Update README.md

README.md

@@ -21,24 +21,48 @@ This gemma2 model was trained 2x faster with [Unsloth](https://github.com/unslot
 
 [<img src="https://raw.githubusercontent.com/unslothai/unsloth/main/images/unsloth%20made%20with%20love.png" width="200"/>](https://github.com/unslothai/unsloth)
 
--- teste esse codigo com o prompt modificado para realizar chamadas de funcao
 
-from langchain.agents import AgentType, initialize_agent, load_tools
+---
+
+```markdown
+# Agente de Chamada de Função com LangChain e Prompt Personalizado
+
+Este projeto implementa um agente baseado em LangChain com um prompt personalizado para realizar chamadas de função, utilizando o modelo `GEMMA-2-2B-it-GGUF-function_calling` hospedado no Hugging Face.
+
+## Descrição
+
+O código cria um agente que utiliza ferramentas personalizadas e um modelo de linguagem para responder perguntas com base em um fluxo estruturado de pensamento e ação. Ele inclui uma ferramenta personalizada (`get_word_length`) que calcula o comprimento de uma palavra e um prompt ReAct modificado para guiar o raciocínio do agente.
+
+## Pré-requisitos
+
+- Python 3.8+
+- Bibliotecas necessárias:
+  ```bash
+  pip install langchain langchain-ollama
+  ```
+
+## Código
+
+Aqui está o código principal:
+
+```python
 from langchain.agents import AgentExecutor
-from langchain.agents import tool, load_tools, create_react_agent
+from langchain.agents import tool, create_react_agent
 from langchain import hub
-import os
 from langchain_ollama.llms import OllamaLLM
 from langchain.prompts import PromptTemplate
 
-# Criar tool personalizada
+# Definir o modelo
+MODEL = "hf.co/vinimuchulski/GEMMA-2-2B-it-GGUF-function_calling:latest"
+llm = OllamaLLM(model=MODEL)
+
+# Criar ferramenta personalizada
 @tool
 def get_word_length(word: str) -> int:
-    """Returns the length of a word."""
+    """Retorna o comprimento de uma palavra."""
     return len(word)
 
-MODEL = "hf.co/vinimuchulski/GEMMA-2-2B-it-GGUF-function_calling:latest"
-
+# Definir prompt personalizado
 custom_react_prompt = PromptTemplate(
     input_variables=["input", "agent_scratchpad", "tools", "tool_names"],
     template="""Answer the following questions as best you can. You have access to the following tools:
@@ -70,12 +94,12 @@ Question: {input}
 Thought: {agent_scratchpad}"""
 )
 
-# Formatar as ferramentas para o prompt
+# Configurar ferramentas
 tools = [get_word_length]
 tools_str = "\n".join([f"{tool.name}: {tool.description}" for tool in tools])
 tool_names = ", ".join([tool.name for tool in tools])
 
-# Criar o agente com o prompt personalizado
+# Criar o agente
 agent = create_react_agent(
     tools=tools,
     llm=llm,
@@ -90,7 +114,10 @@ agent_executor = AgentExecutor(
     handle_parsing_errors=True
 )
 
-# Testar
-question = "What is the length of the word PythonDanelonAugustoTrajanoRomanovCzarVespasianoDiocleciano ?"
+# Testar o agente
+question = "What is the length of the word PythonDanelonAugustoTrajanoRomanovCzarVespasianoDiocleciano?"
 response = agent_executor.invoke({"input": question})
 print(response)
+```
+
+