Delete openai_function_calling_sample_code.py

openai_function_calling_sample_code.py

@@ -1,299 +0,0 @@
-# -*- coding: utf-8 -*-
-"""openai_function_calling_sample_code.ipynb
-
-Automatically generated by Colaboratory.
-
-Original file is located at
-    https://colab.research.google.com/drive/1FBRyZ2hTn04o_nvNDaZFtroebmN4jiz-
-
-# Function Calling  について LangChain Agent と比較しながら試してみた
-
-こちらの記事のサンプルコードになります：https://qiita.com/yu-Matsu/items/12b686fe4cab343f50b3
-
-## 必要なライブラリのインストール
-"""
-
-# !pip install openai==0.27.6
-# !pip install langchain==0.0.205
-
-"""## 一部ライブラリのインポート、APIキーの設定"""
-
-import json
-import os
-import sys
-import openai
-import dotenv
-
-dotenv.load_dotenv(".env")
-openai.api_key = os.environ.get("OPENAI_API_KEY")
-# print("OPENAI_API_KEY: ", openai.api_key)
-
-print("""## 普通にChatGPTに天気を聞いてみる""")
-
-def chat_gpt_without_functions(text):
-    response = openai.ChatCompletion.create(
-        model="gpt-3.5-turbo-0613",
-        messages=[
-            {"role": "user", "content": text},
-        ]
-    )
-    
-    content = response["choices"][0]["message"]["content"]
-    print(content)
-
-    return content
-
-print("""# 挨拶は普通に返ってくるが...""")
-chat_gpt_without_functions("こんにちは")
-
-print("""# 天気を聞いても返してくれない""")
-chat_gpt_without_functions("東京の天気を教えて")
-
-print("""## 今回利用する天気を返す関数""")
-
-print("""# locationに応じて固定値で天気を返すだけの簡単な関数""")
-def weather_function(location):
-    match location:
-      case "東京" | "Tokyo":
-        weather = "晴れ"
-      case "大阪" | "Osaka":
-        weather = "曇り"
-      case "北海道" | "Hokkaido":
-        weather = "雪"
-      case _ :
-        weather = "不明"
-
-    weather_answer = [
-        {"天気": weather}
-    ]
-
-    return json.dumps(weather_answer)
-
-print("""# 実際に Function callingを動かしてみる""")
-
-def chat_gpt_with_function(text):
-    # AIが呼び出せる関数の定義
-    functions = [
-        # 何をする関数かについて記述
-        {
-            "name": "weather",
-            "description": "天気を調べる",
-            "parameters": {
-                "type": "object",
-                "properties": {
-                    # location引数についての情報を記述
-                    "location": {
-                        "type": "string",
-                        "description": "天気を知りたい場所を入力。例: 東京",
-                    },
-                },
-                "required": ["location"],
-            },
-        }
-    ]
-
-    # ユーザーの入力から、Functions Callingが必要かどうか判断する
-    response = openai.ChatCompletion.create(
-        model="gpt-3.5-turbo-0613",
-        messages=[
-            {"role": "user", "content": text},
-        ],
-        functions=functions,
-        function_call="auto",
-    )
-
-    # Function Callingが必要なければ、そのままAIの回答になる
-    message = response["choices"][0]["message"]
-
-    # Functions Callingが必要な場合は、messageに関数名と引数を格納されている
-    if message.get("function_call"):
-
-
-        print("------function_callの中身------")
-        print(message["function_call"])
-        print("--------------------------------------")
-
-        # messageから実行する関数と引数を取得
-        function_name = message["function_call"]["name"]
-        arguments = json.loads(message["function_call"]["arguments"])
-
-        # 関数を実行
-        if function_name == "weather":
-            function_response = weather_function(
-                location=arguments.get("location"),
-            )
-
-        # 関数の実行結果を元にAIの回答を生成
-        second_response = openai.ChatCompletion.create(
-            model="gpt-3.5-turbo-0613",
-            messages=[
-                {"role": "user", "content": text},
-                message,
-                {
-                    "role": "function",
-                    "name": function_name,
-                    "content": function_response,
-                },
-            ],
-        )
-
-        content = "AIの回答: " + second_response.choices[0]["message"]["content"]
-    else:
-        content = "AIの回答: " + message["content"]
-    
-    print(content)
-    return content
-
-print("""# 挨拶をした場合は、Functionを呼び出す必要がないと判断される""")
-chat_gpt_with_function("こんにちは")
-
-print("""# 天気を聞いた場合、Functionを呼び出す必要があると判断され、関数名と引数の情報が「function_call」に格納されている""")
-chat_gpt_with_function("東京の天気を教えて")
-
-print("""## LangChain の Agent の場合""")
-
-from langchain.llms import OpenAI
