Langchain의 AgentType

Langchain에서 agent를 생성할 때 AgentType을 선택할 수 있었는데 AgentType들이 어떤것이 있는지 확인해보려고 한다.

 

from langchain.agents import initialize_agent, Tool
from langchain.agents.agent_types import AgentType
from langchain_community.chat_models import ChatOpenAI

agent = initialize_agent(
    tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True
)

 

AgentType

확인해보니 deprecated되었다고 한다. 그렇다면 어떤걸 사용하는게 좋을까?

@deprecated(
    "0.1.0",
    message=AGENT_DEPRECATION_WARNING,
    removal="1.0",
)
class AgentType(str, Enum):
    """An enum for agent types.

    See documentation: https://python.langchain.com/docs/modules/agents/agent_types/
    """

    ZERO_SHOT_REACT_DESCRIPTION = "zero-shot-react-description"
    """A zero shot agent that does a reasoning step before acting."""

    REACT_DOCSTORE = "react-docstore"
    """A zero shot agent that does a reasoning step before acting.
    
    This agent has access to a document store that allows it to look up 
    relevant information to answering the question.
    """

    SELF_ASK_WITH_SEARCH = "self-ask-with-search"
    """An agent that breaks down a complex question into a series of simpler questions.
    
    This agent uses a search tool to look up answers to the simpler questions
    in order to answer the original complex question.
    """
    CONVERSATIONAL_REACT_DESCRIPTION = "conversational-react-description"
    CHAT_ZERO_SHOT_REACT_DESCRIPTION = "chat-zero-shot-react-description"
    """A zero shot agent that does a reasoning step before acting.
    
    This agent is designed to be used in conjunction 
    """

    CHAT_CONVERSATIONAL_REACT_DESCRIPTION = "chat-conversational-react-description"

    STRUCTURED_CHAT_ZERO_SHOT_REACT_DESCRIPTION = (
        "structured-chat-zero-shot-react-description"
    )
    """An zero-shot react agent optimized for chat models.
    
    This agent is capable of invoking tools that have multiple inputs.
    """

    OPENAI_FUNCTIONS = "openai-functions"
    """An agent optimized for using open AI functions."""

    OPENAI_MULTI_FUNCTIONS = "openai-multi-functions"

 

AGENT_DEPRECATION_WARNING

langchain의 agnet는 여전히 지원하지만 LangGraph를 사용하면 유연하게 구성할 수 있다고 한다.

추후 LangGraph를 사용하는 방법도 공부 해야겠다.

공부할 todo를 정해야할듯 하다.

AGENT_DEPRECATION_WARNING = (
    "LangChain agents will continue to be supported, but it is recommended for new "
    "use cases to be built with LangGraph. LangGraph offers a more flexible and "
    "full-featured framework for building agents, including support for "
    "tool-calling, persistence of state, and human-in-the-loop workflows. For "
    "details, refer to the "
    "`LangGraph documentation <https://langchain-ai.github.io/langgraph/>`_"
    " as well as guides for "
    "`Migrating from AgentExecutor <https://python.langchain.com/docs/how_to/migrate_agent/>`_"  # noqa: E501
    " and LangGraph's "
    "`Pre-built ReAct agent <https://langchain-ai.github.io/langgraph/how-tos/create-react-agent/>`_."  # noqa: E501
)

 

agentType enum의 설명을 찾아보자

https://python.langchain.com/api_reference/langchain/agents/langchain.agents.agent_types.AgentType.html

AgentType — 🦜🔗 LangChain documentation

 

용어 정리

Zero-Shot: 이전에 학습되어 있는 모델을 가지고 배우지 않은 작업을 수행하는 것 즉, 현재 모델로 일반화된 작업을 수행하게 한다. (간단히 말하면 기본상모델)

reasoning, ReAct: Tool 선택의 추론과정 및 사용
https://arxiv.org/abs/2210.03629

ReAct: Synergizing Reasoning and Acting in Language Models

Document Store: 특정 도메인을 관련된 정보를 저장해둔 벡터 저장소, RAG 구성할 때 사용된다.

 

1. ZERO_SHOT_REACT_DESCRIPTION:  학습되지 않은 범용 agent를 사용하며 동작하기 전 Tool 선택의 추론 과정을 거친다.
2. REACT_DOCSTORE:  1번 agent + 질문에 관련된 정보를 찾기 위해 Document Store를 사용한다. (즉 RAG)
3. SELF_ASK_WITH_SEARCH: 복잡한 질문을 여러개의 간단한 질문으로  변환한다. 
   이 agent는 변환한 간단한 질문의 답을 찾기위해 검색툴을 이용한다.
4. CONVERSATIONAL_REACT_DESCRIPTION: 문맥을 유지
5. CHAT_ZERO_SHOT_REACT_DESCRIPTION : 문맥을 유지하지 않는 단발성 대화
6. CHAT_CONVERSATIONAL_REACT_DESCRIPTION: 문맥을 유지하는 대화
7. STRUCTURED_CHAT_ZERO_SHOT_REACT_DESCRIPTION : 일반적인 텍스트가아닌 특정 형식으로 구성된 대화

 

TODO

• Conversational과 chat이 문맥 유지의 여부 차이인데 그렇다면  ONVERSATIONAL_REACT_DESCRIPTION 과 CHAT_CONVERSATIONAL_REACT_DESCRIPTION는 어떤 차이가 있는지 소스 및 프롬프트를 비교해
• LangGraph를 공부