fala pessoal do canal sejam muito bem-vindos a mais um vídeo aqui quem vos fala é Mateus nesse vídeo de hoje a gente vai est trazendo um minicurso completo de Crew ai tá passando pela introdução a instalação da ferramenta e alguns detalhes de uso aí para você tá e aprendendo como utilizar isso no seu dia a dia beleza então pessoal já deixa aquele like comenta suas dúvidas porque eu tô sempre olhando os comentários aqui nesse vídeo e vamos pro conteúdo vamos começar aqui pelo ponto mais importante tá pessoal o que é o Crew ai o Crew A ele é um Framework ou seja um pacote de códigos tá foi criado para conseguir e manipular agentes de Inteligência Artificial ou seja conseguir controlar tarefas que vão ser realizadas ali por intermédio da inteligência artificial tá ele permite que nós utilizemos aí vários modelos de a com essa ferramenta então você pode utilizar a api do chat GPT né na versão GPT 4 ou em qualquer outra que você prefira utilizar Então você vai colocar ali a sua chave de api nele e ele vai utilizar a inteligência artificial do GPT para poder fazer tarefas no seu computador podendo acessar à internet para pesquisar coisas eh fazer funções básicas ali na sua máquina como criação de arquivo manipulação de arquivos diretórios organização eh de conteúdos ali do seu trabalho da sua empresa então um mundo de coisas tá pessoal a gente pode fazer muita tarefa muita possibilidade aí que eh São tarefas chatas do dia a dia ali de um ser humano com essa ferramenta aqui do crei beleza até criação de jogos para vocês terem uma ideia você pode simplesmente pedir e aá cria para você como já foi mostrado pelo próprio desenvolvedor dessa ferramenta Beleza então acho que eu já esclareci aqui para vocês o que é o crei Beleza a gente não precisa entrar muito em detalhes técnicos aqui até porque o nosso objetivo é facilitar para que você consiga utilizar com rapidez essa ferramenta aqui beleza então pessoal vamos passar pelos requisitos de instala que vocês vão precisar ter aí para Tá instalando o crei na sua máquina Beleza então aqui é recomendado é ter pelo menos 16 GB de Ram tá é um bom processador de 1,5 para cima tá 1,5 1,7 ou os mais avançados que tiverem Caso seja aí tua situação né tua máquina seja muito potente mas o requisito mínimo é de 16 GB de Ram e a média ali de 1,5 para cima beleza processador e o Python na versão 3. 8 ou superior a ela tá a gente tá na versão 3. 12 já do Python Então a partir da 3.
8 você já consegu instalar tá a biblioteca ali do crei que é o que a gente vai usar nesse projeto o pycharm opcional tá que é um programa é uma ide para você manipular os códigos Python que você vai utilizar para construir os seus agentes tá lembrando que eu já vou deixar um template pronto aqui para vocês tá utilizarem só copiar e colar e vocês também vão poder utilizar o LM Studio ou olama que é o que a gente vai fazer aqui nesse tutorial nesse caso pessoal como eu falei para vocês anteriormente eh você pode tá utilizando ou a ap do GPT tá que aí você não vai vai precisar ter esses requisitos aqui caso você esteja utilizando a api do chat GPT como modelo de a porque as coisas não vão ser processadas na sua máquina e sim através da ia ali do GPT tá então você só vai ter que ter uma Ram mínima ali de uns 8 GB caso você estej utilizando a ap do chat jpt para poder fazer ali as tarefas no seu computador que o modelo for realizar Tá mas caso vocês forem rodar algum modelo diar na sua máquina mesmo diretamente com o LM Studio ou com olama aí você vai precisar desse requisito aqui certo só para esclarecer para vocês que é o nosso caso então por isso que eu coloquei esse lembrete aqui vamos utilizar ou o LM Studio ou olama tá nós temos essa possibilidade de est utilizando uma dessas duas ferramentas que eu já mostrei no canal Inclusive a aula vai estar aparecendo aqui para você tá rodando algum modelo de a open source um a que você baixou aí na sua máquina e tá utilizando ao invés do GPT ou de qualquer outra tá então dessa forma o projeto inteiro vai rodar na tua máquina beleza sem custo algum custo zero de api Beleza então nesse modelo Aqui você vai ter o projeto 100% funcionando ali para você sem se preocupar com custos de api externa como a do GPT ou de qualquer outra ai só para esclarecer aqui pessoal Antes de prosseguirmos a gente vai ter que ter o Python na versão 3. 8 para cima né De preferência você já vai instalar a 3. 