2
respostas

Não funciona.

Boa tarde, estou tentando colocar o codigo introduzido na aula e não dá certo, o resto é o seguinte:

chamada: response = agent.chat("Me retorne artigos científicos sobre o uso da inteligência artificial nas redes sociais que você encontrar na web") resposta: Added user message to memory: Me retorne artigos científicos sobre o uso da inteligência artificial nas redes sociais que você encontrar na web === LLM Response === <function=search{"query": "artigos cientificos sobre inteligencia artificial nas redes sociais", "max_results": 10}

chamada: print(response) resposta: <function=search{"query": "artigos cientificos sobre inteligencia artificial nas redes sociais", "max_results": 10}

Notei que o codigo do git hub é diferente do que foi ensinado, porém nem com o código do git dá certo, notei também que foi respondido uma duvida igual a minha porém os caminhos passados não dão certo.

2 respostas

Boa tarde! Esse comportamento indica que o agente está apenas planejando executar a função, mas não está de fato fazendo a busca. Isso geralmente acontece quando a função search não está habilitada corretamente ou o ambiente não está preparado pra executar ferramentas externas.

Se o código do GitHub está diferente, pode ser que tenha havido alguma atualização. E realmente, algumas respostas anteriores também mostraram caminhos que nem sempre funcionam direto dependendo da versão usada.

Minha dica: verifica se o search foi passado corretamente nas ferramentas do agente, tipo: agent = autogen.ConversableAgent( name="pesquisador", tools=[search], # <-- isso precisa estar aqui ... ) E garante que o ambiente onde você tá rodando (Jupyter, Colab, etc.) permite executar essas funções.

Olá!

Uma situação de contorno é configurar o agente como nas primeiras aulas: encapsulando o Tavily em uma função a ser passada para o agente:

def tavily_search(atividade, max_results) -> str:
    return tavily_tool.search( atividade, max_results=max_results)

# transforma a função em ferramenta para uso do agente
f_tavily = FunctionTool.from_defaults(fn=tavily_search)

# vinculando Tavily à LLM
agent_worker = FunctionCallingAgentWorker.from_tools(
    [f_tavily],
    verbose=True,
    allow_parallel_tool_calls=True,
    )
agent = AgentRunner(agent_worker)

# usa a mesma pergunta anterior sobre artigos científicos
atividade= "Me retorne artigos científicos sobre o uso da inteligência artificial nas redes sociais que você encontrar na web"

response = agent.chat(atividade)

Espero que ajude.