A diferencia de los sistemas de LLMs tradicionales, que solo generan respuestas basadas en su entrenamiento y son más reactivos, o inclusive que pueden llegar a generar respuestas más genéricas, los Agentes son sistemas más autónomos que pueden:
- Razonar y tomar decisiones propias
- Ejecutar acciones concretas - utilizando diferentes herramientas (APIs, búsquedas, cálculos, conexión con otros sistemas)
- Mantener memoria y contexto de interacciones previas
Mientras un LLM tradicional solo te diría qué hacer, un Agente puede entender, planificar y ejecutar acciones por sí mismo para resolver tareas. Podrá razonar qué herramientas son apropiadas a usar. La diferencia está en la capacidad de acción, no solo en el conocimiento.
A las acciones de Razonar y Actuar de los agentes les denominaremos "ReAct"
En este reopositorio se hará uso de un agente encargado de definir si es bueno invertir o no en una empresa, a través del uso de Gemini (LLM) y Google Finance (nuestro tool) para determinar esta decisión.
Tener en cuenta que dentro del uso de los agentes podremos tener acceso a diversas tools, a continuación comparto la lista de herramientas disponibles en LangChain: https://python.langchain.com/v0.1/docs/integrations/tools/
