LlamaIndex Tool

LlamaIndex Tool

LlamaIndexTool은 LlamaIndex 도구와 쿼리 엔진을 위한 래퍼(wrapper)예요.

출처: 문서

본문

LlamaIndexTool

설명 (Description)

LlamaIndexTool은 LlamaIndex 도구와 쿼리 엔진을 감싸는 일반적인 래퍼로 설계되어, LlamaIndex의 RAG/에이전틱 파이프라인 자원을 CrewAI 에이전트에 끼워 넣는 도구로 활용할 수 있게 해줍니다. 이 도구를 사용하면 LlamaIndex의 강력한 데이터 처리·검색 기능을 CrewAI 워크플로에 매끄럽게 통합할 수 있어요.

설치 (Installation)

이 도구를 사용하려면 LlamaIndex를 설치해야 합니다:

uv add llama-index

시작하기 위한 단계 (Steps to Get Started)

LlamaIndexTool을 효과적으로 사용하려면 다음 단계를 따라주세요:

  • LlamaIndex 설치 — 위 명령으로 LlamaIndex 패키지를 설치하세요.
  • LlamaIndex 설정 — LlamaIndex 문서를 따라 RAG/에이전트 파이프라인을 구성하세요.
  • 도구 또는 쿼리 엔진 만들기 — CrewAI와 함께 사용할 LlamaIndex 도구나 쿼리 엔진을 만드세요.

예제 (Example)

다음 예제들은 서로 다른 LlamaIndex 컴포넌트에서 도구를 초기화하는 방법을 보여줍니다.

LlamaIndex Tool에서 만들기
from crewai_tools import LlamaIndexTool
from crewai import Agent
from llama_index.core.tools import FunctionTool

# Example 1: Initialize from FunctionTool
def search_data(query: str) -> str:
    """Search for information in the data."""
    # Your implementation here
    return f"Results for: {query}"

# Create a LlamaIndex FunctionTool
og_tool = FunctionTool.from_defaults(
    search_data, 
    name="DataSearchTool",
    description="Search for information in the data"
)

# Wrap it with LlamaIndexTool
tool = LlamaIndexTool.from_tool(og_tool)

# Define an agent that uses the tool
@agent
def researcher(self) -> Agent:
    '''
    This agent uses the LlamaIndexTool to search for information.
    '''
    return Agent(
        config=self.agents_config["researcher"],
        tools=[tool]
    )
LlamaHub Tools에서 만들기
from crewai_tools import LlamaIndexTool
from llama_index.tools.wolfram_alpha import WolframAlphaToolSpec

# Initialize from LlamaHub Tools
wolfram_spec = WolframAlphaToolSpec(app_id="your_app_id")
wolfram_tools = wolfram_spec.to_tool_list()
tools = [LlamaIndexTool.from_tool(t) for t in wolfram_tools]
LlamaIndex Query Engine에서 만들기
from crewai_tools import LlamaIndexTool
from llama_index.core import VectorStoreIndex
from llama_index.core.readers import SimpleDirectoryReader

# Load documents
documents = SimpleDirectoryReader("./data").load_data()

# Create an index
index = VectorStoreIndex.from_documents(documents)

# Create a query engine
query_engine = index.as_query_engine()

# Create a LlamaIndexTool from the query engine
query_tool = LlamaIndexTool.from_query_engine(
    query_engine,
    name="Company Data Query Tool",
    description="Use this tool to lookup information in company documents"
)

클래스 메서드 (Class Methods)

LlamaIndexTool은 인스턴스를 만드는 두 가지 주요 클래스 메서드를 제공합니다:

from_tool

LlamaIndex 도구로부터 LlamaIndexTool을 생성합니다.

@classmethod
def from_tool(cls, tool: Any, **kwargs: Any) -> "LlamaIndexTool":
    # Implementation details
from_query_engine

LlamaIndex 쿼리 엔진으로부터 LlamaIndexTool을 생성합니다.

@classmethod
def from_query_engine(
    cls,
    query_engine: Any,
    name: Optional[str] = None,
    description: Optional[str] = None,
    return_direct: bool = False,
    **kwargs: Any,
) -> "LlamaIndexTool":
    # Implementation details

파라미터 (Parameters)

from_query_engine 메서드는 다음 파라미터를 받습니다:

  • query_engine: 필수. 감쌀 LlamaIndex 쿼리 엔진.
  • name: 선택. 도구의 이름.
  • description: 선택. 도구에 대한 설명.
  • return_direct: 선택. 응답을 직접 반환할지 여부. 기본값은 False.

결론 (Conclusion)

LlamaIndexTool은 LlamaIndex의 기능을 CrewAI 에이전트에 통합하는 강력한 방법을 제공합니다. LlamaIndex 도구와 쿼리 엔진을 감싸서, 에이전트가 정교한 데이터 검색·처리 기능을 활용할 수 있게 하며 복잡한 정보 소스를 다루는 능력을 향상시킵니다.

더 알아보기 (Learn more)