Exploiter les LLM, les intégrations et l'IA avec Eden AI x LangChain

‍À mesure que l'intelligence artificielle se développe, de nouvelles entreprises et de nouveaux outils apparaissent au premier plan, ce qui complique la mise en œuvre de solutions d'IA. Eden AI est une nouvelle solution qui vise à simplifier la mise en œuvre de l'IA de manière révolutionnaire. Cet article explore la manière dont Eden AI et LangChain travaillent ensemble pour changer le paysage de l'IA.

‍

Présentation d'Eden AI : une innovation en matière d'accessibilité à l'IA

Eden AI est une nouvelle plateforme révolutionnaire destinée à faire face à la complexité et à la diversité croissantes des solutions d'IA, qui permet aux utilisateurs d'accéder à une grande variété de Outils d'IA à l'aide d'une seule clé d'API et de quelques lignes de code.

‍

Si vous avez besoin Génération de texte ou d'image, OCR (reconnaissance optique de caractères), Conversion parole-texte, Analyse d'images, ou plus encore, Eden AI a ce qu'il vous faut. L'époque où l'on naviguait dans un labyrinthe complexe d'API et de processus d'authentification est révolue ; Eden AI regroupe tout cela sur une seule plateforme pratique.

‍

‍

‍

Conçu pour être convivial et accessible aux personnes de tous niveaux de compétence, qu'elles soient novices ou experts en IA, Eden AI répond parfaitement à un large éventail d'exigences commerciales, y compris, mais sans s'y limiter : l'analyse des données, les capacités NLP, la vision par ordinateur, l'optimisation de l'automatisation et la formation à des modèles personnalisés.

‍

Eden AI et LangChain : un puissant partenariat d'intégration de l'IA

LangChain est une bibliothèque open source qui fournit de multiples outils pour créer des applications alimentées par de grands modèles de langage (LLM), ce qui en fait une combinaison parfaite avec Eden AI. Au sein de l'écosystème LangChain, Eden AI permet aux utilisateurs de tirer pleinement parti des fournisseurs LLM sans aucune limitation. Voici comment procéder :

‍

1. Une plateforme unifiée pour accéder à plusieurs LLM et intégrations

Chaque LLM possède des atouts uniques qui le rendent adapté à des cas d'utilisation spécifiques. Cependant, trouver la liberté de choisir parmi les meilleurs LLM du marché peut être difficile.

‍

En s'intégrant à LangChain, Eden AI ouvre la porte à une vaste gamme de modèles LLM et d'intégration. Cette intégration permet aux utilisateurs d'exploiter les capacités de divers fournisseurs, même les modèles qui ne sont pas directement intégrés au framework de LangChain.

‍

‍

La force fondamentale de cette combinaison réside dans sa simplicité. Avec une seule clé API et une seule ligne de code, les utilisateurs de LangChain peuvent accéder à un large éventail de LLM via Eden AI. Cela améliore non seulement les modèles de LangChain, mais offre également une grande flexibilité et adaptabilité pour répondre aux différentes exigences de l'IA.

‍

2. Un tableau de bord robuste pour optimiser vos investissements dans l'IA

Eden AI ne se contente pas de simplifier l'accès aux modèles d'IA ; elle propose également de robustes fonctionnalités de surveillance et de gestion des coûts.

‍

Grâce à notre tableau de bord intuitif, vous pouvez surveiller votre utilisation de l'IA parmi plusieurs API d'IA, obtenir des informations sur l'allocation des ressources et optimiser les coûts de manière efficace. En outre, vous aurez accès à des fonctionnalités telles que la journalisation pour un débogage amélioré et la mise en cache des API afin de réduire l'utilisation et d'éviter des frais redondants.

‍

‍

Cette approche rationalisée de la gestion des coûts vous permet de tirer le meilleur parti de votre investissement dans l'IA sans aucune surprise dans votre budget.

‍

3. Capacités d'IA avancées pour améliorer vos applications

L'intégration d'Eden AI dans LangChain représente une avancée significative pour les développeurs travaillant avec les outils d'agent de LangChain, leur permettant de tirer parti de fonctionnalités plus avancées pour améliorer leurs applications.

