本文译者为 360 奇舞团前端开发工程师
原文标题：理解 LangChain 智能体：
create_react_agent与create_tool_calling_agent原文作者：Anil Goyal 原文地址：medium.com/@anil.goyal...
当我们使用 LangChain 构建 AI 智能体时，首先要做的是选择正确的智能体架构。 目前常用的2种架构是create_react_agent和create_tool_calling_agent。两者都可以让AI使用外部工具，但由于它们的运作方式不同，因此适合的场景也有区别。
本文将探讨create_react_agent和create_tool_calling_agent有哪些区别，如何向大语言模型发送提示词，期望从模型获得哪种响应格式。它们的底层工作原理是什么，分别适合在哪种场景下使用。
什么是Agent?
在深入细节之前，让我们先了解一下什么是 Agent。Agent系统的工作流程如下：
- 推理---对问题和任务进行思考与分析；
- 行动---调用工具或外部服务处理问题；
- 观察---查看获取的结果；
- 迭代---不断重复上述过程，直到达到预期的目标。
不同类型智能体之间的关键区别在于：它们与 大语言模型 的交互方式不同，也就是它们在执行推理 与工具选择过程时，与模型之间的通信方式存在差异。
核心区别：提示词
无论是 create_react_agent 还是 create_tool_calling_agent，它们都会让模型自主决定使用哪些工具**、**何时使用。而两者之间最关键的区别在于：它们如何向 LLM 发送提示词，以及期望 LLM 返回的响应格式。
可以理解为它们是在用两种不同的"语言"与模型沟通：
- ReAct Agent： "请一步一步地思考，并用文字告诉我你的推理过程。"
- Tool Calling Agent： "这是函数定义，请直接用结构化数据调用它们。"
于是，LLM 会根据所接受的提示方式来回应，从而形成完全不同的交互模式。
一、create_react_agent：基于文本推理
什么是 ReAct？
ReAct 是 "Reasoning + Acting"（推理 + 行动）的缩写。它是一种让智能体通过"文本化思考循环"来展示自身思维过程的范式。这种循环的结构通常包括以下几个步骤：
- Thought（思考）： 智能体思考下一步该做什么，分析问题或任务。
- Action（行动）： 智能体决定使用哪个工具、以及如何使用它。
- Observation（观察）： 智能体查看执行后的结果，并理解输出内容。
- Repeat（重复）： 这一循环不断重复，直到任务完成为止。
以下是 ReAct agent实际上会发送给模型的内容：
csharp
#（1）ReAct agent向大语言模型发送如下内容：
"你可以使用这些工具：[add, multiply]
问题：先计算 5+3，然后将结果乘以 2
思考："
#（2）模型回复：
"我需要先把 5 和 3 相加，然后将结果乘以 2
行动：add
行动输入（Action Input）：{"a": 5, "b": 3}"
#（3）智能体调用 add(5, 3)，得到结果8。把这个结果加入提示词中，再将更新后的提示词发送给 模型：
"你可以使用这些工具：[add, multiply]
问题：先计算 5+3，然后将结果乘以 2
思考：我需要先把 5 和 3 相加，然后将结果乘以 2
行动：add
行动输入：{"a": 5, "b": 3}。
观察：8
思考："
#（4）模型回复："现在我得到了 8，我需要将它乘以 2。
"行动：multiply
行动输入：{"a": 8, "b": 2}"
# （5）智能体执行 multiply(8, 2)，得到结果 16。然后再次将该结果加入提示词，形成最终的提示词：
"你可以使用这些工具：[add, multiply]。
问题：先计算 5+3，然后将结果乘以 2
思考：我需要先把 5 和 3 相加，然后将结果乘以 2
行动：add。行动输入：{"a": 5, "b": 3}
观察：8
思考：现在我得到了 8，我需要将它乘以 2
行动：multiply
行动输入：{"a": 8, "b": 2}
观察：16
思考："
#（6）LLM 回复："完美！我现在得到了最终答案。最终答案：(5+3) × 2 的结果是 16"可以看到，ReAct agent 不是通过一轮对话就回答了问题，也就是说模型并不会一次性计划好所有步骤。相反，agent与模型之间会进行多轮对话，每轮对话结束后都会调用不同的工具。
正是这种迭代式的特性， 使得 ReAct agent非常透明且易于调试 ---你可以清楚地看到推理过程是如何逐步展开的！
create_react_agent如何工作
ini
# 导入 LangChain 中的智能体创建方法
from langchain.agents import AgentExecutor, create_react_agent
# 导入用于创建自定义提示模板的类
from langchain_core.prompts import PromptTemplate
