跳到主要内容
OpenGradient 是一个去中心化的人工智能计算网络，它实现了全球可访问、无需许可且可验证的机器学习模型推理。 OpenGradient LangChain 包目前提供了一个工具包，允许开发人员为 OpenGradient 网络上的模型构建自己的自定义机器学习推理工具。这在以前是一个挑战，因为大型模型参数会污染上下文窗口——想象一下你必须给你的代理一个 200x200 的浮点数据数组！ 该工具包通过将所有数据处理逻辑封装在工具定义本身中来解决这个问题。这种方法既能保持代理的上下文窗口干净，又能让开发人员完全灵活地为其机器学习模型实现自定义数据处理和实时数据检索。

​
安装和设置

确保您拥有 OpenGradient API 密钥，以便访问 OpenGradient 网络。如果您已经拥有 API 密钥，只需设置环境变量 
!export OPENGRADIENT_PRIVATE_KEY="your-api-key"
如果您需要设置新的 API 密钥，请下载 opengradient SDK 并按照说明初始化新的配置。 
!pip install opengradient
!opengradient config init
设置好 API 密钥后，请安装 langchain-opengradient 包。 
pip install -U langchain-opengradient

​
OpenGradient 工具包

OpenGradientToolkit 赋能开发人员基于部署在 OpenGradient 去中心化网络上的机器学习模型和工作流创建专用工具。这种集成使 LangChain 代理能够访问强大的机器学习功能，同时保持高效的上下文使用。

​
主要优势

  • 🔄 实时数据集成 - 在您的工具中处理实时数据流
  • 🎯 动态处理 - 适应特定代理输入的自定义数据管道
  • 🧠 上下文效率 - 处理复杂的机器学习操作而不会淹没您的上下文窗口
  • 🔌 无缝部署 - 与 OpenGradient 网络上已有的模型轻松集成
  • 🔧 完全定制 - 通过 OpenGradient SDK 创建和部署您自己的特定模型，然后基于它们构建自定义工具
  • 🔐 可验证的推理 - 所有推理都在去中心化的 OpenGradient 网络上运行，允许用户选择各种安全选项，例如 ZKML 和 TEE，以实现无需信任、可验证的模型执行
有关详细示例和实现指南，请查看我们的综合教程。
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.