检查其他资源

• 我为这个问题添加了一个非常描述性的标题。
• 我使用集成搜索在LangChain文档中进行了搜索。
• 我使用GitHub搜索找到了一个类似的问题，但没有找到。
• 我确信这是LangChain中的一个错误，而不是我的代码中的错误。
• 通过更新到LangChain的最新稳定版本(或特定集成包)无法解决此错误。

示例代码

PROMPT_TEMPLATE = """Respond to the human as helpfully and accurately as possible. You have access to the following tools:

{tools}

    Use a json blob to specify a tool by providing an action key (tool name) and an action_input key (tool input).

    Valid "action" values: "Final Answer" or {tool_names}

    Provide only ONE action per $JSON_BLOB, as shown:

    ```
    {{
      "action": $TOOL_NAME,
      "action_input": $INPUT
    }}
    ```

    Follow this format:

    Question: input question to answer
    Thought: consider previous and subsequent steps
    Action:
    ```
    $JSON_BLOB
    ```
    Observation: action result
    ... (repeat Thought/Action/Observation N times)
    Thought: I know what to respond
    Action:
    ```
    {{
      "action": "Final Answer",
      "action_input": "Final response to human"
    }}

    Begin! Reminder to ALWAYS respond with a valid json blob of a single action. Use tools if necessary. Respond directly if appropriate. Format is Action:```$JSON_BLOB```then Observation'''

    human = '''{input}

    '''

"""
def create_agent(
    llm: BaseLanguageModel,
    tools: list,
    output_parser: WebCrawleRegexParser,
    tools_renderer: ToolsRenderer = render_text_description_and_args,
    **kwargs
):

prompt_template = PromptTemplate.from_template(
PROMPT_TEMPLATE
)

missing_vars = {"tools", "tool_names", "agent_scratchpad"}.difference(
prompt_template.input_variables
)
if missing_vars:
raise ValueError(f"Prompt missing required variables: {missing_vars}")
from langchain.agents.format_scratchpad import format_log_to_str
prompt = prompt_template.format(
tools=tools_renderer(list(tools)),
tool_names=", ".join([t.name for t in tools]),
)

print(f"prompt={prompt}")
stop = ["\nObservation"]
llm_with_stop = llm.bind(stop=stop)

agent = (
prompt_template|
llm_with_stop
)
return agent

agent = create_web_crawler_agent(llm=llm, tools=tools, output_parser=None)
 agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
 ret = agent_executor.invoke({"input": "hi"})

错误信息和堆栈跟踪(如果适用)

文件 "D:\ProgramData\anaconda3\lib\site-packages\langchain\chains\base.py",第163行，在调用时引发异常 e
文件 "D:\ProgramData\anaconda3\lib\site-packages\langchain\chains\base.py",第153行，在调用时引发异常 e
self._call(inputs, run_manager=run_manager)
文件 "D:\ProgramData\anaconda3\lib\site-packages\langchain\agents\agent.py",第1432行，在 _call 方法中引发异常 e
[
文件 "D:\ProgramData\anaconda3\lib\site-packages\langchain\agents\agent.py",第1138行，在 _call 方法中引发异常 e
[
文件 "D:\ProgramData\anaconda3\lib\site-packages\langchain\agents\agent.py",第1138行，在 _call 方法中引发异常 e
[
文件 "D:\ProgramData\anaconda3\lib\site-packages\langchain\agents\agent.py",第1166行，在 _iter_next_step 方法中引发异常 e
输出 = self.agent.plan(
文件 "D:\ProgramData\anaconda3\lib\site-packages\langchain\agents\agent.py",第397行，在 plan 方法中引发异常 e for chunk in self.runnable.stream(inputs, config={"callbacks": callbacks}):
文件 "D:\ProgramData\anaconda3\lib\site-packages\langchain_core\runnables\base.py",第2875行，在 stream 方法中引发异常 e yield from self.transform(iter([input]), config, **kwargs)
文件 "D:\ProgramData\anaconda3\lib\site-packages\langchain_core\runnables\base.py",第2862行，在 transform 方法中引发异常 e yield from self._transform_stream_with_config(
文件 "D:\ProgramData\anaconda3\lib\site-packages\langchain_core\runnables\base.py",第1880行，在 _transform_stream_with_config 方法中引发异常 e chunk: Output = context.run(next, iterator) # type: ignore
文件 "D:\ProgramData\anaconda3\lib\site-packages\langchain_core\runnables\base.py",第2826行，在 _transform 方法中引发异常 e for output in final_pipeline:
文件 "D:\ProgramData\anaconda3\lib\site-packages\langchain_core\runnables\base.py",第4722行，在 transform 方法中引发异常 e yield from self.bound.transform(
文件 "D:\ProgramData\anaconda3\lib\site-packages\langchain_core\runnables\base.py",第1283行，在 transform 方法中引发异常 e for chunk in input:
文件 "D:\ProgramData\anaconda3\lib\site-packages