AIチャットの中でランダムなニュースを取得する

# main.py

import os
from datetime import datetime
import openai
from chat import chat

os.environ["OPENAI_API_KEY"] = "******************************************"
os.environ["TAVILY_API_KEY"] = "***********************************"

system_content = f"""あなたは優秀なAIアシスタントです。質問に答えてください。
function, 'get_news' で最新のランダムなニュースを取得できます。最後に引用元の出版社を必ず明記してください。
現在時刻は{datetime.now()}です。"""

tools = [
    {"type": "function",
     "function": {
         "name": "get_news",
         "description": "Get the latest one news and answer the question.",
         "parameters": {
             "type": "object",
             "properties": {
                    "news_text": {
                        "type": "string",
                        "description": "one news text",
                    },
             },
             "required": ["news_text"]
         }
     }
     },
    {"type": "function",
     "function": {
         "name": "web_search_and_answer",
         "description": "Answer the given question by referring to the results of web search.",
         "parameters": {
             "type": "object",
             "properties": {
                 "question": {
                     "type": "string",
                     "description": "question",
                 },
                 "results": {
                     "type": "string",
                     "description": "results of search",
                 },
             },
             "required": ["results"]
         }
     }
     },
]

client = openai.OpenAI()
messages = []
print("あなたの友達に挨拶しましょう(chatbot 4o-mini)")

while True:
    u = input("You: ")
    if u == "":
        break
    messages.append({"role": "user", "content": u})
    a = chat(messages, tools, client)
    print(" chatbot: " + a)
    messages.append({"role": "assistant", "content": a})

# chat.py

import json
import feedparser
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI
from langchain_community.tools.tavily_search import TavilySearchResults
import random

def web_search_and_answer(question):
    """Answer the given question by referring to the results of web search."""
    model = ChatOpenAI(model_name="gpt-4o-mini", temperature=0.7,max_tokens=160)
    search = TavilySearchResults(max_results=1)
    template = """contextに従って回答してください:
        {context}
        指示：最後に必ず引用元を明記してください。
        質問: {question}
        """
    prompt = ChatPromptTemplate.from_template(template)
    chain = (
            {"context": search, "question": RunnablePassthrough()}
            | prompt
            | model
            | StrOutputParser()
    )
    results = chain.invoke(question)
    return json.dumps({"results": results})

def get_news():
    """Get the latest one news from Google News."""
    # GoogleニュースのRSSフィードURL
    feed_url = "https://news.google.com/rss/topics/CAAqKAgKIiJDQkFTRXdvSkwyMHZNR1ptZHpWbUVnSnFZUm9DU2xBb0FBUAE?hl=ja&gl=JP&ceid=JP:ja"
    # フィードを解析する
    feed = feedparser.parse(feed_url)
    news_list = []
    # 各ニュース項目をループしてタイトルを抽出する
    for entry in feed.entries:
        news_list.append(entry.title)
    # ニュースリストからランダムに1つを選択
    selected_news = random.sample(news_list, 1)
    # 選択されたニュースのタイトルを出力
    news = web_search_and_answer(selected_news[0])
    news = json.loads(news)["results"]
    news += "\n\n指示：上記のニュースの要約とコメントを出力し、最後に引用元を明記してください。"
    return json.dumps({"news_text": news})

def chat(messages, tools, client):
    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=messages,
        tools=tools,
        tool_choice="auto",
    )
    resp_mess = resp.choices[0].message
    tool_calls = resp_mess.tool_calls
    # Step 2: check if the model wanted to call a function
    if tool_calls:
        # Step 3: call the function
        # Note: the JSON response may not always be valid; be sure to handle errors
        available_functions = {
            "get_news": get_news,
        }  # only one function in this example, but you can have multiple
        messages.append(resp_mess)  # extend conversation with assistant's reply
        # Step 4: send the info for each function call and function response to the model
        for tool_call in tool_calls:
            function_name = tool_call.function.name
            if function_name == "get_news":
                function_to_call = available_functions[function_name]
                function_args = json.loads(tool_call.function.arguments)
                function_response = function_to_call(
                )
                messages.append(
                    {
                        "tool_call_id": tool_call.id,
                        "role": "tool",
                        "name": function_name,
                        "content": function_response,
                    }
                )  # extend conversation with function response
            elif function_name == "web_search_and_answer":
                function_to_call = available_functions[function_name]
                function_args = json.loads(tool_call.function.arguments)
                function_response = function_to_call(
                    question=function_args.get("question"),
                )
                messages.append(
                    {
                        "tool_call_id": tool_call.id,
                        "role": "tool",
                        "name": function_name,
                        "content": function_response,
                    }
                )  # extend conversation with function response
        second_resp = client.chat.completions.create(
            model="gpt-4o-mini",
            messages=messages,
        )  # get a new response from the model where it can see the function response
        a = second_resp.choices[0].message.content
        return a
    a = resp.choices[0].message.content
    return a

チャットスクリプトで会話の中からランダムなニュースを取得してもらい、それをオウム返しで返答してもらいます。最初にRSSでgoogleの科学などのトピックを取得。その後、あらためて検索してもらいます。詳しくはコードを見てください。
追記(2024/07/22)：llmに自分の言葉でコメントをすることをプロンプトで設定しました。また、まだうまく行ってませんが、引用元を明記することもこれから実装、テストしていきたいです。（スクレイピング違反対策）