Skip to content

langchain-agent

Directory actions

More options

Directory actions

More options

Latest commit

 

History

History

langchain-agent

README.md

LangChain Agent 云开发智能体模板

本项目基于腾讯云开发函数型 Agent 模板，采用 LangChain.js 框架，基于云开发 AI 能力接口，完成了一个支持三大核心工具能力的多模态智能体（Agent）实现。

🚀 主要特性

三大核心工具能力

  1. 🌐 联网搜索工具 (search_network)

    • 实时信息检索，获取最新新闻、股价、天气等
    • 基于云开发 AI 联网检索能力

  2. 🗄️ 数据库检索工具 (search_database)

    • 基于云开发数据模型，实现业务数据查询

  3. 📚 知识库检索工具 (search_knowledge)

    • 基于云开发 AI 知识库进行检索
    • 业务文档、产品手册、政策流程查询
    • 专业领域知识和最佳实践检索
    • 自定义知识内容管理

技术特性

  • 🔄 流式输出：支持 SSE 流式返回，实时响应
  • 🤖 智能工具选择：基于用户输入自动选择合适的工具组合
  • 📱 多模态支持：支持处理图片、文档等多种输入
  • 🛠️ 灵活配置：支持动态配置模型、工具启用状态
  • 🔍 详细调试：完整的调试信息输出，便于问题排查

🎯 工具能力演示

联网搜索示例

用户："今天深圳的天气怎么样？"
AI：自动调用 search_network 工具获取实时天气信息

数据库查询示例

用户："查询某某表最近一周的订单统计"
AI：自动调用 search_database 工具进行数据统计分析

知识库检索示例

用户："公司的请假流程是什么？"
AI：自动调用 search_knowledge 工具查询内部政策文档

⚙️ 环境变量配置

本项目提供了环境变量模板 .env.template，将其重命名为 .env.development 后进行编辑。

必需变量

  • CLOUDBASE_ENV_ID：云开发环境 ID（仅本地调试使用）
  • CLOUDBASE_API_KEY：云开发 API Key（用于大模型对话，仅本地调试用）前往云开发平台获取

可选配置

  • 数据库配置：根据具体数据库类型配置相应环境变量
  • 知识库配置：根据知识库服务配置相应参数

📋 项目架构

├── src/
│   ├── index.ts                    # 云函数入口文件，初始化 Agent 和工具
│   ├── agent.ts                    # Agent 包装器，处理消息和流式输出
│   └── lib/                        # 核心库文件
│       ├── agent_config.ts         # Agent 配置管理，读取 YAML 配置
│       ├── agent_context.ts        # Agent 上下文管理
│       ├── agent_info.ts           # Agent 信息定义
│       ├── agent_tools.ts          # 工具生成和管理
│       ├── chat_tool.service.ts    # 工具服务实现（四大核心工具）
│       ├── tcb.ts                  # 腾讯云开发相关工具函数
│       └── utils.ts                # 通用工具函数
├── agent-config.yaml               # Agent 配置文件
├── cloudbase-functions.json        # 云函数配置
├── package.json                    # 项目依赖配置
├── tsconfig.json                   # TypeScript 配置
└── README.md                       # 项目说明文档

核心模块说明

🔧 入口模块 (index.ts)

  • 功能：云函数入口点，负责初始化整个 Agent 系统
  • 职责：
    • 创建 Agent 包装器实例
    • 初始化 DeepSeek LLM 模型
    • 生成并绑定工具到 Agent
    • 启动 BotRunner 处理请求

🤖 Agent 核心 (agent.ts)

  • 功能：Agent 包装器，实现 IBot 接口
  • 职责：
    • 处理用户消息（支持文本和文件）
    • 管理对话流程和工具调用
    • 实现流式输出 (SSE)
    • 多模态内容处理（图片、文档等）

🛠️ 工具系统 (lib/agent_tools.ts + lib/chat_tool.service.ts)

  • 功能：四大核心工具的实现和管理
  • 工具类型：
    • search_network：联网搜索工具
    • search_file：文件/图片解析工具
    • search_database：数据库检索工具
    • search_knowledge：知识库检索工具

⚙️ 配置管理 (lib/agent_config.ts)

  • 功能：读取和管理 agent-config.yaml 配置
  • 配置项：模型设置、工具开关、知识库绑定等

🔗 云开发集成 (lib/tcb.ts)

  • 功能：腾讯云开发平台集成工具
  • 职责：环境 ID 获取、API 基础 URL 构建、访问令牌管理

🔄 上下文管理 (lib/agent_context.ts + lib/agent_info.ts)