12 pycharm comunit que é a versão gratuita do P Charm tá acredito que seja melhor para vocês aí de repente para aqueles que não souar em Python Vai facilitar muito com os códigos que eu já vou deixar aqui vocês usarem o pycharm tá então Vai facilitar a vida de vocês por isso que eu recomendo Essa é ferramenta aqui e o LM Studio que eu já mostre mostrei aqui no canal tá Então essas são as três ferramentas que vocês vão precisar aí ter além é claro do crei que a gente vai instalar agora tá poder est funcionando aí o seu projeto Beleza então vamos seguir aqui para os passos que a gente vai estar fazendo a partir de agora que é criar um ambiente virtual pelo Pat arm ali dentro do Python instalar o crei e estruturar um agente e uma tesque com o código que eu já vou deixar disponível aí para vocês em inclusive para download aí na descrição Beleza então pessoal já tem um modelo aqui que eu havia testado que é o que eu vou deixar o template para vocês já tá configurado no LM Studio aqui tá para eu poder est utilizando só que a gente vai iniciar do zero tá a criação de tudo isso aqui então a primeira coisa que você vai fazer é Abrir aí o Pat arm tá APS ter instalado vir aqui tá na opção de file New Project tá para você criar um um ambiente virtual aqui dentro do Python Vamos dar um nome aqui pro nosso ambiente virtual vou colocar aula underline Crew ai né que é o nome da ferramenta vamos clicar aqui em Create vou pedir para ele criar a nova a janela nessa daqui tá que já está ele vai substituir a informa ação e redirecionar para o ambiente aqui virtual que a gente tá criando no Python tá que é esse aqui ó Create virtual environment criando um ambiente virtual certo que que é um ambiente virtual tá pessoal ele é como se fosse uma pasta uma bolha com a versão do Python nessa pasta que vai isolar o seu projeto quando você instala o Python no seu computador você tem ele em toda a sua máquina então tudo que você instalar que não for através de um ambiente virtual você tá instalando de forma Global então para isso a gente tem os ambientes virtuais que é uma forma mais fácil da gente controlar e gerenciar nossos projetos Python Beleza então aqui criamos o nosso ambiente virtual tá ele está vazio podem ver que não tem nenhum arquivo Vamos criar aqui um arquivo chamado clicando aqui tá em cima da da pasta do ambiente virtual Vamos criar um arquivo chamado aula crei certo mesmo nome do projeto não tem problema tá então criamos aqui um arivo Python tá com esse nome a primeiraa Como eu disse para vocês É instalarmos aqui a biblioteca do crei Então como que a gente faz isso a gente vai vir aqui ó no terminal do Python alt f12 Então pessoal clicando aqui no terminal tá a gente vai digitar PIP install cre tá damos um enter ele vai instalar aqui o projeto na sua máquina beleza ó instalou aqui tá após isso ele pede aqui ó pra gente atualizar o nosso eh fazer uma atualização aqui do Python tá então vocês podem copiar essa linha aqui e colar aqui abaixo dando um cont CRL v e dando um enter tá que ele vai atualizar aqui algumas questões do Python bem rápido tá e já retornar de volta aqui pro seu projeto seu ambiente virtual Beleza então aqui ó já instalou já fez a atualização Ok então temos aqui o projeto do crei já instalado pra gente poder tá utilizando aí beleza então agora que a gente já instalou aqui no nosso ambiente virtual o creier O que que a gente vai fazer minimizamos aqui tá essa sessão aqui do do Python minimizamos isso aqui e aí nós temos aqui a nossa área de código onde vocês vão estar colando a partir de agora um template que eu vou estar deixando aí para para vocês baixarem Beleza então eu vou puxar aqui um pouco para cá tá essa área aqui é móvel Então vou puxar um pouco para cá essa região aqui para dar mais espaço aqui pro nosso código certo e antes de mais nada pra gente não esquecer o que que nós vamos fazer vamos iniciar aqui o nosso LM Studio tá pra gente ligar a nossa api que é o que a gente vai utilizar no projeto ali do crei Beleza então ligamos aqui o nosso LM Studio vamos vir aqui na seção da api né a api local tá E aí você vai simplesmente carregar o seu modelo de ar que você queira utilizar ali com o cre ai tá então aqui eu tenho o Mistral e tenho o Code Lhama que é para código tá do baseado ali no lhama do Facebook tá aquele modelo ali só que a gente vai usar o Mistral nessa aula aqui Mistral o 7 bilhões de parâmetro e a quantização é o q6 tá porque tem o q4 e o q6 aqui dentro do LM Studio você pode dar uma olhada sobre isso e tá baixando aí ambos os modelos beleza vamos fazer o seguinte vamos clicar aqui em start server tá ele vai carregar o nosso modelo e vai iniciar a api em ambiente local aí na tua máquina para você tá utilizando