跳到主要内容
Open In ColabOpen on GitHub

Github 工具包

Github 工具包包含使 LLM 代理能够与 github 存储库交互的工具。该工具是 PyGitHub 库的包装器。

有关所有 GithubToolkit 功能和配置的详细文档，请访问 API 参考。

设置​

在高层次上，我们将

  1. 安装 pygithub 库
  2. 创建 Github 应用程序
  3. 设置您的环境变量
  4. 使用 toolkit.get_tools() 将工具传递给您的代理

如果您想从各个工具的运行中获得自动跟踪，您还可以通过取消注释下方内容来设置您的 LangSmith API 密钥

# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"

安装​

1. 安装依赖项​

此集成在 langchain-community 中实现。我们还需要 pygithub 依赖项

%pip install --upgrade --quiet  pygithub langchain-community

2. 创建 Github 应用程序​

按照此处的说明 创建和注册 Github 应用程序。确保您的应用程序具有以下 存储库权限：

  • 提交状态（只读）
  • 内容（读取和写入）
  • 问题（读取和写入）
  • 元数据（只读）
  • 拉取请求（读取和写入）

注册应用程序后，您必须授予您的应用程序访问您希望其操作的每个存储库的权限。在 github.com 此处 使用应用程序设置。

3. 设置环境变量​

在初始化您的代理之前，需要设置以下环境变量

  • GITHUB_APP_ID- 在您应用程序的常规设置中找到的六位数字
  • GITHUB_APP_PRIVATE_KEY- 您的应用程序私钥 .pem 文件的位置，或该文件的完整文本字符串。
  • GITHUB_REPOSITORY- 您希望您的机器人操作的 Github 存储库的名称。必须遵循 {username}/{repo-name} 格式。确保首先将应用程序添加到此存储库！
  • 可选：GITHUB_BRANCH- 机器人将在其中进行提交的分支。默认为 repo.default_branch。
  • 可选：GITHUB_BASE_BRANCH- 您的存储库的基础分支，PR 将基于此分支。默认为 repo.default_branch。
import getpass
import os

for env_var in [
    "GITHUB_APP_ID",
    "GITHUB_APP_PRIVATE_KEY",
    "GITHUB_REPOSITORY",
]:
    if not os.getenv(env_var):
        os.environ[env_var] = getpass.getpass()

实例化​

现在我们可以实例化我们的工具包

from langchain_community.agent_toolkits.github.toolkit import GitHubToolkit
from langchain_community.utilities.github import GitHubAPIWrapper

github = GitHubAPIWrapper()
toolkit = GitHubToolkit.from_github_api_wrapper(github)

工具​

查看可用工具

tools = toolkit.get_tools()

for tool in tools:
    print(tool.name)
Get Issues
Get Issue
Comment on Issue
List open pull requests (PRs)
Get Pull Request
Overview of files included in PR
Create Pull Request
List Pull Requests' Files
Create File
Read File
Update File
Delete File
Overview of existing files in Main branch
Overview of files in current working branch
List branches in this repository
Set active branch
Create a new branch
Get files from a directory
Search issues and pull requests
Search code
Create review request

这些工具的目的是如下

以下将详细解释这些步骤中的每一步。

  1. 获取问题- 从存储库中获取问题。

  2. 获取问题详情- 获取关于特定问题的详细信息。

  3. 评论问题- 在特定问题上发布评论。

  4. 创建拉取请求- 从机器人的工作分支到基础分支创建一个拉取请求。

  5. 创建文件- 在存储库中创建一个新文件。

  6. 读取文件- 从存储库中读取一个文件。

  7. 更新文件- 更新存储库中的一个文件。

  8. 删除文件- 从存储库中删除一个文件。

包含发布工具​

默认情况下，工具包不包含与发布相关的工具。您可以通过在初始化工具包时设置 include_release_tools=True 来包含它们

toolkit = GitHubToolkit.from_github_api_wrapper(github, include_release_tools=True)

设置 include_release_tools=True 将包括以下工具

  • 获取最新版本- 从存储库中获取最新版本。

  • 获取版本列表- 从存储库中获取最新的 5 个版本。

  • 获取特定版本- 通过标签名称（例如 v1.0.0）从存储库中获取特定版本。

在代理中使用​

我们将需要一个 LLM 或聊天模型

pip install -qU "langchain[openai]"
import getpass
import os

if not os.environ.get("OPENAI_API_KEY"):
  os.environ["OPENAI_API_KEY"] = getpass.getpass("Enter API key for OpenAI: ")

from langchain.chat_models import init_chat_model

llm = init_chat_model("gpt-4o-mini", model_provider="openai")

使用工具子集初始化代理

from langgraph.prebuilt import create_react_agent

tools = [tool for tool in toolkit.get_tools() if tool.name == "Get Issue"]
assert len(tools) == 1
tools[0].name = "get_issue"

agent_executor = create_react_agent(llm, tools)

并向其发出查询

example_query = "What is the title of issue 24888?"

events = agent_executor.stream(
    {"messages": [("user", example_query)]},
    stream_mode="values",
)
for event in events:
    event["messages"][-1].pretty_print()
================================ Human Message =================================