‍

Les agents LangChain agissent en tant qu'intermédiaires entre les LLM et divers outils, facilitant un large éventail de tâches dans les applications alimentées par l'IA, telles que les recherches sur le Web, les calculs et l'exécution de code. Ils sont particulièrement essentiels pour créer des applications polyvalentes et réactives, permettant aux développeurs d'exécuter des fonctions de manière dynamique et d'interagir avec des API externes en fonction de requêtes spécifiques des utilisateurs.

‍

Le principal avantage de cette intégration est que les utilisateurs de LangChain peuvent désormais intégrer ces outils avancés dans leurs applications en toute simplicité, y compris des fonctionnalités telles que Détection de contenu explicite tant pour le texte que pour les images, Facture et Analyse des identifiants, Détection d'objets, Synthèse vocale, et Parole-texte.

‍

Par conséquent, ce partenariat permet aux développeurs d'améliorer leurs applications avec les meilleurs modèles et fournisseurs d'IA, tous accessibles via une clé API standard, offrant ainsi un niveau de polyvalence et de réactivité sans précédent dans l'exécution de diverses fonctions et l'interaction avec des API externes.

‍

Comment utiliser les LLM Eden AI et les modèles d'intégration dans LangChain ?

Voici non pas un, mais deux didacticiels qui vous permettront de redéfinir la façon dont vous abordez les applications basées sur l'IA. Si vous recherchez un démarreur de base avec Master en droit d'Eden AI et Embrayages, nous vous conseillons de suivre le premier tutoriel. En revanche, si l'intégration avancée vous intéresse, vous pouvez passer directement au deuxième tutoriel !

‍

Tutoriel 1 : Démarrez avec Eden AI pour accéder à plusieurs LLM et intégrations

Dans notre premier didacticiel, vous apprendrez comment exploiter la puissance combinée de LangChain et d'Eden AI pour accéder à plusieurs grands modèles de langage (LLM) et intégrations.

‍

En maîtrisant les subtilités des intégrations et des LLM, vous débloquerez la capacité de créer un large éventail de fonctionnalités. De la création d'un assistant IA de base à la création de chatbots personnalisés, les possibilités ne sont limitées que par votre imagination.

‍

Étape 1 : Installation

Tout d'abord, assurez-vous que Python est installé. Ensuite, installez LangChain et son intégration OpenAI en exécutant la commande suivante :

pip install langchain langchain-openai

‍

Étape 2 : Configuration de votre compte Eden AI

Pour commencer à utiliser Eden AI, vous devez créer un compte sur la plateforme Eden AI. Une fois que vous avez un compte, définissez votre clé d'API comme variable d'environnement en exécutant :

export EDENAI_API_KEY="your_api_key_here"

‍

Étape 3 : Importation des LLM et des intégrations d'Eden AI

L'API Eden AI regroupe différents fournisseurs, chacun proposant plusieurs modèles, derrière un endpoint compatible OpenAI. Les classes OpenAI de LangChain peuvent donc tous les appeler. Importons-les :

from langchain_openai import ChatOpenAI, OpenAIEmbeddings

‍

Étape 4 : Utilisation des LLM Eden AI

Instancions maintenant un LLM via Eden AI, ici GPT-4o mini d'OpenAI. Pour changer de fournisseur, modifiez le nom du modèle, par exemple anthropic/claude-haiku-latest ou mistral/mistral-small-latest.

import os

llm = ChatOpenAI(
    model="openai/gpt-4o-mini",  # any chat model from Eden AI, in the provider/model format
    api_key=os.environ["EDENAI_API_KEY"],
    base_url="https://api.edenai.run/v3",
    temperature=0.2,
    max_tokens=250,
)
prompt = "how can i create ai powered chatbots with LLMS"
print(llm.invoke(prompt).content)

‍

Nous avons posé une question, et le LLM fournit une réponse détaillée :

Creating AI-powered chatbots using Large Language Models (LLMs) involves several steps, from defining the purpose of the chatbot to deploying it for users. Here's a step-by-step guide to help you get started:

### 1. Define the Purpose and Scope
- **Identify Use Case**: Determine what you want the chatbot to do (e.g., customer support, information retrieval, personal assistant).
- **Target Audience**: Understand who will be using the chatbot and their needs.

### 2. Choose the Right LLM
- **Select a Model**: Choose an appropriate LLM based on your requirements.
...

‍

Vous pouvez voir d'autres exemples d'appels de LLM via l'API compatible OpenAI d'Eden AI ici.

‍

Étape 5 : Exploration des intégrations d'Eden AI

Ensuite, nous explorerons les intégrations d'Eden AI :

embeddings = OpenAIEmbeddings(
    model="openai/text-embedding-3-small",  # any embedding model from Eden AI
    api_key=os.environ["EDENAI_API_KEY"],
    base_url="https://api.edenai.run/v3",
    check_embedding_ctx_length=False,  # send raw text, not OpenAI token ids
)
docs = ["Eden AI is integrated in LangChain", "LangChain apps can call many AI providers"]
document_result = embeddings.embed_documents(docs)
print(document_result)

‍

Voici la réponse, les nombres flottants étant la représentation des textes que nous avions en entrée :

[[0.029327392578125, -0.01160430908203125, 0.05718994140625, 0.00019299983978271484, 0.03948974609375, 0.018463134765625, ..., 0.0154266357421875, 0.0245208740234375], [-0.024383544921875, -0.040130615234375, 0.0789794921875, 0.02264404296875, 0.042022705078125, -0.055908203125, ..., -0.0186614990234375, 0.03741455078125]]

‍

😎 Vous êtes prêt ! En sachant comment utiliser les intégrations et les LLM, vous êtes désormais en mesure de créer un éventail de fonctionnalités impressionnantes, allant des assistants IA de base au développement de chatbots personnalisés.

‍

Tutoriel 2 : Boostez votre application grâce à des fonctionnalités d'IA avancées

Dans notre deuxième tutoriel, vous apprendrez comment intégrer facilement les fonctionnalités d'Eden AI (en particulier l'analyse de documents) dans votre application.

‍

Cette intégration propulsera vos applications vers un nouveau palier en termes de polyvalence et de réactivité, vous garantissant ainsi de rester à la pointe de l'innovation dans un paysage de l'IA en constante évolution.

‍

Étape 1 : Préparation de votre environnement

Tout d'abord, assurez-vous que Python est installé sur votre système. Ensuite, installez LangChain, son intégration OpenAI et Requests en exécutant la commande suivante :

pip install langchain langchain-openai requests

‍

Étape 2 : Obtenir une clé d'API Eden AI

Avant de commencer, vous aurez besoin d'un Clé API de la plateforme Eden AI.

‍

Étape 3 : Importation des modules nécessaires

Importons les modules requis pour créer nos propres outils d'IA avancés (ici, l'analyse de pièces d'identité et de factures)

import os
import requests
from langchain.agents import create_agent
from langchain.tools import tool
from langchain_openai import ChatOpenAI

‍

Étape 4 : Configuration de votre clé d'API Eden AI

Définissez votre clé d'API Eden AI en tant que variable d'environnement dans votre système. Remplacez-la par votre propre clé API.

os.environ["EDENAI_API_KEY"] = "*******************"  # replace with your own API Key

‍

Étape 5 Initialisation du LLM

Eden AI propose une gamme de fournisseurs, que vous pouvez explorer ici. Pour ce tutoriel, nous utilisons un LLM via Eden AI (ici, GPT-4o mini d'OpenAI) :

llm = ChatOpenAI(
    model="openai/gpt-4o-mini",
    api_key=os.environ["EDENAI_API_KEY"],
    base_url="https://api.edenai.run/v3",
    temperature=0.2,
    max_tokens=500,
)

‍

Étape 6 Configuration des outils et de l'agent

Il est maintenant temps de configurer les outils et l'agent. Chaque outil appelle l'endpoint /v3/universal-ai d'Eden AI avec un modèle d'analyse de documents : Amazon d'abord, avec Klippa (pièce d'identité) ou Google (facture) en fallback :

def parse(model, fallback, url):
    response = requests.post(
        "https://api.edenai.run/v3/universal-ai",
        headers={"Authorization": f"Bearer {os.environ['EDENAI_API_KEY']}"},
        json={"model": model, "fallbacks": [fallback], "input": {"file": url}},
    )
    result = response.json()
    return str(result["output"] if result["status"] == "success" else result["error"])


@tool
def identity_parsing(url: str) -> str:
    """Extract the information of an identity document (ID card, passport, driver license) from its image URL."""
    return parse("ocr/identity_parser/amazon", "ocr/identity_parser/klippa", url)


@tool
def invoice_parsing(url: str) -> str:
    """Extract the information of an invoice from its image or PDF URL."""
    return parse("ocr/financial_parser/amazon", "ocr/financial_parser/google", url)


tools = [identity_parsing, invoice_parsing]

agent_chain = create_agent(llm, tools)

‍

Étape 7 : Exécution de l'agent

Faisons travailler notre agent avec le Doc Parsing Bot pour analyser les documents d'identification ou de facturation.

