简单实现一个LangChain Agent

什么是 LangChain Agent？

简单说: Agent = 大语言模型 + 工具 + 自主决策能力。

普通的大模型只能"说"，而 Agent 能"做" ------ 它可以根据问题判断是否需要调用外部工具（比如计算器、文件读取、数据库查询），执行后再整合结果，给出最终答案。这就像给 AI 装上了"手脚"。而 LangChain 是一个流行的开源框架，帮我们轻松构建这样的智能体。

启动本地大模型服务

这里也可以使用联网的大模型, 我本地使用LmStudio, 不知道怎么使用的可以看之前以前的文章

https://blog.csdn.net/winerpro/article/details/147027367?spm=1001.2014.3001.5501

安装 Python 依赖

python 复制代码

pip install langchain langchain-openai

代码

python 复制代码

from langchain_openai import ChatOpenAI
from langchain_classic.agents.initialize import initialize_agent
from langchain_classic.agents import Tool, AgentType

# 配置本地大模型（替换为你自己的本地地址和模型名）
llm = ChatOpenAI(model='qwen2.5-7b-instruct-1m',base_url='http://127.0.0.1:1234/v1',temperature=0.5,api_key='123')

#定义一个超简单的工具：只支持加法
def add_two_numbers(query: str) -> str:
    """输入格式应为 'a + b'，例如 '123 + 456'"""
    print('\n')
    print("正在处理：", query)
    print('\n')
    try:
        parts = query.split('+')
        a = float(parts[0].strip())
        b = float(parts[1].strip())
        return str(a + b)
    except:
        return "格式错误，请输入类似 '10 + 20' 的表达式"

#把函数包装成 LangChain 工具
tools = [
    Tool(
        name="Adder",
        func=add_two_numbers,
        description="用于计算两个数字相加，输入必须是 '数字 + 数字' 的形式"
    )
]

#创建 Agent（使用 ReAct 思维链）
agent = initialize_agent(
    tools,
    llm,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True  # 打印思考过程，方便学习
)

# 测试
if __name__ == "__main__":
    question = "123 加 456 等于多少？"
    print(f"用户问：{question}\n")
    result = agent.run(question)
    print(f"\n最终答案：{result}")

输出结果

这就是著名的 ReAct（Reason + Act）机制：

**Reason（推理）：**模型先思考"我能不能直接答？不能，得用工具。"

**Act（行动）：**决定调用哪个工具，并生成输入

**Observe（观察）：**拿到工具返回的结果

**Repeat or Answer：**继续推理，或给出最终答案