tavily Search也可以与其他AI工具和平台无缝集成。以下是如何将Tavily Search与OpenAI Functions和LangSmith Hub集成的示例：

1. 安装额外的包：除了langchain-community和tavily-python包之外，您还需要安装langchain-openai和langchainhub包。在您的终端中运行以下命令：

   pip install langchain-openai langchainhub

2. 创建AI Agent：接下来，您需要使用langchain.agents模块中的AgentExecutor类来创建一个AI Agent。这个类允许您定义一系列要由Agent执行的操作。

   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. 运行Agent：最后，您可以通过调用AgentExecutor类的run()方法并提供一个查询作为参数来运行Agent。

   query = "最新的Burning Man洪水中发生了什么？"
   response = agent_chain.run(query)

   run()方法将执行为Agent定义的一系列操作，包括Tavily Search操作，并返回最终的响应。

理解输出内容

当您使用Tavily Search进行搜索时，您将收到一个搜索结果列表。每个搜索结果都包含一个URL和一个提供页面内容简要摘要的内容片段。输出内容根据搜索查询进行了定制，为您提供了最相关和有信息量的结果。

例如，假设您使用查询“最新的Burning Man洪水中发生了什么？”进行搜索。输出内容可能如下所示：

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

在这个示例中，您可以看到搜索结果包括与Burning Man洪水相关的相关文章或网页的URL，以及提供了这些页面上可用信息的内容片段。 总结一下，将Tavily搜索与您的AI代理程序集成，为访问实时、准确和事实信息打开了无尽可能。无论是单独使用Tavily搜索，还是将其与其他AI工具和平台集成在一起，您都可以增强AI应用程序的功能，并为用户提供所需的信息。那么，为什么要等呢？立即开始将Tavily搜索与您的AI代理程序集成，释放实时搜索的力量吧！