Tools 轉換成 OpenAI Functions¶
本文介紹如何使用 LangChain tools 轉換成為 OpenAI function calling 的參數。
from langchain_community.tools import MoveFileTool
from langchain_core.messages import HumanMessage
from langchain_core.utils.function_calling import convert_to_openai_function
from langchain_openai import ChatOpenAI
model = ChatOpenAI(model="gpt-3.5-turbo")
# 設定要使用的 tool
tools = [MoveFileTool()]
# 使用 convert_to_openai_function 方法來轉換成 OpenAI function calling 的參數
functions = [convert_to_openai_function(t) for t in tools]
# 打印出來檢查
print(functions[0])
結果:
{'name': 'move_file',
'description': 'Move or rename a file from one location to another',
'parameters': {'type': 'object',
'properties': {'source_path': {'description': 'Path of the file to move',
'type': 'string'},
'destination_path': {'description': 'New path for the moved file',
'type': 'string'}},
'required': ['source_path', 'destination_path']}}
呼叫 OpenAI chat-completion 的 API:
message = model.invoke(
[HumanMessage(content="move file foo to bar")], functions=functions
)
# 打印出來檢查
print(message)
結果:
AIMessage(content='', additional_kwargs={'function_call': {'arguments': '{\n "source_path": "foo",\n "destination_path": "bar"\n}', 'name': 'move_file'}})
!!! tip 如果有使用 Function calling 的參數時, OpenAI 的模型會根據使用者的 input 來決定需不需要使用 tools / functions 來取得額外的資訊。
如果需要的話, 在 API 的 response 物件中的訊息 content 是空的, 而 `additional_kwargs` 會有要呼叫的 function 名稱與呼叫用的參數。
借助 OpenAI chat models，我們也可以使用 bind_functions 自動綁定和轉換類似函數的物件。
model_with_functions = model.bind_functions(tools)
message = model_with_functions.invoke([HumanMessage(content="move file foo to bar")])
# 打印出來檢查
print(message)
結果:
AIMessage(content='', additional_kwargs={'function_call': {'arguments': '{\n "source_path": "foo",\n "destination_path": "bar"\n}', 'name': 'move_file'}})
或者我們可以透過使用更新的 OpenAI API 的 巷ChatOpenAI.bind_tools ，該 API 使用 tools 和 tool_choice 而不是 functions 和 function_call：
model_with_tools = model.bind_tools(tools)
message = model_with_tools.invoke([HumanMessage(content="move file foo to bar")])
# 打印出來檢查
print(message)
結果: