phichat 0.1.2

Wrapper de LangChain para Phi-4 con soporte nativo de Tool Calling y MCP

PhiChat

Wrapper de LangChain para Phi-4 (14B) y la familia Phi de Microsoft vía Ollama, con soporte robusto y nativo de tool calling.

Phi-4 genera y reconoce tool calls y responses mediante etiquetas propietarias (<|tool_call|> y <|tool_response|>). PhiChat normaliza este protocolo automáticamente para que cualquier flujo LCEL, agente o grafo funcione de forma transparente.

Instalación

Requiere Ollama corriendo localmente.

ollama pull phi4

Vía Pip

pip install phichat

[!NOTE] Aunque está optimizado para Phi-4, este wrapper es compatible con otros modelos de la familia Phi (ej. phi4-mini, phi3.5-mini) simplemente cambiando el parámetro model al inicializar.

Con uv (Recomendado)

uv add phichat

Inicio rápido

from PhiChat import ChatPhi
from langchain_core.tools import tool

@tool
def get_weather(city: str) -> str:
    """Obtiene el clima de una ciudad."""
    return f"Soleado en {city}, 25 grados."

llm = ChatPhi()
chain = llm.bind_tools([get_weather])

response = chain.invoke("¿Cómo está el clima en Madrid?")
print(response.content)
print(response.tool_calls)

Modelos recomendados

Modelo	Tamaño	Características
phi4 (default)	10 GB	Estado del arte, excelente razonamiento y herramientas
phi4-mini	4 GB	Más rápido, ideal para tareas simples
phi3.5-mini	4 GB	Muy rápido, pero propenso a errores en herramientas

Para cambiar de modelo:

llm = ChatPhi(model="phi4-mini:latest")

Características principales

• Bypass de Ollama 400: Soluciona el error de "Native Tooling" mediante inyección manual de esquemas.
• Normalización de Tool Calls: Extrae y convierte el JSON de Phi-4 al formato estándar tool_calls.
• Memoria Agéntica: Re-inyección automática del historial para evitar bucles infinitos.
• Salida Estructurada: Soporte nativo para with_structured_output en modo JSON.
• Streaming: Filtrado de tokens de control (<|tool_call|>) para streams limpios.

Integración con LangGraph

from langgraph.prebuilt import create_react_agent
from langgraph.checkpoint.memory import MemorySaver
from PhiChat import ChatPhi

llm = ChatPhi(model="phi4", temperature=0)
agent = create_react_agent(
    model=llm,
    tools=[get_weather],
    checkpointer=MemorySaver()
)

config = {"configurable": {"thread_id": "1"}}
result = agent.invoke(
    {"messages": [{"role": "user", "content": "¿Clima en Berlín?"}]},
    config=config
)

Ingeniería y Mejores Prácticas

El proyecto PhiChat sigue estándares estrictos de ingeniería de software:

• Estándares Python: Adherencia a PEP 8, PEP 484 (tipado estático) y PEP 257 (documentación).
• Validación Continua: Suite de pruebas completa para asegurar la integridad del protocolo de etiquetas.
• Tipado Estricto: Uso de Type Hints en todas las funciones y clases.
• Resiliencia: Manejo de excepciones específicas para modelos locales.

Testing

Garantiza la integridad de los protocolos de comunicación y la ejecución agéntica.

# Ejecutar todos los tests
uv run pytest

---

Desarrollado para optimizar el uso de modelos Microsoft Phi en entornos de producción con LangChain.