도구

from langchain.tools import tool

@tool
def search_database(query: str, limit: int = 10) -> str:
    """쿼리와 일치하는 레코드를 고객 데이터베이스에서 검색합니다.

    Args:
        query: 검색할 검색어
        limit: 반환할 최대 결과 수
    """
    return f"Found {limit} results for '{query}'"

@tool("web_search")  # 사용자 정의 이름
def search(query: str) -> str:
    """웹에서 정보를 검색합니다."""
    return f"Results for: {query}"

print(search.name)  # web_search

@tool("calculator", description="Performs arithmetic calculations. Use this for any math problems.")
def calc(expression: str) -> str:
    """수학 표현식을 평가합니다."""
    return str(eval(expression))

from langchain.tools import tool, ToolRuntime

# 현재 대화 상태 액세스
@tool
def summarize_conversation(
    runtime: ToolRuntime
) -> str:
    """지금까지의 대화를 요약합니다."""
    messages = runtime.state["messages"]

    human_msgs = sum(1 for m in messages if m.__class__.__name__ == "HumanMessage")
    ai_msgs = sum(1 for m in messages if m.__class__.__name__ == "AIMessage")
    tool_msgs = sum(1 for m in messages if m.__class__.__name__ == "ToolMessage")

    return f"Conversation has {human_msgs} user messages, {ai_msgs} AI responses, and {tool_msgs} tool results"

# 사용자 정의 상태 필드 액세스
@tool
def get_user_preference(
    pref_name: str,
    runtime: ToolRuntime  # ToolRuntime 매개변수는 모델에 보이지 않습니다
) -> str:
    """사용자 기본 설정 값을 가져옵니다."""
    preferences = runtime.state.get("user_preferences", {})
    return preferences.get(pref_name, "Not set")

from langgraph.types import Command
from langchain.messages import RemoveMessage
from langgraph.graph.message import REMOVE_ALL_MESSAGES
from langchain.tools import tool, ToolRuntime

# 모든 메시지를 제거하여 대화 기록 업데이트
@tool
def clear_conversation() -> Command:
    """대화 기록을 지웁니다."""

    return Command(
        update={
            "messages": [RemoveMessage(id=REMOVE_ALL_MESSAGES)],
        }
    )

# 에이전트 상태에서 user_name 업데이트
@tool
def update_user_name(
    new_name: str,
    runtime: ToolRuntime
) -> Command:
    """사용자 이름을 업데이트합니다."""
    return Command(update={"user_name": new_name})

from dataclasses import dataclass
from langchain_openai import ChatOpenAI
from langchain.agents import create_agent
from langchain.tools import tool, ToolRuntime


USER_DATABASE = {
    "user123": {
        "name": "Alice Johnson",
        "account_type": "Premium",
        "balance": 5000,
        "email": "[email protected]"
    },
    "user456": {
        "name": "Bob Smith",
        "account_type": "Standard",
        "balance": 1200,
        "email": "[email protected]"
    }
}

@dataclass
class UserContext:
    user_id: str

@tool
def get_account_info(runtime: ToolRuntime[UserContext]) -> str:
    """현재 사용자의 계정 정보를 가져옵니다."""
    user_id = runtime.context.user_id

    if user_id in USER_DATABASE:
        user = USER_DATABASE[user_id]
        return f"Account holder: {user['name']}\nType: {user['account_type']}\nBalance: ${user['balance']}"
    return "User not found"

model = ChatOpenAI(model="gpt-4o")
agent = create_agent(
    model,
    tools=[get_account_info],
    context_schema=UserContext,
    system_prompt="You are a financial assistant."
)

result = agent.invoke(
    {"messages": [{"role": "user", "content": "What's my current balance?"}]},
    context=UserContext(user_id="user123")
)

from langchain.tools import tool, ToolRuntime

@tool
def get_weather(city: str, runtime: ToolRuntime) -> str:
    """주어진 도시의 날씨를 가져옵니다."""
    writer = runtime.stream_writer

    # 도구가 실행되는 동안 사용자 정의 업데이트 스트리밍
    writer(f"Looking up data for city: {city}")
    writer(f"Acquired data for city: {city}")

    return f"It's always sunny in {city}!"