이 노트북은 Robocorp Action Server action toolkit과 LangChain을 시작하는 방법을 다룹니다. Robocorp은 custom action을 사용하여 AI agent, assistant 및 copilot의 기능을 확장하는 가장 쉬운 방법입니다.

​
설치

먼저, Action Server를 설정하고 Action을 생성하는 방법은 Robocorp Quickstart를 참조하세요. LangChain 애플리케이션에서 langchain-robocorp 패키지를 설치합니다: 
# Install package
pip install -qU langchain-robocorp
위의 quickstart를 따라 새로운 Action Server를 생성하면, action.py를 포함한 파일들이 있는 디렉토리가 생성됩니다. 여기에 표시된 대로 python 함수를 action으로 추가할 수 있습니다. action.py에 더미 함수를 추가해 보겠습니다. 
@action
def get_weather_forecast(city: str, days: int, scale: str = "celsius") -> str:
    """
    Returns weather conditions forecast for a given city.

    Args:
        city (str): Target city to get the weather conditions for
        days: How many day forecast to return
        scale (str): Temperature scale to use, should be one of "celsius" or "fahrenheit"

    Returns:
        str: The requested weather conditions forecast
    """
    return "75F and sunny :)"
그런 다음 서버를 시작합니다: 
action-server start
그러면 다음과 같이 표시됩니다: 
Found new action: get_weather_forecast
http://localhost:8080에서 실행 중인 서버로 이동하여 UI를 사용해 함수를 실행하여 로컬에서 테스트합니다.

​
환경 설정

선택적으로 다음 환경 변수를 설정할 수 있습니다:
  • LANGSMITH_TRACING=true: 각 Action Server action 실행 로그에 바인딩할 수 있는 LangSmith 로그 실행 추적을 활성화합니다. 자세한 내용은 LangSmith documentation을 참조하세요.

​
사용법

위에서 http://localhost:8080에서 실행되는 로컬 action server를 시작했습니다. 
from langchain.agents import AgentExecutor, OpenAIFunctionsAgent
from langchain.messages import SystemMessage
from langchain_openai import ChatOpenAI
from langchain_robocorp import ActionServerToolkit

# Initialize LLM chat model
llm = ChatOpenAI(model="gpt-4", temperature=0)

# Initialize Action Server Toolkit
toolkit = ActionServerToolkit(url="http://localhost:8080", report_trace=True)
tools = toolkit.get_tools()

# Initialize Agent
system_message = SystemMessage(content="You are a helpful assistant")
prompt = OpenAIFunctionsAgent.create_prompt(system_message)
agent = OpenAIFunctionsAgent(llm=llm, prompt=prompt, tools=tools)

executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

executor.invoke("What is the current weather today in San Francisco in fahrenheit?")

> Entering new AgentExecutor chain...

Invoking: `robocorp_action_server_get_weather_forecast` with `{'city': 'San Francisco', 'days': 1, 'scale': 'fahrenheit'}`


"75F and sunny :)"The current weather today in San Francisco is 75F and sunny.

> Finished chain.

{'input': 'What is the current weather today in San Francisco in fahrenheit?',
 'output': 'The current weather today in San Francisco is 75F and sunny.'}

​
Single input tools

기본적으로 toolkit.get_tools()는 action을 Structured Tools로 반환합니다. single input tool을 반환하려면 입력 처리에 사용할 Chat model을 전달하세요. 
# Initialize single input Action Server Toolkit
toolkit = ActionServerToolkit(url="http://localhost:8080")
tools = toolkit.get_tools(llm=llm)
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I