LLM Tool Use with LangChain

Nauczysz się budować systemy LLM rozszerzone o narzędzia (tool-augmented) — od zrozumienia, dlaczego modele LLM potrzebują zewnętrznych narzędzi, przez tworzenie własnych narzędzi w formie funkcji Python, aż po implementację pojedynczych, równoległych i szeregowych wzorców wywoływania narzędzi (tool calling patterns) — co pozwoli Ci rozszerzyć możliwości modeli LLM poza samo generowanie tekstu o pobieranie informacji, wykonywanie obliczeń i podejmowanie działań.

Nauczysz się budować narzędzia łączące modele LLM z zewnętrznymi interfejsami API — od zrozumienia podstaw architektury REST i metod HTTP po implementację niezawodnych narzędzi typu API wrapper z właściwą obsługą błędów — co umożliwi Ci zapewnienie modelom LLM dostępu do danych w czasie rzeczywistym oraz usług zewnętrznych.

Nauczysz się wykorzystywać gotowe narzędzia od dostawców LLM oraz ekosystem Model Context Protocol (MCP) — od konfigurowania narzędzi hostowanych przez dostawców, takich jak wyszukiwanie w sieci, po łączenie serwerów MCP dla usług takich jak Slack i GitHub — co pozwoli Ci na szybkie dodawanie nowych możliwości do Twoich aplikacji oraz decydowanie, kiedy korzystać z narzędzi zarządzanych, a kiedy budować własne rozwiązania.