‍

Nos données se composent de 2 URL d'images :

‍

• L'image d'identification : https://cdn.prod.website-files.com/61e7d259b7746e3f63f0b6be/650bf94cc60f6893e090df45_GZjr5P_U9jM6Ixt6trSNW5-fzTUk3MV5aHdSxq0k2AMLdStLDaHR1ZOthRF8FxylmPgelqkjR51FiaDQnvgbjTHhaLxNqcTiIh1EFV8yhCJu4Bqg-BU_8T6hn9xu48VK_l5oYf1ArjmHROfNPoPKJlE.png

‍

‍

• L'image de la facture : https://cdn.prod.website-files.com/61e7d259b7746e3f63f0b6be/650bf94c1aabe7e6a820d33a_ZBOXJQu5SVK_8irXMN6a6ylaK4nEJDZzRQZgaO9z6hiFtAUzearFaabyZR60J6WHujI8uYGJUkpMILKfB-ZJh-O4L5MxlHst0cghUAtqPvyMz4Hs_UDic3w-lek-xwurR48FZi7LRGnMsbgGMq6ygG0.png

‍

‍

Maintenant, extrayons les informations de l'identifiant et créons un texte de bienvenue :

id_result = agent_chain.invoke({"messages": [("user", """i have this url of an id: "https://cdn.prod.website-files.com/61e7d259b7746e3f63f0b6be/650bf94cc60f6893e090df45_GZjr5P_U9jM6Ixt6trSNW5-fzTUk3MV5aHdSxq0k2AMLdStLDaHR1ZOthRF8FxylmPgelqkjR51FiaDQnvgbjTHhaLxNqcTiIh1EFV8yhCJu4Bqg-BU_8T6hn9xu48VK_l5oYf1ArjmHROfNPoPKJlE.png"
                        extract the information in it.
                        create a text welcoming the person.
                   """)]})

for message in id_result["messages"]:
    message.pretty_print()

‍

Le résultat :

================================== Ai Message ==================================
Tool Calls:
  identity_parsing (call_VvgMRpmyD6nLDZoX6m6grWhb)
  Args:
    url: https://cdn.prod.website-files.com/61e7d259b7746e3f63f0b6be/650bf94cc60f6893e090df45_...png
================================= Tool Message =================================
Name: identity_parsing

{'extracted_data': [{'last_name': {'value': 'ANGELA', 'confidence': 0.99}, 'given_names': [{'value': 'GREENE', 'confidence': 0.8}], 'birth_date': {'value': '2000-11-09', 'confidence': 0.96}, 'expire_date': {'value': '2025-07-31', 'confidence': 0.54}, 'document_id': {'value': '5843', 'confidence': 0.68}, 'document_type': {'value': 'DRIVER LICENSE FRONT', 'confidence': 0.86}, ...}]}
================================== Ai Message ==================================

The extracted information from the ID is as follows:

- **Name:** Greene Angela
- **Birth Date:** November 9, 2000
- **Document Type:** Driver License Front
- **Document ID:** 5843
- **Expiration Date:** July 31, 2025

### Welcome Message

Welcome, Angela Greene!

We are delighted to have you here. Your driver's license is valid until July 31, 2025. If you have any questions or need assistance, feel free to reach out. Enjoy your day!

