Prolog 규칙을 사용하여 답변을 생성하는 LangChain 도구입니다.

​
Overview

PrologTool 클래스는 Prolog 규칙을 사용하여 답변을 생성하는 langchain 도구를 생성할 수 있게 해줍니다.

​
Setup

family.pl 파일에 다음 Prolog 규칙을 사용해 보겠습니다: parent(john, bianca, mary).
parent(john, bianca, michael).
parent(peter, patricia, jennifer).
partner(X, Y) :- parent(X, Y, _). 
#!pip install langchain-prolog

from langchain_prolog import PrologConfig, PrologRunnable, PrologTool

TEST_SCRIPT = "family.pl"

​
Instantiation

먼저 Prolog 도구를 생성합니다: 
schema = PrologRunnable.create_schema("parent", ["men", "women", "child"])
config = PrologConfig(
    rules_file=TEST_SCRIPT,
    query_schema=schema,
)
prolog_tool = PrologTool(
    prolog_config=config,
    name="family_query",
    description="""
        Query family relationships using Prolog.
        parent(X, Y, Z) implies only that Z is a child of X and Y.
        Input can be a query string like 'parent(john, X, Y)' or 'john, X, Y'"
        You have to specify 3 parameters: men, woman, child. Do not use quotes.
    """,
)

​
Invocation

​
LLM 및 function calling과 함께 Prolog 도구 사용하기

#!pip install python-dotenv

from dotenv import find_dotenv, load_dotenv

load_dotenv(find_dotenv(), override=True)

#!pip install langchain-openai

from langchain.messages import HumanMessage
from langchain_openai import ChatOpenAI
도구를 사용하려면 LLM 모델에 바인딩합니다: 
model = ChatOpenAI(model="gpt-4o-mini")
model_with_tools = model.bind_tools([prolog_tool])
그런 다음 모델에 쿼리합니다: 
query = "Who are John's children?"
messages = [HumanMessage(query)]
response = model_with_tools.invoke(messages)
LLM은 tool call 요청으로 응답합니다: 
messages.append(response)
response.tool_calls[0]

{'name': 'family_query',
 'args': {'men': 'john', 'women': None, 'child': None},
 'id': 'call_gH8rWamYXITrkfvRP2s5pkbF',
 'type': 'tool_call'}
도구는 이 요청을 받아 Prolog 데이터베이스에 쿼리합니다: 
tool_msg = prolog_tool.invoke(response.tool_calls[0])
도구는 쿼리에 대한 모든 솔루션이 포함된 리스트를 반환합니다: 
messages.append(tool_msg)
tool_msg

ToolMessage(content='[{"Women": "bianca", "Child": "mary"}, {"Women": "bianca", "Child": "michael"}]', name='family_query', tool_call_id='call_gH8rWamYXITrkfvRP2s5pkbF')
그런 다음 이를 LLM에 전달하면, LLM은 도구 응답을 사용하여 원래 쿼리에 답변합니다: 
answer = model_with_tools.invoke(messages)
print(answer.content)

John has two children: Mary and Michael, with Bianca as their mother.

​
Chaining

​
agent와 함께 Prolog Tool 사용하기

agent와 함께 prolog 도구를 사용하려면 agent의 constructor에 전달합니다: 
#!pip install langgraph

from langchain.agents import create_agent


agent_executor = create_agent(model, [prolog_tool])
agent는 쿼리를 받아 필요한 경우 Prolog 도구를 사용합니다: 
messages = agent_executor.invoke({"messages": [("human", query)]})
그런 다음 agent는 도구 응답을 받아 답변을 생성합니다: 
messages["messages"][-1].pretty_print()

================================== Ai Message ==================================

John has two children: Mary and Michael, with Bianca as their mother.

​
API reference

자세한 내용은 langchain-prolog.readthedocs.io/en/latest/modules.html을 참조하세요.
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I