Beleza então vamos aguardar aqui só ele ligar a nossa api e já voltamos para o pycharm lá pra gente tá desenrolando ali com o nosso código do crei Beleza então pessoal podemos ver aqui que ele já iniciou a nossa api tá já tá inicializada basta você Minimizar aqui a janela do LM Studio tá e voltar aqui para o pchar Então pessoal tendo configurado aí o ambiente do seu projeto tudo certo já com cre instalado a gente vai copiar aqui o código que eu vou estar deixando na descrição para vocês baixarem aí tá vamos copiar ele aqui e vamos colar tá é esse aqui beleza então colando aqui nós já podemos dar um play que ele já vai funcionar de acordo com as regras que estão aqui só que aí seria muito muito fácil né A gente só rodar um template pronto então vou explicar para vocês cada detalhe desse código aqui que assim vocês vão conseguir entender e utilizar da forma que vocês bem entender criando agentes aí para fazer as automações que você quiser Beleza então a gente a partir de agora vai e entender melhor o funcionamento aí do crei certo então antes da gente efetivamente rodar o código vamos fazer o seguinte ele já tá configurado como ele precisa est configurado aqui caso você v utilizar com o LM Studio tá para o a versão do olama eu vou trazer uma outra aula apenas uma leve alteração aqui no código Tá mas eu vou trazer uma outra aula para quem for integrar com a ferramenta do olama nessa aula aqui a gente vai est usando a versão com LM Studio e antes de você dar o play aqui no seu código O que que você vai fazer vamos clicar aqui tá pra genteal preparação do nosso ambiente aqui e prosseguir com as partes aqui do do que a gente vai fazer tá você vai clicar aqui vai vir New file pen tá é o que você vai digitar aqui a variável de sistema tá E aí nesse ponto env que que vocês vão colar vocês vão colar isso aqui ó que eu também vou est deixando aí para download tá que é esse código aqui ó o open base open Model name e Open ap ke tá que é uma configuração pessoal meio que burlando aqui né a api da Open ai pra gente utilizar ela com o LM Studio se vocês perceberem o próprio LM Studio recomenda que nós utilizemos aqui o a biblioteca da Open Ai que é para integração com o GPT Só que essa é uma biblioteca tão boa para integração com modelos llm que eles utiliz Aram ela aqui e para se basear nos modelos locais que você tiver utilizando então é a mesma biblioteca que serve para integrar com a Open ai serve nesse caso aqui beleza então por isso a gente faz essa configuração aqui e essa leve alteração no projeto Beleza então vamos lá agora a gente já pode iniciar efetivamente e rodar o projeto Se quisermos tá antes eu vou est explicando alguns pontos aqui da do código para vocês e tá utilizando ele aqui beleza então já configuramos aqui o ponto env já colamos aqui todo o nosso projeto e agora já podemos tá iniciando efetivamente aqui os estudos com base nesse Framework Beleza então vamos lá então agora turma vamos entender como que funciona um agente dentro do Crew ai beleza eh como a gente sabe o c ele é um Framework que ele vai ter várias opções ali pra gente mexer Tá então teremos um curso completo no circuito criativo que é a nossa nova comunidade que eu vou estar falando nos próximos vídeos aqui para vocês no canal e nele a gente vai ter um módulo completo de crei tá mas aqui voltando ao conteúdo do nosso minicurso o que que é um agente um agente ele é um bot né é uma idade através de uma classe tá aqui do Python que vai definir o comportamento desse bot o objetivo Central daquilo que o bot tem que fazer é um contexto tá sobre a as tarefas dele o modo que ele deve se comportar ali para fazer as coisas que você pede dentro do projeto as ferramentas que ele pode manipular dentro do seu projeto Então você vocês vão ter várias funções já já a gente vai falar sobre isso chegar na parte de Tools ali e aí você vai conseguir configurar tudo isso no agente tá então aqui ó eu criei uma variável chamada research agente O que que significa research significa pesquisador pessoal então esse agente aqui a finalidade dele vai ser um pesquisador pra gente instanciar Esse agente a gente vai usar a classe agente vai definir esses parâmetros aqui que aí ele vai se comportar de acordo as regras que a gente inseriu Beleza então já deixando claro aí para vocês eu coloquei um texto aqui ao lado que vocês provavelmente já leram essa altura aqui do tutorial mas basicamente um agente ele é um bot é uma classe né dentro do do Framework aqui onde a gente instancia um bot que será especialista em algo tá traz traduzindo aí