README.md

🦜🔗 Autonome Agenten mit LangChain

Dies ist das Repository für unseren Workshop. Die Folien findest du hier.

Setup

Voraussetzungen:

Der einfachste Weg, um loszulegen, ist die Verwendung von VSCode und Devcontainers. Dafür müssen Docker und VSCode auf deinem Rechner installiert sein. Du kannst auch das Dockerfile oder eine lokale Python-Umgebung (falls du Docker aus religiösen Gründen nicht magst) verwenden. Der Devcontainer bietet lediglich eine einheitliche Umgebung für alle.

Get the source, luke!

git clone https://github.com/mayflower/langchain_agents.git
cd langchain_agents
cp .env.dist .env

Get the keys!

.env erstellen

Erstelle eine Kopie von der Datei env.dist und benenne die Kopie .env

OpenAI

Klick

Das Passwort bekommst du von uns. Bitte danach den key in die .env übertragen als OPENAI_API_KEY

Keys für Tavily und Serparpi

Hier registrieren SerpApi. Und einen key erstellen: serpapi.com/manage-api-key Zum .env file hinzufügen

Für Tavily hier. Ebenfalls einen key erstellen und zum .env file hinzufügen.

Beide keys sind bis zu einem gewissen Request-Limit/Monat gratis

Docker

Wer im Dev-Container unterwegs sein will

Unten links in VSCode auf das blaue Viereck klicken. "Reopen in Container". Wenn er dann fragt, ob er den Container neu bauen soll, einmal bestätigen.

Für normales docker

docker build --tag langchain_agents .
docker run -it --rm -v  ${PWD}:/workspace -p 8888:8888 langchain_agents

Go. Notebooks starten

Wer möchte, kann natürlich gerne direkt in VSCode oder einem Editor der Wahl die Notebooks starten. Die Logs von Docker bieten sonst immer einen Link an, wie man Jupyter Lab im Browser benutzen kann. Üblicherweise localhost:8888