CLIとGradioの共存

app.py

@@ -1,4 +1,5 @@
 # 必要なモジュールをインポート
+import gradio as gr
 import os
 import sys
 import json
@@ -27,8 +28,8 @@ def fetch_folklore(location):
     # CSVファイルからデータを読み取り、地点をキー、伝承を値とする辞書を作成
     with open('folklore.csv', 'r') as f:
         reader = csv.DictReader(f)
-        folklore_lookup = {row['location']:row['folklore'] for row in reader}
-        
+        folklore_lookup = {row['location']: row['folklore'] for row in reader}
+
     # 指定された地点の伝承を返す。存在しない場合は不明を返す。
     return folklore_lookup.get(location, "その地域の伝承は不明です。")
 
@@ -39,17 +40,18 @@ def get_response_from_lang_chain_agent(query_text):
     tools = [
         # 民間伝承を取得するToolを作成
         Tool(
-            name = "Folklore",
+            name="Folklore",
             func=fetch_folklore,
-            description="伝承を知りたい施設や地名を入力。例: 箱根寄木細工",
+            description="伝承を知りたい施設や地名を入力。例: 箱根",
         )
     ]
     # エージェントを初期化してから応答を取得
-    agent = initialize_agent(tools, language_model, agent="zero-shot-react-description", verbose=True, return_intermediate_steps=True)
+    agent = initialize_agent(tools, language_model, agent="zero-shot-react-description",
+                             verbose=True, return_intermediate_steps=True)
     response = agent({"input": query_text})
     return response
 
-# 関数呼び出しからレスポンスを取得する関数
+# Function Callingからレスポンスを取得する関数
 def get_response_from_function_calling(query_text):
     function_definitions = [
         # 関数の定義を作成
@@ -61,33 +63,36 @@ def get_response_from_function_calling(query_text):
                 "properties": {
                     "location": {
                         "type": "string",
-                        "description": "伝承を知りたい施設や地名。例: 箱根寄木細工",
+                        "description": "伝承を知りたい施設や地名。例: 箱根",
                     },
                 },
                 "required": ["location"],
             },
         }
     ]
-    messages=[HumanMessage(content=query_text)]
+    messages = [HumanMessage(content=query_text)]
     language_model = ChatOpenAI(model_name='gpt-3.5-turbo-0613')
     # 言語モデルを使ってメッセージを予測
-    message = language_model.predict_messages(messages, functions=function_definitions)
-    
+    message = language_model.predict_messages(
+        messages, functions=function_definitions)
+
     if message.additional_kwargs:
         # 関数の名前と引数を取得
         function_name = message.additional_kwargs["function_call"]["name"]
         arguments = message.additional_kwargs["function_call"]["arguments"]
-        
+
         # JSON 文字列を辞書に変換
         arguments = json.loads(arguments)
-        
+
         # 関数を実行してレスポンスを取得
         function_response = fetch_folklore(location=arguments.get("location"))
         # 関数メッセージを作成
-        function_message = FunctionMessage(name=function_name, content=function_response)
+        function_message = FunctionMessage(
+            name=function_name, content=function_response)
         # 関数のレスポンスをメッセージに追加して予測
         messages.append(function_message)
-        second_response = language_model.predict_messages(messages=messages, functions=function_definitions)
+        second_response = language_model.predict_messages(
+            messages=messages, functions=function_definitions)
         content = "AIの回答: " + second_response.content
     else:
         content = "AIの回答: " + message.content
@@ -99,63 +104,67 @@ def get_response_from_function_calling_agent(query_text):
     tools = [
         # 民間伝承情報を提供するツールの追加
         Tool(
-            name = "Folklore",
+            name="Folklore",
             func=fetch_folklore,
-            description="伝承を知りたい施設や地名を入力。例: 箱根寄木細工"
+            description="伝承を知りたい施設や地名を入力。例: 箱根"
         )
     ]
     # エージェントの初期化とレスポンスの取得
-    agent = initialize_agent(tools, language_model, agent=AgentType.OPENAI_FUNCTIONS, verbose=True, return_intermediate_steps=True)
+    agent = initialize_agent(tools, language_model, agent=AgentType.OPENAI_FUNCTIONS,
+                             verbose=True, return_intermediate_steps=True)
     response = agent({"input": query_text})
     return response
 
