前天我們讓 Agent 可以使用工具「思考 + 行動」。

今天，我們要讓使用者可以直接跟 Agent 對話，建立一個簡單的互動介面。

這時候就用到 Gradio，可以快速做 Web 聊天界面。

安裝 Gradio

pip install gradio

實作

我們使用前天的 Gemini LLM + Tools Agent。

用我們上次的code已經有：

import os, requests, time
import gradio as gr
from langchain.text_splitter import CharacterTextSplitter
from langchain_community.embeddings import HuggingFaceEmbeddings
from langchain.vectorstores import FAISS
from langchain.tools import Tool
from langchain_google_genai import ChatGoogleGenerativeAI
from langchain.agents import initialize_agent, AgentType

# -------------------------------
# 1. API Key 設定
# -------------------------------

os.environ["GOOGLE_API_KEY"] = ""  # Gemini API Key
API_KEY = ""  # OpenWeatherMap API Key
UNITS = "metric"  # 攝氏溫度
LANG = "zh_tw"


### 建立文件知識庫（FAQ）

# 讀取 FAQ 文件
with open("faq.txt", "r", encoding="utf-8") as f:
    text = f.read()

# 切分文字
text_splitter = CharacterTextSplitter(chunk_size=200, chunk_overlap=50)
docs = text_splitter.create_documents([text])

# 建立 Embeddings 與向量資料庫
embeddings = HuggingFaceEmbeddings(model_name="all-MiniLM-L6-v2")
vectorstore = FAISS.from_documents(docs, embeddings)


### Python 計算工具


#建立工具
def calculate(expression: str) -> str:
    try:
        return str(eval(expression))
    except Exception as e:
        return f"計算錯誤：{e}"
#建立工具(定義)
calc_tool = Tool(
    name="Calculator",
    func=calculate,
    description="可以計算數學運算式，例如 2+3*5"
)


### Python 天氣查詢 API

# 查詢天氣
def get_weather(city: str, retries: int = 3, delay: int = 2) -> str:
    """
    取得指定城市天氣資訊，若失敗會重試。
    :param city: 城市名稱
    :param retries: 最大重試次數
    :param delay: 每次重試間隔秒數
    """
    url = "https://api.openweathermap.org/data/2.5/weather"
    params = {
        "q": city,
        "appid": API_KEY,
        "units": UNITS,
        "lang": LANG
    }

    for attempt in range(1, retries + 1):
        try:
            response = requests.get(url, params=params, timeout=10)
            data = response.json()

            if data.get("cod") == 200:
                city_name = data["name"]
                weather_desc = data["weather"][0]["description"]
                temp = data["main"]["temp"]
                temp_min = data["main"]["temp_min"]
                temp_max = data["main"]["temp_max"]
                return f"{city_name} 天氣：{weather_desc}, 現在 {temp}°C (範圍 {temp_min}°C ~ {temp_max}°C)"
            else:
                print(f"⚠️ 第 {attempt} 次失敗: {data.get('message', '未知錯誤')}")
        
        except Exception as e:
            print(f"⚠️ 第 {attempt} 次發生錯誤: {e}")

        # 若還有剩餘重試次數，等待後重試
        if attempt < retries:
            time.sleep(delay)

    return f"取得天氣資料失敗：重試 {retries} 次後仍無法獲取 {city} 的天氣"

#查詢天氣(定義)
weather_tool = Tool(
    name="Weather",
    func=get_weather,
    description="查詢指定城市的天氣，例如：'台北' 或 'Tokyo'，如果抓到的為中文請轉英文回傳結果時再轉中文"
)


### 取用知識庫（FAQ）

def search_faq(query: str) -> str:
    docs = vectorstore.similarity_search(query, k=3)
    if not docs:
        return ""
    return "\n".join([doc.page_content for doc in docs])

faq_tool = Tool(
    name="FAQ",
    func=search_faq,
    description="查詢公司 FAQ 文件，用於回答技術或產品相關問題"
)

### 初始化 Gemini LLM & 初始化 Agent


llm = ChatGoogleGenerativeAI(model="gemini-2.5-flash", temperature=0)

#初始化 Agent
agent = initialize_agent(
    tools=[calc_tool, weather_tool, faq_tool],
    llm=llm,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True
)

#-------------------------------
#RAG + Agent 混合函數
#-------------------------------
# Hybrid agent
def hybrid_agent(query: str) -> str:
    context = search_faq(query)
    if context:
        augmented_query = f"FAQ內容如下：\n{context}\n\n問題：{query}\n你可以使用 FAQ 或工具來回答。"
        return agent.run(augmented_query)
    return agent.run(query)

到目前為止除了一開始的import的部分都跟前天的內容一樣!
下面是我們要將這些功能放到Gradio UI，方便用web觀看

# Gradio
iface = gr.Interface(
    fn=hybrid_agent,
    inputs=gr.Textbox(lines=2, placeholder="請輸入問題或指令..."),
    outputs="text",
    title="FAQ + 計算 + 天氣 AI 助手",
    description="這是一個可以查詢 FAQ、計算數學、查詢天氣的 AI Agent"
)

if __name__ == "__main__":
    iface.launch()

使用方式

1. 執行程式後，Gradio 會在瀏覽器開啟介面 ex:http://127.0.0.1:7860/
2. 使用者在文字框輸入問題或指令
3. Agent 根據問題，自動判斷是否要使用工具
4. 回答結果即時顯示在介面上

範例指令：

• "請幫我算 15 * 7" → Agent 自動用計算工具
• "你好，你能介紹一下 LangChain 嗎？" → Agent 用 LLM 回答

執行結過:

今日小結

今天你學會了：

1. Gradio 的基本使用方法 —— 快速建立 Web 聊天介面。
2. 將 Gemini LLM Agent 與工具整合到 Web 介面 —— FAQ、計算、天氣工具都能被 Agent 使用。
3. 使用者可以直接跟 Agent 對話 —— AI 會自動判斷是否要使用工具來回答問題。

恭喜你！🎉
到這裡，你已經完成一個可以 思考 + 行動 + 互動 的完整 AI Agent 系統。

明天我們會做第二週總結，回顧規則型 Agent 與 LLM Agent 的差異，並分享一些心得與應用小技巧。