‍

Ensuite, extrayons les informations de la facture et résumons-les :

invoice_result = agent_chain.invoke({"messages": [("user", """i have this url of an invoice document: "https://cdn.prod.website-files.com/61e7d259b7746e3f63f0b6be/650bf94c1aabe7e6a820d33a_ZBOXJQu5SVK_8irXMN6a6ylaK4nEJDZzRQZgaO9z6hiFtAUzearFaabyZR60J6WHujI8uYGJUkpMILKfB-ZJh-O4L5MxlHst0cghUAtqPvyMz4Hs_UDic3w-lek-xwurR48FZi7LRGnMsbgGMq6ygG0.png"
                        extract the information in it.
                        Summarize them.
                   """)]})

for message in invoice_result["messages"]:
    message.pretty_print()

‍

Le résultat :

================================== Ai Message ==================================
Tool Calls:
  invoice_parsing (call_YsS4pHu7e7E4svP5njS13P5S)
  Args:
    url: https://cdn.prod.website-files.com/61e7d259b7746e3f63f0b6be/650bf94c1aabe7e6a820d33a_...png
================================= Tool Message =================================
Name: invoice_parsing

{'extracted_data': [{'customer_information': {'name': 'Damita J Goldsmith', 'billing_address': '201 Stan Fey Dr\nUpper Marlboro, MD 20774', ...}, 'merchant_information': {'name': 'SNG Engineering, Inc.\nConsulting Engineers', 'address': '344 Main Street Suite 200\nGaithersburg, MD 20878', 'phone': '301.548.0055', 'email': '[email protected]', ...}, 'payment_information': {'amount_due': 750.0, 'total': 750.0, 'payment_terms': 'on receipt of service', ...}, 'financial_document_information': {'invoice_receipt_id': '014-03', 'invoice_date': '2003-01-20', ...}, 'item_lines': [{'description': 'Field inspection of construction on 1/19/2003 deficiencies in house\nconstruction, Garage drive way & legal support to Attorney to\n1/19/2003', 'quantity': 1.0, 'unit_price': 750.0, ...}], ...}]}

Réponse finale :

Here is the summarized information extracted from the invoice document:

### Customer Information
- **Name:** Damita J Goldsmith
- **Billing Address:** 201 Stan Fey Dr, Upper Marlboro, MD 20774
- **Shipping Address:** 201 Stan Fey Drive, Upper Marlboro

### Merchant Information
- **Name:** SNG Engineering, Inc. Consulting Engineers
- **Address:** 344 Main Street Suite 200, Gaithersburg, MD 20878
- **Phone:** 301.548.0055
- **Email:** [email protected]

### Payment Information
- **Amount Due:** $750.00
- **Total:** $750.00
- **Payment Terms:** On receipt of service

### Financial Document Information
- **Invoice Receipt ID:** 014-03
- **Invoice Date:** January 20, 2003

### Item Lines
- **Description:** Field inspection of construction on 1/19/2003 deficiencies in house construction, Garage driveway & legal support to Attorney to 1/19/2003
- **Quantity:** 1
- **Unit Price:** $750.00
- **Total Amount Line:** $750.00

‍

👏 Félicitations, vous avez terminé ! L'intégration des fonctionnalités d'Eden AI dans LangChain Tools ouvre un monde de possibilités aux développeurs. Grâce à des fonctionnalités telles que l'analyse des factures, l'analyse des identifiants, ainsi que la détection d'objets, ou même la détection de contenu explicite, les développeurs peuvent améliorer leurs applications grâce à des fonctionnalités d'IA avancées.

‍

Conclusion

Dans l'ensemble, Eden AI rationalise l'intégration de l'IA en proposant une plateforme conviviale qui simplifie le labyrinthe des API et de l'authentification. Il donne accès à un large éventail de fonctionnalités d'IA, allant de la génération de texte et d'images à l'OCR, à la synthèse vocale et à l'analyse d'images, le tout avec la commodité d'une clé API unique et d'un code minimal.

‍

L'intégration avec LangChain améliore encore cela en fournissant un accès sans effort à divers LLM et intégrations. De plus, Eden AI fournit de solides fonctionnalités de gestion des coûts, vous permettant d'optimiser efficacement vos investissements dans l'IA.

‍

Que vous commenciez par les bases ou que vous vous intéressiez à l'intégration avancée, vous disposez désormais des outils et des connaissances nécessaires pour exploiter les capacités d'Eden AI et de LangChain afin de simplifier l'intégration de l'IA et de dynamiser vos applications. Obtenez votre clé API GRATUITEMENT et commencez à révolutionner votre intégration de l'IA dès aujourd'hui !