-from langchain.agents import initialize_agent, Tool
-from langchain.agents.mrkl import prompt
-
-def lang_chain_agent(text):
-    llm = OpenAI(model_name='gpt-3.5-turbo-0613')
-    # toolsに利用したいToolを格納する。LangChainで用意されたToolを利用することも出来る。
-    # 代表的なTool一覧：https://book.st-hakky.com/docs/agents-of-langchain/
-    tools = [
-        Tool(
-            name = "Weather",
-            func=weather_function,
-            description="天気を知りたい場所を入力。例: 東京",
-        )
-    ]
-
-    # エージェントの準備
-    agent = initialize_agent(
-        tools,
-        llm,
-        agent="zero-shot-react-description",
-        agent_kwargs=dict(suffix='Answer should be in Japanese.' + prompt.SUFFIX),
-        verbose=True,
-        return_intermediate_steps=True)
-
-    response = agent({"input": text})
-
-    return response
-
-print("""
-# 東京の天気について質問すると、toolsで用意した「Weather」が利用され、その結果を元にAIの回答が生成されていることが分かる
-# 動作が安定しない可能性があるため、失敗する場合は何度か実行してみて下さい
-lang_chain_agent("東京の天気を教えて")
-""")
-
-print("""## LangChain で Function Calling を利用してみる""")
-
-from langchain.schema import (
-    AIMessage,
-    HumanMessage,
-    FunctionMessage
-)
-from langchain.chat_models import ChatOpenAI
-
-def lang_chain_with_function_calling(text):
-    # AIが利用する関数の定義
-    functions = [
-        # 何をする関数かについて記述
-        {
-            "name": "weather",
-            "description": "天気を調べる",
-            "parameters": {
-                "type": "object",
-                "properties": {
-                    # location引数についての情報を記述
-                    "location": {
-                        "type": "string",
-                        "description": "天気を知りたい場所を入力。例: 東京",
-                    },
-                },
-                "required": ["location"],
-            },
-        }
-    ]
-
-    # ユーザーの入力をmessagesに格納
-    messages=[HumanMessage(content=text)]
-
-    llm=ChatOpenAI(model_name='gpt-3.5-turbo-0613')
-
-    # ユーザーの入力内容から、Functions Callingが必要かどうか判断する
-    # Function Callingが必要なければ、こちらの結果がAIの回答になる
-    message = llm.predict_messages(
-        messages, functions=functions
-    )
-
-    print("==================")
-    print(message)
-    print("==================")
-
-    # Functions Callingが必要な場合は、additional_kwargsに関数名と引数を格納されている
-    if message.additional_kwargs:
-
-        # messageから実行する関数と引数を取得
-        function_name = message.additional_kwargs["function_call"]["name"]
-        arguments = json.loads(message.additional_kwargs["function_call"]["arguments"])
-
-        # 関数を実行
-        function_response = weather_function(
-            location=arguments.get("location"),
-        )
-
-        # 実行結果をFunctionMessageとしてmessagesに追加
-        function_message = FunctionMessage(name=function_name, content=function_response)
-        messages.append(function_message)
-
-        # FuncitonMessageを元に、AIの回答を取得
-        second_response = llm.predict_messages(
-            messages=messages, functions=functions
-        )
-        content = "AIの回答: " + second_response.content
-    else:
-        content = "AIの回答: " + message.content
-    
-    print(content)
-    return content
-
-print("""# 挨拶の場合は、contentにAIのレスポンスが格納されており、Functionの情報は含まれていない""")
-lang_chain_with_function_calling("こんにちは")
-
-print("""# 天気を聞いた場合、contentにAIのレスポンスは含まれず、additional_kwgargsに呼び出すFunctionの情報が格納されている""")
-lang_chain_with_function_calling("東京の天気を教えて")
-
-print("""# Agent にも対応""")
-
-from langchain.agents import AgentType
-
-def lang_chain_agent_with_function_calling(text):
-    llm = ChatOpenAI(model_name='gpt-3.5-turbo-0613')
-    # カスタムツールの登録は従来のAgentと同様
-    tools = [
-        Tool(
-            name = "Weather",
-            func=weather_function,
-            description="天気を知りたい場所を入力。例: 東京"
-        )
-    ]
-
-    # エージェントの準備
-    agent = initialize_agent(
-        tools,
-        llm,
-        agent=AgentType.OPENAI_FUNCTIONS,  # ここで、AgentType.OPENAI_FUNCTIONSを指定する
-        verbose=True,
-        return_intermediate_steps=True)
-
-    response = agent({"input": text})
-    print(response)
-    return response
-
-print("""# 挨拶の場合はFunctionが利用されていないことが実行結果（intermediate_steps）から分かる""")
-lang_chain_agent_with_function_calling("こんにちは")
-
-print("""# 天気を聞いた場合、intermediate_stepsに��AIMessageとしてFunctionが呼び出されていることが分かる""")
-lang_chain_agent_with_function_calling("今日の東京の天気を教えて")