MRKL 这个词来自一篇论文，它表示的是 Modular Reasoning, Knowledge and Language，可以翻译成模块化推理、知识和语言系统，我们可以把它想成是一种语言模型的用法。LangChain 框架根据篇论文的介绍，设计了一种代理，这种代理可以根据工具的描述来决定要执行的动作。

在这个 Node.js 程序文件里，先导入一个 initializeAgentExecutorWithOptions ，它来自 langchain/agents。下面声明一个 tools，它的值是一组工具，里面添加一个 calculator。

然后声明一个 agentExecutor，等于 await，用一下 initializeAgentExecutorWithOptions 这个函数，初始化一个代理执行器，它需要一组工具，这里就是上面定义的 tools，还需要一个模型，用一下 model，再提供一个对象参数，设置一下要使用的代理的类型，添加一个 agentType 属性，把它的值设置成 zero-shot-react-description，然后可以把 verbose 设置成 true，这样我们可以知道这个代理执行器都干了些什么。

下面声明一个 response，等于 await，用一下 agentExecutor.call 这个方法，提供一个对象参数，里面设置一下 input，它的值是用户的问题，比如 “我现在有10000粉丝，如果每天增加100个粉丝，要达到10万粉丝大概需要多久？”。最后可以输出这个 response 。

在终端，执行一下 node index.mjs。观察一下在控制台上输出的这些东西。这里有一段要交给语言模型处理的 prompt，里面让模型尽最大能力回答用户问题，另外还告模型可以使用的哪些工具。

目前只有一个可用的工具，就是这个 calculator，后面是关于这个工具的一段描述，模型可以根据这段描述来判断在什么情况下可以使用这个工具。

在这段 prompt 里面，还给出了一个格式，比如先是 Question，用户问题，然后是 Thought，这是模型的想法，Action 是要执行的动作，Observation 是观察动作返回的结果，如果说模型返回的 Thought ，是 I now know the final answer，最后会给出最终的答案。

把这段提示交给模型处理，在它返回来的文本里面给出了一段话，说是要计算一下达到10万粉丝需要的天数，要执行的 Action，是 calculator ，Action Input 是动作的输入，这里就是要让 calculator 这个工具计算的一个数学表达式。

代理执行器调用 calculator 计算出来结果以后，会把这个结果作为 Observation ，让模型再观察一下。把这段 prompt 交给模型处理，模型得出的结论是要把这个数字转换成更容易看懂的格式，这里要执行的动作仍然是 calculator，动作的输入是用这个 900/365 ，执行了工具算出了结果以后，再把所有这些信息交给模型继续处理。

最后模型得出了这个问题的答案，说大概需要 3 年时间，粉丝数量可以到 10 万。

总结

通过这个简单的例子，我们大概能够理解 LangChain 框架里的工具、代理还有代理执行器之间的关系。对于 MRKL 这种类型的代理来说，它其实就是一个使用一套特定提示流程的语言模型，它的作用就是根据用户的问题，还有给它提供的一些工具，返回一段关于要做什么事情的描述，还有要执行的具体动作，以及这个动作相关的输入。代理执行器负责执行这个动作，比如执行一个工具，再把工具返回来的结果，带着用户问题，以及之前的一些信息再次交给代理去处理，代理最终会给出问题的答案。