本章目录如下：

1. 《使用LangChain Agents构建Gradio及Gradio Tools（1）——LangChain Agent概念》
2. 《使用LangChain Agents构建Gradio及Gradio Tools（2）——LangChain Agent示例》
3. 《使用LangChain Agents构建Gradio及Gradio Tools（3）——使用Langchain agents构建Gradio UI》
4. 《使用LangChain Agents构建Gradio及Gradio Tools（4）——Gradio Tools：gradio_tools库》
5. 《使用LangChain Agents构建Gradio及Gradio Tools（5）——gradio_tools的端到端示例详解》
6. 《使用LangChain Agents构建Gradio及Gradio Tools（6）——创建自己的GradioTool》

本篇摘要

本章介绍LangChain Agents原理并用其构建Gradio，然后介绍如何使用大模型创建Gradio Tools。

16. 使用LangChain Agents构建Gradio及Gradio Tool

本章使用LangChain Agents构建Gradio，首先介绍LangChain Agents概念及执行逻辑，并给出演示用例，然后用其构建Gradio，最后介绍如何通过智能体使用Gradio Tools，以及如何创建它。

16.3 使用Langchain agents构建Gradio UI

语言模型本身无法执行操作——它们只能输出文本。LangChain的一个重要应用场景是创建代理，LLM能够自主决定某任务采取哪些行动，然后代理决定如何执行该行动并返回结果，LLM观察结果以决定下一步行动，重复此过程直到任务完成。而LangChain的Agent集成了LLM，这样代理本身就可以独立完成任务。本节我们将为一个可以访问搜索引擎的Langchain agents创建一个Gradio界面。

16.3.1 创建代理

将从导入库和设置Langchain agents开始。请注意，你需要一个包含以下环境变量的.env文件或将它们设置到运行环境中：SERPAPI_API_KEY=“”、HF_TOKEN=““和DEEPSEEK_API_KEY=””。
演示代码如下：

# !pip install -Uq langchain-community langchain-deepseek gradio google-search-results
from langchain import hub
from langchain.agents import AgentExecutor, create_openai_tools_agent, load_tools
from langchain_deepseek import ChatDeepSeek
from gradio import ChatMessage
import gradio as gr
import osif not (os.getenv("SERPAPI_API_KEY") and os.getenv("DEEPSEEK_API_KEY")):with gr.Blocks() as demo:gr.Markdown("&#