para vocês e daí a gente vai ter aqui ó todos esses parâmetros que é o que estão aqui e o que eles fazem tá como a gente deve configurar eles então o primeiro aqui que a gente tem é o r que seria uma regra né um papel para esse bote Qual o que é a função dele aí a gente coloca aqui ó research que é pesquisador é o que tá aqui um go que é um objetivo Central Marco daquilo que ele tem que fazer então a gente descreve de maneira muito clara a a tarefa principal desse bot se ele é um pesquisador o que é que ele vai fazer aí tem aqui em inglês to Together information from the web ou seja Pegar informação da internet então ele já sabe de forma muito clara aqui que o objetivo central do agente é pegar essas informações da internet de alguma ferramenta que você esteja utilizando dentro do projeto que no caso vai ser o Duck Duck go que a gente vai estar falando daqui a pouquinho beleza e ele tem o parâmetro backstory que seria uma história um background com um texto maior explicando a esse tipo de agente sobre o comportamento né que ele vai ter na hora de fazer as ações ali então se a gente voltar aqui ó no backstory tá dizendo aqui ó você é um pesquisador web que vai atualizar informações sobre algo aqui eu cortei um pouco do print Mas ele tem uma contextualização maior sobre aquilo que o bot vai fazer tá pessoal porque aqui a gente definiu Qual o papel e com objetivo Central então ele já sabe que ele vai se comportar como um pesquisador e que ele deve pegar informações da web e aqui no backstory você vai dizer o que é isso que ele vai buscar na web e como que ele vai E estruturar essas informações oferecer mais contexto aqui para o seu bot Beleza então isso seria o backstory Lembrando que esse PDF vai est para download para vocês então Não se preocupem que vocês vão conseguir entender de forma muito clara tudo que tá aqui tá E até dar uma estudada melhor com calma também até após o tutorial aqui beleza no Tools que traduzindo aí seriam ferramentas a gente vão vai ter ali o as tanto do próprio projeto do CRE que vem ali do do L chain né que é o Framework onde o cre foi construído né todo Com base no no lch E aí você tem as ferramentas né que você pode usar no seu projeto tanto personalizadas que você mesmo Crie funções ali no Python que fazem alguma coisa específica que você desenvolveu que ainda não havia no projeto tá principal E aí você pode estar colocando essas tos dentro de uma estrutura de lista tá que é o que a gente tá fazendo aqui ó o search Tool que é uma variável que a gente distanciou lá no código que tem uma uma ferramenta do Duck Duck go que é o que ele vai usar para fazer as pesquisas já tá aqui ó tá mas se a gente adicionar uma vírgula aqui ao lado a gente pode adicionar várias outras ferramentas que esse bot vai poder est utilizando ali ao longo do do Esso quando você solicitar alguma coisa ele vai poder manipular diversas ferramentas caso você tenha instanciado aqui no bot em questão essas ferramentas para que ele possa usar beleza esse verbo aqui verbose ele é um boleano que quando verdadeiro né como tá aqui ó true né ess significa verdadeiro ele habilita a exibição de mensagens detalhadas sobre as atividades que o agente tá fazendo ali e no momento que ele tá realizando as tarefas que você pediu então ele vai retornar ali no terminal do Python as informações para você ir vendo e conseguindo eh visualizar o que é que ele já fez até o momento né antes dele terminar de fato a tarefa ele vai te explicando Olha já fiz tal pesquisa na internet já puxei tal texto já fiz isso aqui então ele vai exibindo esses eh Marcos ali no no terminal daquilo que já foi feito Beleza se você marcar ao invés de True como false ele vai entender que você não quer a exibição dessas mensagens e não vai est exibindo beleza Esse allow delegation é aceitar delegação o que seria aceitar delegação se ele permitir delegação significa que esse bote aqui vai poder eh pedir tarefas para outro bote ou seja para outro agente que você tenha dentro do seu código certo então ele vai poder durante o momento que você pediu alguma coisa ali no chat ele vai Dependendo de qual grau de complexidade essa coisa tenha eh continuar né fazendo tarefas e pedindo a outros botes especializados que você tem ali no seu projeto que realizem tarefas para ele então isso seria o alal delegation beleza aceitar que esse bot controle outros botes ou seja solicite tarefas certo então se você não quer isso Você vai deixar Sempre como false Se caso você quiser permitir você deixa como true beleza igual tá aqui então assim a gente