如何在LangChain Python Agent中使用scanpy？是否可行？

方案可行性结论 #

该方案完全可行，报错原因是Agent未识别到已注入的库和数据对象，或REPL工具的变量传递配置有误。

解决步骤及代码示例 #

1. 前置环境验证 #

先确保当前Python环境已安装scanpy，且adata对象能正常加载：

import scanpy as sc
# 加载测试数据或你的自定义adata
adata = sc.datasets.pbmc3k_processed()

# 验证环境
print("scanpy版本:", sc.__version__)
print("adata形状:", adata.shape)

2. 调整REPL工具配置 #

默认的PythonAstREPLTool可能存在沙箱限制，建议改用PythonREPLTool并直接注入全局变量，或修正Ast工具的变量传递逻辑：

方式一：使用PythonREPLTool（推荐）

from langchain.agents import create_python_agent, AgentType
from langchain.tools.python.tool import PythonREPLTool
from langchain.chat_models import ChatOpenAI

# 初始化LLM
openai_llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

# 创建REPL工具并注入全局变量
repl_tool = PythonREPLTool()
repl_tool.globals["sc"] = sc
repl_tool.globals["adata"] = adata

# 自定义提示词，明确告知Agent已有的资源
custom_prompt = """你是一个能执行Python代码的助手，当前环境已导入scanpy（别名sc）和adata对象，无需重复import或加载数据。请根据需求编写并执行代码完成任务。

{input}

{agent_scratchpad}"""

# 创建Agent
agent_executor = create_python_agent(
    llm=openai_llm,
    tool=repl_tool,
    verbose=True,
    agent_type=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    agent_kwargs={"prompt": custom_prompt}
)

方式二：修正PythonAstREPLTool配置

若坚持使用Ast版本工具，需确保locals参数正确传递，并配合提示词说明：

from langchain.tools.python.tool import PythonAstREPLTool

ast_tool = PythonAstREPLTool(locals={"sc": sc, "adata": adata})

agent_executor = create_python_agent(
    llm=openai_llm,
    tool=ast_tool,
    verbose=True,
    agent_type=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    agent_kwargs={"prompt": custom_prompt}
)

3. 测试验证 #

执行简单任务验证配置是否生效：

# 示例任务：绘制UMAP图并保存
agent_executor.run("使用sc.pl.umap绘制adata的UMAP图，将结果保存为'umap_plot.png'")

常见问题排查 #

• 沙箱限制：部分REPL工具的安全沙箱可能阻止外部库调用，可检查LangChain工具的源码或配置，确认是否有禁用外部库的设置。
• 版本兼容：不同版本的LangChain对工具参数的定义可能不同，若参数报错，可查看对应版本的官方文档调整参数名称（如部分版本需用globals替代locals）。
• 提示词明确性：必须在提示词中清晰告知Agent无需重复导入库或加载数据，否则Agent可能尝试重新import导致报错。

内容的提问来源于stack exchange，提问作者kurt