Skip to content

README.md

Latest commit

 

History

History
83 lines (56 loc) · 2.13 KB

README.md

File metadata and controls

83 lines (56 loc) · 2.13 KB
Raw

LlmAgent 思考能力与工具调用示例

本示例演示在启用思考相关能力时，LlmAgent 结合天气工具完成多城市查询与多日预报。

关键特性

  • 多轮独立会话（每轮新 session_id）演示不同问法
  • 工具：get_weather_report、get_weather_forecast
  • 输出包含工具调用、工具结果与自然语言回答

Agent 层级结构说明

root_agent (LlmAgent, thinking enabled)
└── tools: get_weather_report, get_weather_forecast

关键文件：

关键代码解释

  • Runner + InMemorySessionService 按预设问题列表循环调用 run_async
  • Agent 配置中打开思考能力，模型在工具前后组织回复

环境与运行

环境要求

  • Python 3.12

安装步骤

git clone https://github.com/trpc-group/trpc-agent-python.git
cd trpc-agent-python
python3 -m venv .venv
source .venv/bin/activate
pip3 install -e .

环境变量要求

在 examples/llmagent_with_thinking/.env 中配置（或通过 export 设置）：

  • TRPC_AGENT_API_KEY
  • TRPC_AGENT_BASE_URL
  • TRPC_AGENT_MODEL_NAME

运行命令

cd examples/llmagent_with_thinking
python3 run_agent.py

运行结果（实测）

📝 User: What's the weather like today?
🔧 [Invoke Tool:: get_weather_report({'city': 'Beijing'})]
📊 [Tool Result: {'temperature': '25°C', 'condition': 'Sunny', 'humidity': '60%'}]
...
📝 User: What will the weather be like in Shanghai for the next three days?
🔧 [Invoke Tool:: get_weather_forecast({'city': 'Shanghai', 'days': 3})]
...

结果分析（是否符合要求）

结论：符合本示例测试要求。

  • 三轮问答均完成工具调用并得到结构化结果与总结回复

适用场景建议

  • 需要对比“开思考”与默认推理路径对工具选择影响的实验
  • 天气类多工具编排的教学与最小复现