What is the title of issue 24888?
================================== Ai Message ==================================
Tool Calls:
  get_issue (call_iSYJVaM7uchfNHOMJoVPQsOi)
 Call ID: call_iSYJVaM7uchfNHOMJoVPQsOi
  Args:
    issue_number: 24888
================================= Tool Message =================================
Name: get_issue

{"number": 24888, "title": "Standardize KV-Store Docs", "body": "To make our KV-store integrations as easy to use as possible we need to make sure the docs for them are thorough and standardized. There are two parts to this: updating the KV-store docstrings and updating the actual integration docs.\r\n\r\nThis needs to be done for each KV-store integration, ideally with one PR per KV-store.\r\n\r\nRelated to broader issues #21983 and #22005.\r\n\r\n## Docstrings\r\nEach KV-store class docstring should have the sections shown in the [Appendix](#appendix) below. The sections should have input and output code blocks when relevant.\r\n\r\nTo build a preview of the API docs for the package you're working on run (from root of repo):\r\n\r\n\`\`\`shell\r\nmake api_docs_clean; make api_docs_quick_preview API_PKG=openai\r\n\`\`\`\r\n\r\nwhere `API_PKG=` should be the parent directory that houses the edited package (e.g. community, openai, anthropic, huggingface, together, mistralai, groq, fireworks, etc.). This should be quite fast for all the partner packages.\r\n\r\n## Doc pages\r\nEach KV-store [docs page](https://python.langchain.ac.cn/docs/integrations/stores/) should follow [this template](https://github.com/langchain-ai/langchain/blob/master/libs/cli/langchain_cli/integration_template/docs/kv_store.ipynb).\r\n\r\nHere is an example: https://python.langchain.ac.cn/docs/integrations/stores/in_memory/\r\n\r\nYou can use the `langchain-cli` to quickly get started with a new chat model integration docs page (run from root of repo):\r\n\r\n\`\`\`shell\r\npoetry run pip install -e libs/cli\r\npoetry run langchain-cli integration create-doc --name \"foo-bar\" --name-class FooBar --component-type kv_store --destination-dir ./docs/docs/integrations/stores/\r\n\`\`\`\r\n\r\nwhere `--name` is the integration package name without the \"langchain-\" prefix and `--name-class` is the class name without the \"ByteStore\" suffix. This will create a template doc with some autopopulated fields at docs/docs/integrations/stores/foo_bar.ipynb.\r\n\r\nTo build a preview of the docs you can run (from root):\r\n\r\n\`\`\`shell\r\nmake docs_clean\r\nmake docs_build\r\ncd docs/build/output-new\r\nyarn\r\nyarn start\r\n\`\`\`\r\n\r\n## Appendix\r\nExpected sections for the KV-store class docstring.\r\n\r\n\`\`\`python\r\n    \"\"\"__ModuleName__ completion KV-store integration.\r\n\r\n    # TODO: Replace with relevant packages, env vars.\r\n    Setup:\r\n        Install ``__package_name__`` and set environment variable ``__MODULE_NAME___API_KEY``.\r\n\r\n        .. code-block:: bash\r\n\r\n            pip install -U __package_name__\r\n            export __MODULE_NAME___API_KEY=\"your-api-key\"\r\n\r\n    # TODO: Populate with relevant params.\r\n    Key init args \u2014 client params:\r\n        api_key: Optional[str]\r\n            __ModuleName__ API key. If not passed in will be read from env var __MODULE_NAME___API_KEY.\r\n\r\n    See full list of supported init args and their descriptions in the params section.\r\n\r\n    # TODO: Replace with relevant init params.\r\n    Instantiate:\r\n        .. code-block:: python\r\n\r\n            from __module_name__ import __ModuleName__ByteStore\r\n\r\n            kv_store = __ModuleName__ByteStore(\r\n                # api_key=\"...\",\r\n                # other params...\r\n            )\r\n\r\n    Set keys:\r\n        .. code-block:: python\r\n\r\n            kv_pairs = [\r\n                [\"key1\", \"value1\"],\r\n                [\"key2\", \"value2\"],\r\n            ]\r\n\r\n            kv_store.mset(kv_pairs)\r\n\r\n        .. code-block:: python\r\n\r\n    Get keys:\r\n        .. code-block:: python\r\n\r\n            kv_store.mget([\"key1\", \"key2\"])\r\n\r\n        .. code-block:: python\r\n\r\n            # TODO: Example output.\r\n\r\n    Delete keys:\r\n        ..code-block:: python\r\n\r\n            kv_store.mdelete([\"key1\", \"key2\"])\r\n\r\n        ..code-block:: python\r\n    \"\"\"  # noqa: E501\r\n\`\`\`", "comments": "[]", "opened_by": "jacoblee93"}
================================== Ai Message ==================================

The title of issue 24888 is "Standardize KV-Store Docs".

API 参考​

有关所有 GithubToolkit 功能和配置的详细文档，请访问 API 参考。

此页是否对您有帮助？