上一篇我們實做了zero-shot react description，本篇我們繼續實作其他AgentType!

我們就先來實作上篇有介紹過的Self-Ask with Search，也就是能夠使用搜尋tool去得到外部資料再進行推理的Agent

首先在搜尋工具的選擇上，我選擇SerpApi，這邊先來介紹一下這是什麼

SerpApi

SerpApi就是一個提供了Google以及其他搜尋引擎的搜尋API，並且支援多種形式，像是Google Maps、 Google Image、Youtube等等，再以JSON檔回傳搜尋結果。
我們就能使用這個搜尋API，和LangChain、Agent結合，創造出一個自帶搜尋功能的Agent!

首先我們要先去SerpApi官網註冊一個帳號，並申請到自己的Api Key
free plan都會有一百次搜尋可以使用~

然後將Key複製下來，我們在專案中打上

import os
os.environ["SERPAPI_API_KEY"] = "SERPAPIKEY" # 在這邊將你的key複製上來

這樣就將Api Key設置好了!

接著我們一樣先將tool寫出來，這邊有兩種寫法，第一種就是和前一篇一樣，將我們的tool自行創建出來，在func這邊寫上搜尋函數並寫上description

from langchain.agents import initialize_agent, Tool
from langchain.agents import AgentType
from langchain_community.chat_models.ollama import ChatOllama
from langchain.utilities import SerpAPIWrapper

# 創建SerpApi工具
search_tool = Tool(
    name="Search",
    func=SerpAPIWrapper().run,
    description="Search for information on the web when you need more context or details."
)

另一種寫法就是用Langchain裡的load_tools這個class，裡面就是有事先集成了很多工具，像是AzureAIService、File Management、GitHub等等，我們要用的SerpApi也在其中，所以我們這邊就可以直接用load tools直接將他載入進來

from langchain.agents import load_tools

search_tool = load_tools(["serpapi"])

這樣就可以直接讓Agent去用了~
他的name、description都已經配置好了不用擔心!都已經配置好了不用擔心!

那接下來我們就將Agent創建出來~

# 初始化AgentExecutor
agent_executor = initialize_agent(
    tools=[search_tool],
    llm=llm,
    agent=AgentType.SELF_ASK_WITH_SEARCH,
    verbose=True
)

# 測試 Agent with 兩個問題
question = "What day is today? Also, what happened on this day in history?"
response = agent_executor.run(question)
print(response)

print出來的結果都正確沒問題的話，
這樣我們就成功作到SELF_ASK_WITH_SEARCH 並且讓Agent with搜尋工具了!
並且verbose有 = true，這邊也可以看到模型詳細搜尋解題的細節!

SerpApi官網