Skip to main content
OpenGradient 是一个去中心化的 AI 计算网络，能够实现全球可访问、无需许可且可验证的机器学习模型推理。 OpenGradient LangChain 包目前提供一个工具包，允许开发者为 OpenGradient 网络上的模型构建自定义机器学习推理工具。由于大型模型参数会污染上下文窗口（想象一下必须给 Agent 提供一个 200x200 的浮点数数组！），这曾经是一个挑战。 该工具包通过将所有数据处理逻辑封装在工具定义本身内来解决这个问题。这种方法保持了 Agent 上下文窗口的整洁，同时让开发者可以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。

​
安装与设置

确保您拥有 OpenGradient API 密钥以访问 OpenGradient 网络。如果您已经有 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配置。 
!pip install opengradient
!opengradient config init
设置好 API 密钥后，安装 langchain-opengradient 包。 
pip install -U langchain-opengradient

​
OpenGradient 工具包

OpenGradientToolkit 使开发者能够基于 OpenGradient 去中心化网络上部署的 机器学习模型 和 工作流 创建专用工具。此集成使 LangChain Agent 能够访问强大的机器学习能力，同时保持高效的上下文使用。

​
主要优势

  • 🔄 实时数据集成 - 在工具中处理实时数据流
  • 🎯 动态处理 - 适应特定 Agent 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占用上下文窗口
  • 🔌 无缝部署 - 与 OpenGradient 网络上已有模型的简单集成
  • 🔧 完全定制 - 通过 OpenGradient SDK 创建和部署您自己的专用模型，然后从中构建自定义工具
  • 🔐 可验证推理 - 所有推理都在去中心化的 OpenGradient 网络上运行，允许用户选择 ZKML 和 TEE 等各种安全级别，实现无需信任的可验证模型执行
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 或 提交问题。
将这些文档连接 到 Claude、VSCode 等，通过 MCP 获取实时答案。