create_react_agent 函数，根据创建的 chat 模型实例和工具列表 tools 构造一个“反应式代理”（react agent）

graph = create_react_agent(chat, tools)

1. create_react_agent 函数的作用

create_react_agent 是一个工厂函数，它接收两个参数：

• chat 模型实例（这里是 ChatOpenAI 的对象）：它负责生成语言模型的回复，也就是理解用户输入并给出回答。
• tools 列表：这是之前定义的工具函数集合，包含了更新、查询和删除用户宠物信息的函数。这些工具通过 @tool 装饰器包装后，能够被代理在对话中动态调用。

调用 create_react_agent(chat, tools) 后，会构造一个“反应式代理”（react agent），它具有如下特性：

1. 自动决策与工具调用
   这个代理不仅仅把用户的输入交给语言模型，还会分析对话内容，决定是否需要调用某个工具函数来完成特定操作。

   • 举例说明：
     • 当用户说“my favorite pets are cats and dogs”时，代理会理解这是在告诉系统用户的宠物喜好，于是调用 update_favorite_pets 工具，把信息存储到全局状态中。
     • 当用户询问“what are my favorite pets”时，代理会检测到需要查询之前存储的数据，然后调用 list_favorite_pets 工具返回结果。
     • 当用户说“please forget what i told you about my favorite animals”时，代理会调用 delete_favorite_pets 工具，清空之前存储的宠物信息。

2. ReAct 模式的实现
   “反应式代理”（react agent）背后的思想通常被称为 ReAct 模式，即在对话中交替进行“推理”（reasoning）和“行动”（acting）。

   • 代理首先利用传入的 chat 模型进行推理，判断当前用户意图是什么。
   • 根据判断结果，代理决定是否需要调用某个工具（比如更新、查询或删除数据）。
   • 调用完工具后，代理可以再次让语言模型结合最新的状态信息生成最终回复，形成一个完整的对话闭环。

3. 内部工作流程可视化
   在代码中，我们还看到下面这段：

   try:
       display(Image(graph.get_graph().draw_mermaid_png()))
   except Exception:
       pass
   

   这行代码会尝试将代理内部的决策流程图转换成 Mermaid 格式的 PNG 图片并显示出来。

   • 这相当于把代理内部是如何“思考”以及如何调用工具的过程以图形化方式展示，便于开发者理解代理的运行机制。

2. 举例说明整个代理的工作流程

假设你使用这个代理与系统进行对话，整个过程可以描述如下：

1. 更新信息

   • 用户输入： “my favorite pets are cats and dogs”
   • 代理接收到信息后，首先让 chat 模型处理这条消息。
   • 经过内部推理，代理判断这是一个更新宠物喜好的指令，于是调用 update_favorite_pets 工具，把用户 “123” 的宠物列表设为 ["cats", "dogs"]。
   • 全局状态 user_to_pets 更新后，代理可能生成一个确认回复，如“好的，我已记录你的宠物喜好”。

2. 查询信息

   • 用户输入： “what are my favorite pets”
   • 代理再次利用 chat 模型处理消息，并发现这是一个查询请求，于是调用 list_favorite_pets 工具。
   • 工具读取全局状态后返回字符串 “cats, dogs”，代理将这个结果结合上下文返回给用户。

3. 删除信息

   • 用户输入： “please forget what i told you about my favorite animals”
   • 代理经过判断后，调用 delete_favorite_pets 工具，把用户 “123” 的记录从 user_to_pets 中删除。
   • 此后，全局状态中不再有该用户的信息，代理可能回复“好的，我已经忘记了之前的信息”。

3. 总结

调用 create_react_agent(chat, tools) 后，我们得到了一个能在对话中自动决策、调用工具来更新或查询状态的代理。它整合了：

• 语言模型：用于理解和生成自然语言回复。
• 工具函数：用于具体的状态管理操作，比如存储、查询和删除数据。
• ReAct 模式：实现了先推理再行动的逻辑，确保代理能根据用户的不同指令做出合适的操作。

这种设计不仅使得对话系统能够与用户自然交互，还能根据需要调用后端逻辑进行数据操作，极大地增强了系统的功能性和灵活性。