- Ayuda a crear fácilmente agentes capaces de realizar acciones adicionales mediante componentes extendidos, más allá de las respuestas básicas de un LLM
Funcionamiento
- Da instrucciones con un prompt base que procesa tareas usando herramientas
- Crea
Tool, un componente personalizado que el agente puede usar (como ejecutar código Python en un REPL, buscar en Google o en HN, etc.)
- El agente repite "Thought, Action, Observation"
- Thought/Action lo genera el LLM
- Observation la genera la Tool
- El LLM obtiene la nueva información agregada al prompt y la procesa en función de ella
- Cuando el agente recibe suficiente información, produce la respuesta final
Tool
- Implementa
use(input_text: str) -> str con una clase simple de Python
- Escribe en Name y Description una explicación de la herramienta que el LLM pueda entender
Aún no hay comentarios.