# 导入 MultiServer MCP 客户端，用于连接和调用外部工具服务
from langchain_mcp_adapters.client import MultiServerMCPClient
# 导入 Ollama LLM 语言模型
from langchain_ollama import OllamaLLM
from langchain import hub
import asyncio
import os
os.environ["USER_AGENT"] = "my-langchain-agent/1.0"
async def main():
# 创建 MultiServerMCPClient 客户端，用于管理外部工具（这里是 math server）
client = MultiServerMCPClient({
"math": {
"command": "python",
"args": ["mathserver.py"],
"transport": "stdio",
}
})
# 获取外部工具列表
tools = await client.get_tools()
# 创建 Ollama LLM 实例，选择使用 "mistral" 模型
llm = OllamaLLM(model="mistral")
# 定义自定义 ReAct 提示模板
template = """尽可能回答以下问题。你可以访问这些工具:
{tools}
使用如下格式:
Question: 你必须回答的问题
Thought: 考虑该怎么做
Action: 采取行动, 应该是 [{tool_names}] 中之一
Action Input: 输入必须是有效的JSON格式, 例如 {{"a": 5, "b": 3}}
Observation: 观察结果
... (这一 Thought/Action/Action Input/Observation 可以重复N次)
Thought: 现在我知道了最终答案
Final Answer: 获得最终答案
IMPORTANT: 输入始终要采用JSON格式。针对数学运算，使用 {{"a": number1, "b": number2}}.
开始!
Question: {input}
Thought:{agent_scratchpad}"""
prompt = PromptTemplate.from_template(template)
agent = create_react_agent(llm=llm, tools=tools, prompt=prompt)
agent_executor = AgentExecutor(
agent=agent,
tools=tools,
verbose=True,
handle_parsing_errors=True
)
result = await agent_executor.ainvoke({"input": "What's 5 + 3, then multiply by 2"})
print("\nResult:")
print(result["output"])
if __name__ == "__main__":
asyncio.run(main())当运行代码时，控制台会打印类似如下输出：
vbnet
Entering new AgentExecutor chain...
我需要先把两个数字相加，然后再将结果乘以 2。
Action: ["add", {"a": 5, "b": 3}]
Observation: {"result": 8}
Thought: 既然我已经得到了和，我将把它乘以 2。
Action: ["multiply", {"a": 8, "b": 2}]
Observation: {"result": 16}
Thought: 现在我知道最终答案了。
Final Answer: 结果是 16ReAct Agents的关键特征
- 基于文本的通信：使用自然语言进行推理和交流。
- 透明的推理：可以清楚地看到智能体的思考过程。
- 模型无关：可以与任何文本生成模型配合使用。
- 易于调试： 决策过程容易追踪，便于查找问题。
- 详细输出：显示所有推理步骤，从思考到行动再到观察。
- 字符串参数：工具参数通常以字符串形式传递。
二、create_tool_calling_agent：基于函数调用
工具调用（也称为函数调用）利用了现代大型语言模型的原生能力，可以直接调用函数。与基于文本的推理不同，模型知道如何使用结构化数据调用工具。
工具调用提示策略（Tool Calling Prompting Strategy）
工具调用agent的效率更高，因为它可以在一次与模型的交互中进行多次工具调用，相比于 ReAct agent，以更少的交互完成整个流程。
以下是一个工具调用agent向模型发送的内容示例：
makefile
# 工具调用消息
messages = [
{
"role": "system",
"content": "你可以调用数学工具。"
},
{
"role": "user",
"content": "什么是 5 + 3?"
