Skip to main content
Open In ColabOpen on GitHub

Taiga

本 Notebook 提供了在 langchain_taiga 中开始使用 Taiga 工具的快速概览。有关每个工具和配置的更多详细信息，请参阅您仓库中的 docstrings 或相关的文档页面。

概览​

集成详情​

类包可序列化JS 支持最新包
create_entity_tool, search_entities_tool, get_entity_by_ref_tool, update_entity_by_ref_tool , add_comment_by_ref_tool, add_attachment_by_ref_toollangchain-taigaN/ATBDPyPI - Version

工具功能​

  • create_entity_tool: 在 Taiga 中创建用户故事、任务和问题。
  • search_entities_tool: 搜索 Taiga 中的用户故事、任务和问题。
  • get_entity_by_ref_tool: 通过参照获取用户故事、任务或问题。
  • update_entity_by_ref_tool: 通过参照更新用户故事、任务或问题。
  • add_comment_by_ref_tool: 向用户故事、任务或问题添加评论。
  • add_attachment_by_ref_tool: 向用户故事、任务或问题添加附件。

设置​

该集成位于 langchain-taiga 包中。

%pip install --quiet -U langchain-taiga
/home/henlein/Workspace/PyCharm/langchain/.venv/bin/python: No module named pip
Note: you may need to restart the kernel to use updated packages.

凭据​

此集成需要您将 TAIGA_URL、TAIGA_API_URL、TAIGA_USERNAME、TAIGA_PASSWORD 和 OPENAI_API_KEY 设置为环境变量，以便与 Taiga 进行身份验证。

export TAIGA_URL="https://taiga.xyz.org/"
export TAIGA_API_URL="https://taiga.xyz.org/"
export TAIGA_USERNAME="username"
export TAIGA_PASSWORD="pw"
export OPENAI_API_KEY="OPENAI_API_KEY"

设置 LangSmith 以获得一流的可观测性也很有帮助（但非必需）：

# os.environ["LANGSMITH_TRACING"] = "true"
# os.environ["LANGSMITH_API_KEY"] = getpass.getpass()

实例化​

下面是一个展示如何在 langchain_taiga 中实例化 Taiga 工具的示例。请根据您的具体使用情况进行调整。

from langchain_taiga.tools.discord_read_messages import create_entity_tool
from langchain_taiga.tools.discord_send_messages import search_entities_tool

create_tool = create_entity_tool
search_tool = search_entities_tool

调用​

使用参数直接调用​

下面是一个在字典中使用关键字参数调用工具的简单示例。

from langchain_taiga.tools.taiga_tools import (
    add_attachment_by_ref_tool,
    add_comment_by_ref_tool,
    create_entity_tool,
    get_entity_by_ref_tool,
    search_entities_tool,
    update_entity_by_ref_tool,
)

response = create_entity_tool.invoke(
    {
        "project_slug": "slug",
        "entity_type": "us",
        "subject": "subject",
        "status": "new",
        "description": "desc",
        "parent_ref": 5,
        "assign_to": "user",
        "due_date": "2022-01-01",
        "tags": ["tag1", "tag2"],
    }
)

response = search_entities_tool.invoke(
    {"project_slug": "slug", "query": "query", "entity_type": "task"}
)

response = get_entity_by_ref_tool.invoke(
    {"entity_type": "user_story", "project_id": 1, "ref": "1"}
)

response = update_entity_by_ref_tool.invoke(
    {"project_slug": "slug", "entity_ref": 555, "entity_type": "us"}
)


response = add_comment_by_ref_tool.invoke(
    {"project_slug": "slug", "entity_ref": 3, "entity_type": "us", "comment": "new"}
)

response = add_attachment_by_ref_tool.invoke(
    {
        "project_slug": "slug",
        "entity_ref": 3,
        "entity_type": "us",
        "attachment_url": "url",
        "content_type": "png",
        "description": "desc",
    }
)

结合 ToolCall 调用​

如果你有一个模型生成的 ToolCall，请按照下面的格式将其传递给 tool.invoke()。

# This is usually generated by a model, but we'll create a tool call directly for demo purposes.
model_generated_tool_call = {
    "args": {"project_slug": "slug", "query": "query", "entity_type": "task"},
    "id": "1",
    "name": search_entities_tool.name,
    "type": "tool_call",
}
tool.invoke(model_generated_tool_call)

链式调用​

下面是一个更完整的示例，展示了如何在链或代理与 LLM 的集成中，将 create_entity_tool 和 search_entities_tool 工具结合使用。本示例假设您有一个函数（如 create_react_agent），该函数可以设置一个 LangChain 风格的代理，使其能够在适当的时候调用工具。

# 示例：在代理中使用 Taiga 工具

from langgraph.prebuilt import create_react_agent
from langchain_taiga.tools.taiga_tools import create_entity_tool, search_entities_tool

# 1. 实例化或配置您的语言模型
# (请替换为您实际的 LLM，例如 ChatOpenAI(temperature=0))
llm = ...

# 2. 构建一个能够访问这些工具的代理
agent_executor = create_react_agent(llm, [create_entity_tool, search_entities_tool])

# 4. 制定一个可能调用一个或两个工具的用户查询
example_query = "Please create a new user story with the subject 'subject' in slug project: 'slug'"

# 5. 以流式模式执行代理（或根据您的代码结构进行执行）
events = agent_executor.stream(
    {"messages": [("user", example_query)]},
    stream_mode="values",
)

# 6. 打印模型响应（以及任何工具输出）
for event in events:
    event["messages"][-1].pretty_print()
API Reference:create_react_agent

API 参考​

请参阅以下文档字符串中的使用详情、参数和高级配置：