Как создать универсального многофункционального AI-агента с LangGraph и Claude

Настройка окружения

В начале урока автоматизируется установка всех необходимых Python-библиотек для создания многофункционального AI-агента. С помощью subprocess выполняются тихие pip-команды для установки langgraph, langchain, anthropic, requests, duckduckgo-search и других. Это обеспечивает простую и удобную подготовку среды как для новичков, так и для опытных разработчиков.

Импорт библиотек и настройка API ключа

Подключаются все важные модули, включая стандартные библиотеки Python для работы с данными и внешние для взаимодействия с AI-моделью и веб-поиском. Ключ API Anthropic задаётся и безопасно извлекается из переменных окружения для аутентификации с моделями Claude.

Определение инструментов AI-агента

Реализованы несколько специализированных инструментов с декораторами для использования AI-агентом:

• Калькулятор: безопасно вычисляет математические выражения, включая тригонометрию.

• Веб-поиск: выполняет поиск в DuckDuckGo, возвращая отформатированные результаты с заголовками, фрагментами и ссылками.

• Погода: предоставляет имитацию текущей погоды для выбранных городов, с возможностью расширения до реального API.

• Анализ текста: рассчитывает статистику текста — количество слов, символов, предложений, среднее число слов в предложении и самое частое слово.

• Текущее время: возвращает текущие дату и время в удобочитаемом формате.

Инициализация модели с интеграцией инструментов

Если доступен API ключ Anthropic, используется модель Claude 3 Haiku; иначе — заглушка MockLLM, эмулирующая вызовы инструментов по ключевым словам. Инструменты связываются с моделью для динамического вызова в диалогах.

Логика работы агента и поток управления

Создаётся граф рабочей логики с помощью LangGraph, который управляет переходами между узлами агента и инструментов. Узел агента обрабатывает сообщения и решает, когда задействовать инструменты. Условные переходы обеспечивают возврат к агенту или завершение. Интегрирован MemorySaver для сохранения состояния между взаимодействиями.

Тестирование и интерактивный чат

Набор тестовых запросов проверяет работу инструментов агента, выводя результаты для вычислений, веб-поиска, погоды, времени и анализа текста. Интерактивный чат в командной строке позволяет пользователю общаться с агентом в реальном времени, поддерживает команды помощи и выхода.

Быстрая демонстрация и инструкции по использованию

Краткая демонстрация показывает возможности агента на примерах из математики, поиска и времени. Чёткие инструкции объясняют, как задать API ключ, запускать демонстрации и использовать чат.

Этот урок представляет собой подробное руководство по созданию многофункционального настраиваемого AI-агента с LangGraph и Claude, объединяя разнообразные утилиты в единую интерактивную систему для разработчиков любого уровня.