 # メインの実行部分
-def main(query_text):
-    print(f"Input: {query_text}")
-    
-    # LangChainエージェントからのレスポンス
-    response = get_response_from_lang_chain_agent(query_text)
-    print(f"Output of LangChain Agent: {response}")
-    
-    # 関数呼び出しからのレスポンス
-    response = get_response_from_function_calling(query_text)
-    print(f"Output of Function Calling: {response}")
-    
-    # Function Callingエージェントからのレスポンス
-    response = get_response_from_function_calling_agent(query_text)
-    print(f"Output of Function Calling Agent: {response}")
 
-import gradio as gr
 
-def main(query_text):
-    # LangChainエージェントからのレスポンス
-    response1 = get_response_from_lang_chain_agent(query_text)
+def main(query_text, function_name="all"):
 
-    # 関数呼び出しからのレスポンス
-    response2 = get_response_from_function_calling(query_text)
-    
-    # Function Callingエージェントからのレスポンス
-    response3 = get_response_from_function_calling_agent(query_text)
+    response1 = ""
+    response2 = ""
+    response3 = ""
     
+    if function_name == "all" or function_name == "langchain":
+        # LangChainエージェントからのレスポンス
+        response1 = get_response_from_lang_chain_agent(query_text)
+        print(response1)
+
+    if function_name == "all" or function_name == "functioncalling":
+        # Function Callingからのレスポンス
+        response2 = get_response_from_function_calling(query_text)
+        print(response2)
+
+    if function_name == "all" or function_name == "functioncallingagent":
+        # Function Callingエージェントからのレスポンス
+        response3 = get_response_from_function_calling_agent(query_text)
+        print(response3)
+
     return response1, response2, response3
 
-# gr.Interface()を使ってユーザーインターフェースを作成します
-# gr.inputs.Text()はテキスト入力ボックスを作成し、
-# gr.outputs.Textbox()は出力テキストを表示するためのテキストボックスを作成します。
-iface = gr.Interface(fn=main, inputs=gr.inputs.Textbox(lines=5, placeholder="質問を入力してください"), 
-                     outputs=[gr.outputs.Textbox(label="LangChain Agentのレスポンス"),
-                              gr.outputs.Textbox(label="関数呼び出しのレスポンス"),
-                              gr.outputs.Textbox(label="Function Calling Agentのレスポンス")])
-
-# インターフェースを起動します
-iface.launch()
-
-# # スクリプトが直接実行された場合にmain()を実行
-# if __name__ == "__main__":
-#     try:
-#         query_text = sys.argv[1]
-#     except IndexError:
-#         print("使い方: python app.py '質問の文字列'")
-#         print("　　例） python app.py '醍醐寺の伝承を教えて'")
-#         sys.exit()
-#     main(query_text=query_text)
+
+# スクリプトが直接実行された場合にmain()を実行
+if __name__ == "__main__":
+    if len(sys.argv) == 2:
+        query_text = sys.argv[1]
+        main(query_text=query_text)
+    elif len(sys.argv) > 2:
+        query_text = sys.argv[1]
+        function_name = sys.argv[2]
+        main(query_text=query_text, function_name=function_name)
+    else:
+        # gr.Interface()を使ってユーザーインターフェースを作成します
+        # gr.Text()はテキスト入力ボックスを作成し、
+        # gr.Textbox()は出力テキストを表示するためのテキストボックスを作成します。
+        iface = gr.Interface(
+            fn=main,
+            inputs=gr.Textbox(
+                lines=5, placeholder="質問を入力してください"),
+            outputs=[
+                gr.Textbox(label="LangChain Agentのレスポンス"),
+                gr.Textbox(label="Function Callingのレスポンス"),
+                gr.Textbox(label="Function Calling Agentのレスポンス")
+            ]
+        )
+
+        # インターフェースを起動します
+        iface.launch()