instancia um agente tá dentro do crei pessoal com todos esses parâmetros aqui a gente já consegue definir É sobre o que aquele agente vai ser especializado beleza agora a gente vai falar das tesk né a classe tesk no crei ela é utilizada para definir tarefas específicas que os agentes que vocês já sabem o que é devem realizar né devem fazer ali cada tarefa ela é atribuída a um agente específico e contém instruções ou descrições detalhadas do que é esperado Ou seja a tarefa é aquilo que vai ser realizado pelo agente né O Agente como eu expliquei para vocês tem todas as especificações dele ali o que ele consegue fazer as ferramentas que ele pode usar E aí ele precisa de uma tarefa para que ele faça essa tarefa ele comece a utilizar as habilidades que ele tem ali para resolver essa tarefa que você pediu e uma tesque ela também é uma classe tá dentro do Python que vai representar essa entidade tarefa beleza e aí a tarefa ela vai ter dois parâmetros princip pais que é o description que vai ter a descrição né Eh que você vai explicar ali para o bot né daquilo que você quer que seja feito nessa tarefa então Eh tudo que envolve né a aquilo que você quer que seja feito ali no ambiente do seu computador que ele vai usar a para fazer isso e toda a explicação Beleza então aqui nesse caso ó a gente vê um exemplo daquele código que eu já tinha ali para vocês que eu coloquei ó me responda apenas em portuguêsbr que é uma orientação Clara que eu tô passando para o bot para ele sempre retornar as respostas em português e faça a pesquisa rápido no site infoman né Ou seja eu estou dizendo que ele vai fazer uma pesquisa no site InfoMoney e vai buscar uma informação para mim essa informação é o qu Qual a cotação atual do Bitcoin isso aqui é apenas uma exemplo tá Pessoal vocês podem pedir qualquer tipo de tarefa na hora de pesquisar por se vocês estiverem utilizando o Duck Duck GO ou qualquer outro mecanismo de pesquisa que eu vou estar falando sobre isso já já aqui para vocês e aí você vai dar sua descrição para o bot Beleza então temos aqui a Task O description que é o que tá aqui nesse exemplo E aí ele já sabe a descrição daquilo que ele tem que fazer e nessa tesque que você criou você vai definir o parâmetro Agent né que vai e buscar ali algum dos agentes que você criou no seu projeto então aqui você você vai dizer para ele Qual é o agente que você vai usar para concluir essa tarefa no caso aqui o research Agent né que é o pesquisador que a gente criou então ele tem essa descrição aqui e vai pegar a classe ali do agente pesquisador que foi justamente nessa variável aqui que a gente colocou a Instância aqui da da classe né Eh e gente beleza então Eh temos aqui a nossa configuração básica a tesque é bem simples de vocês entenderem tá pois ela só tem dois parâmetros principais a gente até consegue utilizar mais coisas aqui mas tem eh dois parâmetros principais que você sabendo ele você já consegue utilizar tá E aqui tem mais alguns textos que você pode estar dando uma pausa aí no vídeo e tá lendo tá mas no básico é isso que eu expliquei para vocês aqui com relação à tesk tá que tá sendo instanciada aqui no search tesk ou seja de pesquisa OK agora vindo aqui para o Crew antes da gente ir efetivamente aqui para o test né que a gente vai fazer aqui no tutorial o Crew ele seria a tripulação né esse Crew ele é outra classe que a gente tem que a gente tem que utilizar ali dentro do do código também e que o que que ele vai fazer ele vai carregar todos os agentes que você criou no seu código então ele vai ter aqui uma chave uma um parâmetro né um argumento aqui chamado Agents E aí você pode colocar dentro dessas desses colchetes aqui que é uma lista do Python todos os seus agentes né no caso aqui a gente só criou um no nosso código Então temos um mas caso você tivesse mais você poderia acrescentar o vírgula e ir acrescentando aqui as nomenclaturas das variáveis Onde estão esses agentes aí que você desenvolveu beleza Eh nessa estrutura de lista ou Array como também é chamada ali no jav script né Eh a gente vai definir as tasks que vocês também já sabem o que são são as tarefas que vocês vão criar ali tá com base nas classes que a gente já explicou e o verbose igual true que ele vai trazer ali os retornos no terminal daquilo que tá sendo feito pelos seus botes se você clicar como false ele não vai trazer retorno nenhum ele só vai mostrar a tarefa quando for concluída e não vai ficar retornando mensagens ali para você sobre aquilo que foi realizado até o momento dentro do seu bote Beleza então Aqui nós temos um