· 接待 点赞 + 关心 👏，抓续学习，抓续干货输出。
公众号内著述一览图片软件开发公司
书接上文（【AI Agent】【LangGraph】0. 快速上手：协同LangChain，LangGraph帮你用图结构平缓构建多智能体），前边咱们了解了 LangGraph 的观点和基本构造循序，今天咱们来看下 LangGraph 构造中的进阶用法：给边加个条目 - 条目分支（Conditional edges）。
LangGraph 构造的是个图的数据结构，有节点(node) 和边(edge），那它的边也不错是带条目的。怎么给边加入条目呢？不错通过 add_conditional_edges 函数添加带条目的边。
1. 好意思满代码及启动妄语未几说，先上好意思满代码，和启动摈弃。先跑起来望望成果再说。
小程序开发from langchain_openai import ChatOpenAIfrom langchain_core.messages import HumanMessage, BaseMessagefrom langgraph.graph import END, MessageGraphimport jsonfrom langchain_core.messages import ToolMessagefrom langchain_core.tools import toolfrom langchain_core.utils.function_calling import convert_to_openai_toolfrom typing import List@tooldef multiply(first_number: int, second_number: int): """Multiplies two numbers together.""" return first_number * second_numbermodel = ChatOpenAI(temperature=0)model_with_tools = model.bind(tools=[convert_to_openai_tool(multiply)])graph = MessageGraph()def invoke_model(state: List[BaseMessage]): return model_with_tools.invoke(state)graph.add_node("oracle", invoke_model)def invoke_tool(state: List[BaseMessage]): tool_calls = state[-1].additional_kwargs.get("tool_calls", []) multiply_call = None for tool_call in tool_calls: if tool_call.get("function").get("name") == "multiply": multiply_call = tool_call if multiply_call is None: raise Exception("No adder input found.") res = multiply.invoke( json.loads(multiply_call.get("function").get("arguments")) ) return ToolMessage( tool_call_id=multiply_call.get("id"), content=res )graph.add_node("multiply", invoke_tool)graph.add_edge("multiply", END)graph.set_entry_point("oracle")def router(state: List[BaseMessage]): tool_calls = state[-1].additional_kwargs.get("tool_calls", []) if len(tool_calls): return "multiply" else: return "end"graph.add_conditional_edges("oracle", router, { "multiply": "multiply", "end": END,})runnable = graph.compile()response = runnable.invoke(HumanMessage("What is 123 * 456?"))print(response)启动摈弃如下：
图片
2. 代码详解底下对上头的代码进行注意诠释注解。
2.1 add_conditional_edges领先，咱们知说念了不错通过 add_conditional_edges 来对边进行条目添加。这部分代码如下：
今年年初，阿兰加盟了中超升班马青岛西海岸。本赛季，他已代表青岛西海岸出场16次，其中13次首发，贡献6个进球和2次助攻。
graph.add_conditional_edges("oracle", router, { "multiply": "multiply", "end": END,})add_conditional_edges袭取三个参数：
· 第一个为这条边的第一个node的称号
· 第二个为这条边的条目
· 第三个为条目复返摈弃的映射（字据条目摈弃映射到相应的node）
如上头的代码，意旨真理等于往 “oracle” node上添加边，这个node有两条边，一条是往“multiply” node上走，一条是往“END”上走。奈何决定往哪个宗旨去：条目是 router（后头诠释注解），软件开发公司若是 router 复返的是“multiply”，则往“multiply”宗旨走，若是 router 复返的是 “end”，则走“END”。
来看下这个函数的源码：
def add_conditional_edges( self, start_key: str, condition: Callable[..., str], conditional_edge_mapping: Optional[Dict[str, str]] = None,) -> None: if self.compiled: logger.warning( "Adding an edge to a graph that has already been compiled. This will " "not be reflected in the compiled graph." ) if start_key not in self.nodes: raise ValueError(f"Need to add_node `{start_key}` first") if iscoroutinefunction(condition): raise ValueError("Condition cannot be a coroutine function") if conditional_edge_mapping and set( conditional_edge_mapping.values() ).difference([END]).difference(self.nodes): raise ValueError( f"Missing nodes which are in conditional edge mapping. Mapping " f"contains possible destinations: " f"{list(conditional_edge_mapping.values())}. Possible nodes are " f"{list(self.nodes.keys())}." ) self.branches[start_key].append(Branch(condition, conditional_edge_mapping))重心是这一句：self.branches[start_key].append(Branch(condition, conditional_edge_mapping))，给刻下node添加分支Branch。
2.2 条目 router条目代码如下：判断践诺摈弃中是否有 tool_calls 参数，若是有，则复返"multiply"，莫得，则复返“end”。
def router(state: List[BaseMessage]): tool_calls = state[-1].additional_kwargs.get("tool_calls", []) if len(tool_calls): return "multiply" else: return "end"2.3 各node的界说（1）肇始node：oracle
@tooldef multiply(first_number: int, second_number: int): """Multiplies two numbers together.""" return first_number * second_numbermodel = ChatOpenAI(temperature=0)model_with_tools = model.bind(tools=[convert_to_openai_tool(multiply)])graph = MessageGraph()def invoke_model(state: List[BaseMessage]): return model_with_tools.invoke(state)graph.add_node("oracle", invoke_model)这个node是一个带有Tools 的 ChatOpenAI。在LangChain中使用Tools的注意教程请看这篇著述：【AI大模子行使建造】【LangChain系列】5. LangChain初学：智能体Agents模块的实战详解。肤浅诠释注解等于：这个node的践诺摈弃，将复返是否应该使用绑定的Tools。
（2）multiply
def invoke_tool(state: List[BaseMessage]): tool_calls = state[-1].additional_kwargs.get("tool_calls", []) multiply_call = None for tool_call in tool_calls: if tool_call.get("function").get("name") == "multiply": multiply_call = tool_call if multiply_call is None: raise Exception("No adder input found.") res = multiply.invoke( json.loads(multiply_call.get("function").get("arguments")) ) return ToolMessage( tool_call_id=multiply_call.get("id"), content=res )graph.add_node("multiply", invoke_tool)这个node的作用等于践诺Tools。
2.4 总体历程图片
若是以为本文对你有匡助，艰辛点个赞和关心呗 ~~~
· 大众好，我是 同学小张，平日共享AI常识和实战案例
· 接待 点赞 + 关心 👏，抓续学习，抓续干货输出。
公众号内著述一览图片
本站仅提供存储处事，统统履行均由用户发布，如发现存害或侵权履行，请点击举报。