OpenGradient

OpenGradient 是一个去中心化 AI 计算网络，支持全球可访问、无需许可和可验证的 ML 模型推理。

OpenGradient langchain 包目前提供了一个工具包，允许开发者为 OpenGradient 网络上的模型构建自定义 ML 推理工具。这以前是一个挑战，因为大型模型参数会污染上下文窗口 —— 想象一下必须给你的代理一个 200x200 的浮点数据数组！

该工具包通过将所有数据处理逻辑封装在工具定义本身中来解决这个问题。这种方法保持了代理的上下文窗口清洁，同时让开发者完全灵活地为其 ML 模型实现自定义数据处理和实时数据检索。

安装和设置

确保您拥有 OpenGradient API 密钥才能访问 OpenGradient 网络。如果您已经拥有 API 密钥，只需设置环境变量

!export OPENGRADIENT_PRIVATE_KEY="your-api-key"

如果您需要设置新的 API 密钥，请下载 opengradient SDK 并按照说明初始化新的配置。

!pip install opengradient
!opengradient config init

设置好 API 密钥后，安装 langchain-opengradient 包。

pip install -U langchain-opengradient

OpenGradient 工具包

OpenGradientToolkit 使开发者能够基于部署在 OpenGradient 去中心化网络上的 ML 模型 和 工作流 创建专用工具。这种集成使 LangChain 代理能够访问强大的 ML 功能，同时保持高效的上下文使用。

主要优势

• 🔄 实时数据集成 - 在您的工具中处理实时数据馈送

• 🎯 动态处理 - 适应特定代理输入的自定义数据管道

• 🧠 上下文效率 - 处理复杂的 ML 操作，而不会淹没您的上下文窗口

• 🔌 无缝部署 - 轻松集成已在 OpenGradient 网络上的模型

• 🔧 完全自定义 - 通过 OpenGradient SDK 创建和部署您自己的特定模型，然后从中构建自定义工具

• 🔐 可验证的推理 - 所有推理都在去中心化的 OpenGradient 网络上运行，允许用户选择各种安全方式，例如 ZKML 和 TEE，以实现无需信任、可验证的模型执行

有关详细示例和实施指南，请查看我们的综合教程。