texto ó eh a classe Crew no crei é um núcleo que reúne aites e tarefas para formar uma equipe funcional capaz de Executar a sequência de operações ou resolver problemas complexos de maneira colaborativa entre eles mesmos ou seja os agentes ali que você criou colaborando entre si né Essa classe é responsável por orquestrar o trabalho dos agentes assegurando que as tarefas sejam executadas de acordo com um processo definido com as regras que você colocou dentro do sistema Beleza o que pode incluir eh execução sequencial ou paralela de tarefas o que seria isso se você fizer sequencial ou seja ele vai esperar uma tarefa ser concluída para ir pra próxima e se for em paralelo ele vai fazer as duas tarefas ao mesmo tempo isso consome um pouco mais da sua CPU ou GPU né em alguns casos também eh e requer que você tenha uma máquina um pouco um pouco mais preparada para isso certo então é um ponto interessante e dependendo das necessidades do problema em questão é assim que ele vai agir Então dependendo daquilo que você que você solicitou ali ele pode fazer as tarefas de forma sequencial ou em paralelo Beleza então isso é é o Crew é o que vai reunir de fato os agentes né no final do seu código aqueles todos os agentes que você definiu com as regras que você definiu eh vai ser a sua tripulação de Fato né vai ser onde todos os seus Bots que você criou vai estar instanciado nessa classe aqui cre ela que vai organizar a dinâmica ali na hora de começar a fazer as tarefas que estão descritas ali no seu código certo então pessoal tendo dito isso a gente vem aqui pra parte final que é são as tos né são as ferramentas que é uma parte bem interessante que eu coloquei até um exemplo prático aqui para vocês para criar as suas próprias funções que possam ser utilizadas pelos agentes no crei você pode definir Custom Tools que seriam ferramentas customizadas né Eh utilizando a funcionalidade de Tools do Lang chain que é um Framework onde o cre a foi baseado tá então o cre ai ele é um empacotamento do Lang chain né Ele é um um um Framework derivado de outro Framework Beleza então só título de curiosidade aí para vocês Beleza então esse Custom Tools permite que você faça a interação né com funcionalidades específicas que você criou aí no seu código e lógicas de negócios personalizadas que eh seus agentes né o código dos agentes que você tiver aqui no crei vão poder invocar né Ou seja vão poder usar Essas funções que você criou durante a realização das tarefas no momento que ele tiver concluindo alguma função que você passou para ele ali Beleza então eh a gente tem um exemplo aqui né que ele vai criar aqui pra gente então supõe que você queira criar uma ferramenta chamada multiplier que tem como objetivo multiplicar números você pode fazer isso utilizando decorador Tool que é esse decorador que tá aqui ó com @ a função do Python igual qualquer função que você crie em um código normal não necessariamente no crei que é o quê usando a palavra reservada Def pra gente definir a função aqui a gente passa os argumentos dessa função no caso aqui só tem um né que é o numbers que seria um número né a gente já tá definindo aqui qual o tipo de de dado que esse argumento vai receber aqui tá E aí ele tá fazendo aqui um exemplo pra gente Ele criou uma função chamada multipl ele tá descrevendo aqui ó entre aspas duplas três vezes né Eh o que é que a função faz porque isso é importante porque quando seu agente for utilizar essa ferramenta para fazer alguma tarefa que você solicitou Ele precisa saber exatamente eh como a sua função funciona como que ela deve ser utilizada dentro do Python então aqui ó a gente tem uma descrição eh sobre a função em inglês multiplica dois números juntos eh a fala aqui um pouco sobre a entrada de dados né como que ele processa as informações que você vai passar como argumento aqui eh aí ele tem aqui uma descrição do que tá sendo feito aqui embaixo separa os números com base na vírgula tá eh converte os números para float e realiza a multiplicação ele aceita que você passe uma string aqui que ele vai transformar para número flutuante e vai fazer toda uma conversão aqui para poder te retornar o resultado e e multiplicar dois números eh que tão separados por vírgula Beleza então esse isso seria a função que tá aqui beleza então no momento que você tiver utilizando o seu agente você vai poder a partir do momento que você criou isso aqui dentro do seu código vir no momento que você tiver ali eh instanciando Um Agente né um Agent e vir aqui em TS colocar uma vírgula aqui ó ao lado das suas ferramentas