  • 功能：Agent 运行时状态和信息管理
  • 包含：配置信息、Agent 实例、运行状态等

🔧 快速开始

1. 安装依赖

npm install

2. 配置环境变量（本地调试用）

cp .env.template .env.development
# 编辑 .env.development 填入必要的环境变量

3. 配置 Agent Config

agent-config.yaml 说明 (示例如下)

# Agent 名称
name: 智能小助手
# Agent 模型标识
model: deepseek-v3-function-call
# Agent 设定
agentSetting: 你什么都知道，无论用户问你什么问题，你都能输出长篇大论，滔滔不绝。
# Agent 介绍
introduction: 你什么都知道，无论用户问你什么问题，你都能输出长篇大论，滔滔不绝。
# Agent 欢迎语
welcomeMessage: 你什么都知道，无论用户问你什么问题，你都能输出长篇大论，滔滔不绝。
# Agent 头像
avatar: ''
# Agent 初始化问题配置
initQuestions:
  - 你好，请介绍一下你自己。
  - 你好，你能帮我回答什么问题?
# Agent 开启推荐问题功能
isNeedRecommend: true
# Agent 绑定知识库
knowledgeBase: ['知识库ID']
# Agent 绑定数据模型
databaseModel: ['数据模型英文标识']
# Agent 开启联网搜送功能
searchNetworkEnable: true
# Agent 开启文件对话功能
searchFileEnable: true

4. 本地调试

npm run dev

5. 如何调用 Agent 服务

调用云托管部署的 Agent 服务：

curl --location 'http://{envID}.api.tcloudbasegateway.com/v1/aibot/bots/{botID}/send-message'  \
--header 'Accept: text/event-stream' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer <token>' \
--data '{
    "msg": "今日天气",
    "searchEnable": true
}'

调用本地 Agent 服务：

curl --location 'http://{envID}.api.tcloudbasegateway.com/v1/aibot/bots/{botID}/send-message' --connect-to '{envId}.api.tcloudbasegateway.com:80:127.0.0.1:3000'  \
--header 'Accept: text/event-stream' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer <token>' \
--data '{
    "msg": "今日深圳天气",
    "searchEnable": true
}'

通过 --connect-to 参数可以将请求转发到本地 Agent 服务。

参数说明：

  • {envID}：云开发环境 ID
  • {botID}：Agent 智能体 ID，本地开发时可以任意指定

6. 自定义 Tool 开发示例

基于 Tavily API 实现联网搜索 Tool

import { TavilySearch } from "@langchain/tavily";

const searchTool = new TavilySearch({
   maxResults: 5,
   topic: "general",
});

基于腾讯混元向量化能力实现基于云开发 FAQ 的 RAG Tool

import { DynamicTool } from "langchain/tools";
import { MemoryVectorStore } from "langchain/vectorstores/memory";
import { TencentHunyuanEmbeddings } from "@langchain/community/embeddings/tencent_hunyuan";
import { CheerioWebBaseLoader } from "@langchain/community/document_loaders/web/cheerio";
import { RecursiveCharacterTextSplitter } from "@langchain/textsplitters";

async getRetrieverTool() {
   const embeddings = new TencentHunyuanEmbeddings();
   const loader = new CheerioWebBaseLoader(
   "https://docs.cloudbase.net/ai/FAQ"
   );
   const docs = await loader.load();
   console.log('docs', docs)
   const splitter = new RecursiveCharacterTextSplitter({
   chunkSize: 500,
   chunkOverlap: 100,
   });
   const documents = await splitter.splitDocuments(docs);
   console.log('documents', documents)
   const vectorStore = await MemoryVectorStore.fromDocuments(
   documents,
   embeddings
   );
   const retriever = vectorStore.asRetriever();

   const retrieverTool = new DynamicTool({
   name: "tcb_faq_rag",
   description: "在云开发AI FAQ 知识库中检索相关内容",
   func: async (input: string) => {
      const docs = await retriever.getRelevantDocuments(input);
      console.log('retrieve docs', docs)
      return docs.map(d => d.pageContent).join("\n");
   },
   });
   return retrieverTool;
}

📦 部署上线

npm run build
npm run deploy

根据输出提示填入云开发环境 ID、服务名即可完成部署。

🔗 相关资源

📝 更新日志

  • v2.0.0: 支持云开发 AI 四大核心工具（文件/图片解析，联网搜索， 知识库检索， 数据模型检索）
  • v1.0.0: 基础 RAG 检索和联网搜索功能
⚡