使用LangChain Agents调用API时遇AttributeError问题求助

问题场景 #

尝试通过LangChain Agents调用API处理文档并获取问题答案时，触发以下错误：

AttributeError                            Traceback (most recent call last)
<ipython-input-3-dea540cbc5b0> in <cell line: 28>()
     26 
     27 # Step 4: Initialize the Agent
---> 28 agent = initialize_agent(tool, llm)
     29 
     30 # Step 5: Use the Agent

3 frames
/usr/local/lib/python3.10/dist-packages/langchain/agents/utils.py in validate_tools_single_input(class_name, tools)
      7     """Validate tools for single input."""
      8     for tool in tools:
----> 9         if not tool.is_single_input:
     10             raise ValueError(
     11                 f"{class_name} does not support multi-input tool {tool.name}."

AttributeError: 'tuple' object has no attribute 'is_single_input'

原代码如下：

from langchain.tools import StructuredTool
from langchain.agents import initialize_agent
from langchain.llms import OpenAI
import requests

# Step 1: 实现API函数或类
def process_document(document):
    # 使用API逻辑处理文档
    url = 'api'
    data = {'file': open(document, 'rb')}
    response = requests.post(url, auth=requests.auth.HTTPBasicAuth('dfg', ''), files=data)
    return response

# Step 2: 创建Tool
tool = StructuredTool.from_function(process_document,description="Process the document using the API")

# Step 3: 初始化语言模型
llm = OpenAI(temperature=0, model_name="text-davinci-003", openai_api_key="key")

# Step 4: 初始化Agent
agent = initialize_agent(tool, llm)

# Step 5: 使用Agent
document = ""  # 提供待处理的文档
result = agent.process(document)  # 通过Agent和API处理文档
question = "What is Registration number and registration date?"  # 提供关于处理结果的问题
answer = agent.generate(question)  # 使用Agent生成问题答案

错误原因 #

1. initialize_agent参数格式错误：该函数的第一个参数要求传入工具列表（list），但代码中直接传入了单个工具对象，导致内部遍历工具时误将其识别为tuple类型，触发属性错误。
2. Agent调用方法错误：代码中使用的agent.process()和agent.generate()不是LangChain Agents的标准调用方式，无法正常触发Agent逻辑。
3. API返回值未处理：process_document函数直接返回requests响应对象，Agent无法直接解析该对象内容用于后续问答。

解决方案及修正代码 #

修正要点： #

• 将单个工具包装为列表传入initialize_agent
• 使用agent.invoke()（或agent.run()）作为标准调用方法
• 处理API响应，返回可被LLM解析的文本/结构化数据
• 添加文档路径的有效性检查（可选）

修正后的完整代码： #

from langchain.tools import StructuredTool
from langchain.agents import initialize_agent, AgentType
from langchain.llms import OpenAI
import requests

# Step 1: 实现API函数，处理并返回可解析的结果
def process_document(document_path):
    # 检查文档路径是否为空
    if not document_path:
        return "Error: Document path is empty."
    
    try:
        url = 'your_api_endpoint_here'  # 替换为实际API地址
        with open(document_path, 'rb') as file:
            data = {'file': file}
            response = requests.post(
                url,
                auth=requests.auth.HTTPBasicAuth('your_username', 'your_password'),  # 替换为实际认证信息
                files=data
            )
        response.raise_for_status()  # 抛出HTTP错误
        # 假设API返回JSON格式结果，根据实际情况调整（如response.text）
        return response.json()
    except Exception as e:
        return f"Error processing document: {str(e)}"

# Step 2: 创建Tool并包装为列表
tool = StructuredTool.from_function(
    func=process_document,
    description="Process the document using the specified API, returns the processed result."
)
tools = [tool]

# Step 3: 初始化语言模型
llm = OpenAI(
    temperature=0,
    model_name="text-davinci-003",
    openai_api_key="your_openai_api_key"  # 替换为实际API密钥
)

# Step 4: 初始化Agent，指定Agent类型（可选，推荐明确指定）
agent = initialize_agent(
    tools=tools,
    llm=llm,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,  # 根据需求选择合适的Agent类型
    verbose=True  # 开启日志，便于调试
)

# Step 5: 使用Agent处理文档并回答问题
document_path = "path/to/your/document.pdf"  # 替换为实际文档路径
# 先处理文档，再提问（或合并为一个查询让Agent自动处理）
query = f"First process this document: {document_path}. Then answer: What is Registration number and registration date?"
result = agent.invoke(query)
print("Answer:", result['output'])

额外注意事项 #

• 确保LangChain版本与代码兼容，若使用v0.1+版本，部分API可能有调整，可参考官方文档适配
• 替换代码中的API地址、认证信息、文档路径、OpenAI密钥为实际有效值
• 根据API返回格式调整process_document函数的返回内容（如JSON、文本等），确保LLM能正确解析

内容的提问来源于stack exchange，提问作者nidhisharma