}
]
# 提供给模型的Tool格式
tools = [
{
"type": "function",
"function": {
"name": "add",
"description": "把两个数字相加",
"parameters": {
"type": "object",
"properties": {
"a": {"type": "integer"},
"b": {"type": "integer"}
},
"required": ["a", "b"]
}
}
}
]
# 模型用结构化的FUNCTION CALL响应:
{
"tool_calls": [
{
"id": "call_123",
"type": "function",
"function": {
"name": "add",
"arguments": '{"a": 5, "b": 3}'
}
}
]
}create_tool_calling_agent如何工作
ini
from langchain.agents import AgentExecutor, create_tool_calling_agent
from langchain_groq import ChatGroq
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_mcp_adapters.client import MultiServerMCPClient
import asyncio
import os
os.environ["USER_AGENT"] = "my-langchain-agent/1.0"
os.environ["GROQ_API_KEY"] = "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"
async def main():
client = MultiServerMCPClient({
"math": {
"command": "python",
"args": ["mathserver.py"],
"transport": "stdio",
}
})
# 获取tools
tools = await client.get_tools()
llm = ChatGroq(
model="llama3-8b-8192",
temperature=0
)
# 为tool calling agent创建正确的提示词模板
prompt = ChatPromptTemplate.from_messages([
("system", "你是一个有用的助手，可以访问搜索tools。对于有关 DASA 的问题，请使用 DASA_search 工具；对于其他查询，请使用通用的 search 工具。"),
("human", "{input}"),
MessagesPlaceholder("agent_scratchpad"),
])
agent = create_tool_calling_agent(llm=llm, tools=tools, prompt=prompt)
agent_executor = AgentExecutor(
agent=agent,
tools=tools,
verbose=True,
handle_parsing_errors=True
)
# 现在我们可以使用agent回答问题了。
result = await agent_executor.ainvoke({"input": "What's 5 + 3, then multiply by 2"})
print("\nResult:")
print(result["output"])
if __name__ == "__main__":
asyncio.run(main())当运行代码时，控制台会打印类似如下输出：
css
> Entering new AgentExecutor chain...
Invoking: 对 `{'a': 5, 'b': 3}` 执行相加操作
Invoking: 对 `{'a': 8, 'b': 2}` 执行相乘操作
(5 + 3) × 2 的结果是 16.
> Finished chain.Tool Calling Agents的关键特征
-
**基于函数的通信：**使用结构化的函数调用方式进行通信。
-
**隐式推理：**决策过程在模型内部完成，不需要显式地展示推理步骤。
-
**依赖模型：**需要模型本身支持原生的工具调用功能。
-
**输出简洁：**输出中不会显示模型的推理过程，只返回最终结果或结构化调用。
-
**高效执行：**执行速度更快，使用的 token 更少。
-
结构化参数： 始终以正确的 JSON 或字典格式传递参数。
上述例子中使用的MCP server如下：
python
"""
使用 FastMCP 的Math Server
这是一个简单的 MCP 服务器，用于提供基本的数学运算功能。
"""
from fastmcp import FastMCP
import math
# 创建 MCP server 实例
mcp = FastMCP("Math Server")
@mcp.tool()
def add(a: float, b: float) -> float:
"""将两个数字相加"""
return a + b
@mcp.tool()
def subtract(a: float, b: float) -> float:
"""计算两个数字的差值."""
return a - b
@mcp.tool()
def multiply(a: float, b: float) -> float:
"""将两个数字相乘"""
return a * b
@mcp.tool()
def divide(a: float, b: float) -> float:
"""用第二个数字除以第一个数字"""
if b == 0:
raise ValueError("不能用0做除数")
return a / b
if __name__ == "__main__":
# 运行server
mcp.run()三、注意事项：
如果你查看上面的 Python 代码，会发现我在 ReAct agent 中使用了 Mistral 模型 ，而在 Tool Calling Agent 中使用了 ChatGroq 模型。
原因如下：
- Mistral 擅长自然语言推理和基于文本的思维模式，因此非常适合用于 ReAct agent。
- 相反，ChatGroq 具备原生的函数调用（function calling）支持，并且能够理解 JSON schema ，因此非常适合于 Tool Calling Agent。