Skip to content

Weather_Agent.md

Latest commit

 

History

History
276 lines (189 loc) · 5.28 KB

Weather_Agent.md

File metadata and controls

276 lines (189 loc) · 5.28 KB

🌤️ LangChain Weather Agent 教程

使用 LangGraph + Ollama + llama3.2 构建一个本地运行的 AI Weather Agent，无需任何 API Key。

📋 目录

环境要求

工具 版本要求
Python 3.10+ 推荐（3.9 可用）
macOS Homebrew 已安装
磁盘空间 llama3.2 约 2GB

第一步：安装 Ollama

Ollama 是本地运行大模型的工具，类似于 Docker，但专门用于 LLM。

1.1 安装

brew install ollama

1.2 启动服务

ollama serve

⚠️ 保持此终端窗口开启，Ollama 服务需要持续运行。

你应该看到类似输出：

Ollama is running on http://127.0.0.1:11434

1.3 拉取模型（新开一个终端）

ollama pull llama3.2

📦 llama3.2 约 2GB，首次下载需要等待几分钟。

1.4 验证模型安装成功

ollama list

预期输出：

NAME            ID              SIZE    MODIFIED
llama3.2:latest ...             2.0 GB  ...

第二步：安装 Python 依赖

pip install langgraph langchain-ollama langchain-core

依赖说明

包 作用
langgraph 提供 create_react_agent，构建 Agent 核心逻辑
langchain-ollama LangChain 对 Ollama 模型的封装
langchain-core @tool 装饰器、消息类型等基础组件

💡 如果看到 NotOpenSSLWarning 警告，可以用 pip install "urllib3<2" 消除，不影响运行。

第三步：创建 Weather Agent

新建文件 weather_agent.py，写入以下代码：

from langchain_ollama import ChatOllama
from langchain_core.tools import tool
from langgraph.prebuilt import create_react_agent


# 1. 定义工具
#    @tool 装饰器会将函数注册为 Agent 可调用的工具
#    docstring 会作为工具描述传给模型，写清楚很重要
@tool
def get_weather(city: str) -> str:
    """Get weather for a given city."""
    return f"Return the weather in {city} in a joke."


# 2. 初始化模型
#    llama3.2 支持 tool call，llama3 不支持
model = ChatOllama(model="llama3.2")

# 3. 创建 Agent
agent = create_react_agent(
    model=model,
    tools=[get_weather],
    prompt="You are a helpful assistant",
)

if __name__ == "__main__":
    result = agent.invoke(
        {"messages": [{"role": "user", "content": "what is the weather in sf"}]}
    )
    print(result["messages"][-1].content)

第四步：启动与运行

完整启动顺序

# 终端 1：启动 Ollama 服务（保持运行）
ollama serve

# 终端 2：运行 Agent
python weather_agent.py

预期输出

Why did the fog in San Francisco bring a sweater?

Because it heard the Golden Gate Bridge was feeling a little "sus-pended" 
in the cold! 🌁😄

(In reality, SF is famously cool and foggy, especially in summer — locals 
call it "Karl the Fog"!)

运行流程图

用户输入
   │
   ▼
Agent 分析问题
   │
   ▼
调用 get_weather("sf") 工具
   │
   ▼
llama3.2 生成回答
   │
   ▼
输出最终结果

常见问题

❌ Connection refused

httpx.ConnectError: [Errno 61] Connection refused

原因：Ollama 服务未启动。

解决：

ollama serve

❌ does not support tools

ollama._types.ResponseError: registry.ollama.ai/library/llama3:latest does not support tools

原因：llama3（旧版）不支持 tool call。

解决：换成支持 tools 的模型：

ollama pull llama3.2
# 修改代码中的模型名
model = ChatOllama(model="llama3.2")  # ✅

❌ cannot import name 'create_agent'

ImportError: cannot import name 'create_agent' from 'langchain.agents'

原因：create_agent 不存在，是错误的 API 名称。

解决：使用正确的导入：

# ❌ 错误
from langchain.agents import create_agent

# ✅ 正确
from langgraph.prebuilt import create_react_agent

进阶：切换为 Claude

如果你有 Anthropic API Key，可以将模型替换为 Claude，效果更好：

pip install langchain-anthropic
# 替换这两行即可，其余代码不变
from langchain_anthropic import ChatAnthropic

model = ChatAnthropic(model="claude-sonnet-4-20250514")

在终端中设置 API Key：

export ANTHROPIC_API_KEY="sk-ant-..."

📌 Claude.ai 的付费订阅和 API Key 是独立的，需要在 console.anthropic.com 单独注册并充值。

项目结构

weather-agent/
├── weather_agent.py   # Agent 主程序
└── README.md          # 本教程

参考链接