e o nome da da função né da variável onde está a função que você criou para ser utilizada aqui dentro do código então isso vai ser usado sempre no Tools beleza e aqui ó nós percebemos que para usar isso você tem que fazer a importação do leng Chen que já é instalado no momento que você faz a instalação do crei o leng ele é instalado ali dentro do do seu projeto eh a importação da ferramenta Tool tá então e isso já tem no projeto é só você utilizar esse código você vai poder usar esse decorator aqui ó que é um um decorador de funções que vai poder acoplar essa sua funcionalidade que você criou ao projeto Beleza então temos aqui a integração né um exemplo da Integração de um Atol como eu falei para vocês aqui ó multiplier Tool criação de registro da ferramenta e definição do a gente com a ferramenta customizada pode perceber aqui ó o agente com a classe Agent e no Tools usando aqui a ferramenta eh multiplier Tool tá que a gente também pode est utilizando a classe Tool que é permite que nós criemos aqui uma uma ferramenta Beleza então você pode como eu falei para vocês pessoal é uma ferramenta ainda relativamente nova o crei então tem várias formas que até eu mesmo tô aprendendo de como utilizar isso aqui essa forma que eu acabei de explicar para vocês a gente pode utilizar com um decorator tá E essa outra que eu deixei aqui ó a gente pode ter também uma classe Tool que você vai instanciar ela numa variável aqui ó como vocês podem ver dá o nome para essa sua eh essa sua função que você tá criando aqui a o name funk que é onde você vai jogar a função de fato multiplier que aí você vai ter que criar ela aqui abaixo né colocar o Def multiplier e as regras da sua função igual a gente tem aqui ó as regras dela e a description né O que que essa função faz então a gente também pode utilizar dessa forma aqui tá E aí ele vai pegar a variável Onde você tá instanciando essa classe e utilizar ali dentro do Tools do agente beleza Como vocês podem ver vocês podem dar um pause também baixar o pdf aí que vai ser muito M bom a título de estudo aí para vocês estarem utilizando Beleza então pessoal agora que eu já expliquei tudo para vocês vamos efetivamente aqui para a mão na massa né fazer aqui a utilização do código do crei Beleza então vamos lá então pessoal agora nós vamos estar utilizando de fato aqui o crei tá com o código que eu deixei template aí para vocês e eu só fiz algumas leves alterações que eu vou estar comentando antes da gente dar um play aqui e ver o projeto funcionando beleza então vamos lá primeira coisa que eu fiz foi importar aqui ó lchin P Tools Import Tool pra gente poder usar isso que eu acabei de explicar para vocês aí na nossa parte e de explicações né aqui sobre o Lang chain que é criar uma função que foi o que eu fiz que ela vai retornar a cotação atual do Bitcoin então eu usei esse decorit aqui conforme o crei fala na documentação deles tô chamando um api utilizando aqui o requests do Python que é uma biblioteca síncrona né onde a gente lida com requisições API de forma síncrona eh a gente tem aqui a estruturação tá que ele vai puxar dessa cotação de moedas é uma p bem simples de se usar certo e aí eu pedi pro GPT e ele já criou isso aqui para mim por que que eu pedi para o GPT porque ele já vai criar automaticamente para você a descrição da sua função que é uma parte um pouco chata você ter que ficar escrevendo de fato aquilo que a sua função faz então você já joga aqui ó e ele cria a função principalmente em inglês que é o jeito que eu particularmente gosto de utilizar porque ele se comporta melhor com o idioma inglês pessoal os llms a maioria deles são criados no inglês então se você colocar descrição aqui dentro da sua função no idiome inglês o seu agente vai conseguir entender melhor na hora de fazer as funções ali Beleza então expliquei para ele aqui que eu queria a função puxar a cotação de moedas até pensei em utilizar aqui a doome api só que por padrão ele já recomendou aqui a gente utilizar uma outra que é a do coing gecko mas caso eu quisesse utilizar essa aqui eu poderia pegar isso aqui jogar aqui no GPT para ele entender como que a requisição tá sendo feita e ele já montaria a minha função para isso Beleza então aqui abaixo nós temos também o nome do da regra do agente em inglês e o go também em inglês certo aqui ele tá pegando as ferramentas do Tools que é uma variável que tá aqui acima que vai pegar buscar cotação Bitcoin que é justamente a função que a gente tem aqui certo e as outras coisas que a gente precisa aqui abaixo que é a tesc que tá instanciada nessa variável fat Bitcoin Price Task com a descrição o agente que eu já falei para vocês tá na tesk e mais um parâmetro que eu ainda não expliquei que é o expected output o que é que esse expected output é pessoal é a saída esperada da tarefa que você tá instruindo aqui então você diz olha como resultado dessa minha tarefa eu quero que você crie um arquivo no meu computador por exemplo ou eu quero que você me retorne e uma estrutura desse jeito aqui com os dados Que você obteve aí na sua pesquisa ou com aquela tarefa que você realizou crie esse arquivo ou então me retorne um texto ou então envie eh alguma mensagem para algum lugar através de um api enfim pessoal você pode fazer muitas coisas descrevendo aqui como tem que ser a sua saída né O expected output que é o que tá aqui na tesk tá na nossa tarefa que a gente tá entregando para ele beleza então já temos aqui o nosso bot configurado no final aqui ele tá com o Crew que tá com o agente que é escripto agente aqui e o a tesque que é essa tesque aqui beleza ele já tá configurado pra gente colocar ele para funcionar no mais daqui para cima Vocês deixam como tá tá o open ey base como eu já expliquei para vocês mantendo aqui o ponto env que é o que a gente criou lá no início da aula isso aqui e aí vocês vão mexer nessa parte de Tool nas regras que eu já expliquei para vocês e aquilo que vocês não souberem ou Vocês participam do circuito criativo já fazendo uma propaganda aqui que vai ter muita coisa top para vocês que eu ainda vou explicar e também tem o crei assistente que é um assistente né um GPT aqui no na Open ai tá no no próprio chat GPT que você pode estar tirando algumas dúvidas eu vi que a documentação do CREA ela não tá de toda completa Então esse bot aqui ele sabe um conteúdo que tá lá na documentação tá mas ainda é algo limitado pois tem coisas que dá para fazer bastante interessante que eu perce recebi com essa ferramenta aqui coisas essas que eu vou estar colocando também no circuito criativo em mais aulas aqui no canal Então já deixa seu like que é para eu trazer mais sobre esse Framework aqui e vamos testar efetivamente agora tá pessoal vamos lá vou clicar aqui no aula crei tá ele vai iniciar aqui a nossa tarefa certo retornou um erro aqui pra gente Deixa eu só entender isso aqui jogar direto no GPT para ver o que é que ele retorna pra gente não perder tempo aqui na aula ah pessoal ele precisa do backstory tá então por isso que [Música] ele por isso que ele não prosseguiu com a tarefa a gente esqueceu de passar o argumento que não é opcional ele tem que ser obrigatório né do backstory certo então agora ele vai consertar o agente aqui sempre vocês vão ter erros aí no seu código tá então importante é manter cabeça fria e voltar aqui e fazer a correção certo ainda mais com a tecnologia agora que a gente tem aí ao nosso alcance e agora nós podemos clicar novamente aqui e ele vai est iniciando a chamada pro LM Studio tá se a gente clicar aqui ó LM Studio que tá aqui abaixo não sei se vocês estão conseguindo ver aí ó veio aqui a chamada para LM Studio aqui ó fetch the currency price of Bitcoin né então ele fez a chamada tá produzindo aqui a resposta tá o Python ele tá retornando aqui pra gente o que tá sendo feito pelo bot até o momento porque o verbose tá igual a true então ele vai sempre retornando que foi feito E aí ele vai efetivar as tarefas olhando aqui pelo pelo LM Studio Vocês conseguem ver e quando que ele já tá gerando a segundo ou a terceira resposta também basta ficar de olho nisso aqui que ele vai atualizando aqui ó o nome e a gente Aguarda um pouco até ele concluir a tarefa beleza não vou colocar cortes aqui tá tentar diminuir aqui a a janela deixar lado a lado certo ele já fez outra chamada Aqui como vocês podem ver a primeira resposta já foi gerada continuando aqui a tarefa para gerar de fato a resposta final beleza vamos aguardar aqui aqui ó pessoal como vocês podem ver ele retornou a resposta tá trouxe aqui ó que a tarefa foi concluída e ele mostra aqui como a resposta final The current Bitcoin Price is eh 68.
84 2 que é a cotação atual do Bitcoin certo então ele trouxe de fato a cotação da moeda retornou a resposta pro usuário e vai gerar mais uma resposta aqui tá ele tá concluindo só um parecer que ele vai colocar aqui como resposta final mas a gente já percebe que ele trouxe aqui de fato o resultado pra gente beleza então a partir desse exemplo vocês podem est criando várias outras coisas que podem ser úteis aí para vocês Beleza então aqui ó finalizado tesk output the current price of Bitcoin is 8.
