LangChain Tool 实战：让大模型“长出双手”，通过 Tool 调用连接真实世界

前言

大语言模型（LLM）通常被比作"大脑"，它拥有海量的知识和强大的逻辑推理能力。但是，一个只有大脑的智者，如果无法感知当下的时间、无法查询实时的天气、无法进行精确的数学运算，它的能力就会大打折扣。

Tools（工具） 模块，就是 LangChain 赋予大模型的"双手"和"感官"。通过 Tools，我们可以让大模型不仅仅是陪聊，而是真正具备调用外部函数、执行复杂任务的能力。

本文将结合一段基于 ChatDeepSeek 的实战代码，带你从零开始，深入理解如何在 LangChain 中定义工具、使用 Zod 进行参数校验，以及如何优雅地处理模型返回的工具调用请求。

一、为什么我们需要 Tool？

在深入代码之前，我们先思考一个问题：为什么 ChatGPT 有时候做不好简单的加减法？为什么它不知道今天北京的天气？

因为大模型的本质是概率预测，它是基于训练数据生成下一个字的，而不是基于逻辑运算或实时数据库。

数学计算：大模型是"文科生"，复杂的计算容易产生幻觉。
实时信息：大模型的训练数据截止于过去，它无法预知"今天"发生的事情。

LangChain Tool 的出现解决了这个问题。 它的核心思想是：当用户问"1234 + 5678 等于几？"时，大模型不再自己瞎猜，而是分析出"哦，这是一个计算任务"，然后告诉程序："请帮我调用 add 工具，参数是 a=1234, b=5678"。程序运行完代码后，将结果反馈给用户。

还有一个重要作用在于：对于简单任务，无需调用大模型自行处理，从而节省宝贵的 token ；而对于大模型本身难以完成的特定任务 (实时感知、精准执行或外部操作.....)，则可以通过调用外部工具来扩展其能力，使其能够间接完成这些工作。

接下来，我们将通过代码一步步实现这个过程。

二、基础入门：定义一个简单的"加法工具"

我们要讲的第一个知识点是：如何定义一个工具。

在 LangChain 中，tool 函数是核心。我们需要引入它，并配合 zod 库来定义参数结构。

1. 引入必要的依赖

javascript 复制代码

import { ChatDeepSeek } from "@langchain/deepseek";
import 'dotenv/config';
import { tool } from "@langchain/core/tools";
import { z } from "zod"; // 关键：用于定义函数参数的类型 schema

这里重点介绍一下 zod 。大模型输出的是文本（JSON 字符串），而我们的函数需要的是具体的变量（如数字、字符串）。Zod 的作用就是建立一个"契约"：它告诉大模型，"如果你要调用这个工具，你必须给我传什么样的参数，是数字还是字符串"。这大大提高了工具调用的准确性。

2. 编写加法工具 (`addTool`)

我们先从最简单的加法开始，让大模型学会算术。

javascript 复制代码

// 函数 定义一个加法工具
const addTool = tool(
    // 1. 工具的具体逻辑（函数体）
    // 这里接收一个对象，解构出 a 和 b
    // 注意：所有工具函数的参数通常都会被包装成一个对象
    async ({a, b}) => String(a + b), 
    {
        // 2. 工具的元数据（Metadata）
        name: "add", // 工具名称，大模型通过这个名字识别工具
        description: "计算两个数字的和", // 工具描述，非常重要！这相当于写给大模型的 Prompt，告诉它什么时候用这个工具
        
        // 3. 参数 Schema 定义
        schema: z.object({
            a: z.number().describe("加数 a"), // 明确告诉模型，a 必须是一个数字
            b: z.number().describe("加数 b")  // b 也必须是一个数字
        })
    }
)

代码深度解析：

tool(function, options): 这是定义工具的标准范式。第一个参数是实际执行的 JavaScript 函数，第二个参数是配置对象。
async ({a, b}): LangChain 的工具调用通常是异步的。参数被设计为解构形式，这是为了配合 Zod 定义的 Object Schema。
description: 千万不要忽视描述！大模型正是通过这段文字来判断用户的问题是否需要使用该工具。如果描述写得含糊，模型可能就不会调用它。
z.number() : 这里限制了 a 和 b 必须是数字。如果模型抽风传了字符串，Zod 会在底层进行校验或报错，保证了程序的健壮性。

三、进阶实战：定义"天气查询工具"

学会了简单的加法，我们来模拟一个更贴近真实场景的业务------查询天气。由于我们没有连接真实的气象局 API，这里我们使用一个"伪数据库"来模拟。

1. 模拟数据源

javascript 复制代码

const fakeWeatherDB = {
    北京: { temp: "30°C", condition: "晴", wind: "微风" },
    上海: { temp: "28°C", condition: "多云", wind: "东风 3 级" },
    广州: { temp: "32°C", condition: "阵雨", wind: "南风 2 级" }
}

2. 编写天气工具 (`weatherTool`)

javascript 复制代码

const weatherTool = tool(
    async ({city}) => {
        // 模拟数据库查询
        const weather = fakeWeatherDB[city];
        // 边界情况处理
        if(!weather){
            return `城市${city}的天气未找到`;
        }
        // 返回自然语言描述的结果，方便大模型理解
       return `当前${city}的天气是${weather.temp},${weather.condition}, 风力${weather.wind}`;
    },
    {
        name: "get_weather",
        description: "查询指定城市的今日天气情况", // 明确的功能描述
        schema: z.object({
            // z.string() 规定参数 city 必须是字符串
            // .describe() 进一步解释参数含义，帮助模型提取正确的实体
            city: z.string().describe("要查询天气的城市") 
        })
    }
)

知识点延伸： 在 weatherTool 中，我们看到了工具不仅仅是计算，还可以是查表、请求 API、读取文件。

返回值：工具的返回值通常是字符串。为什么？因为这个返回值最终是要喂回给大模型的，大模型理解文本能力最强。
Error Handling ：我们在代码中判断了 if(!weather)。在真实开发中，工具内部做好错误处理非常重要，否则一个异常可能导致整个对话崩塌。

四、链接大脑：绑定工具到模型

工具定义好了，就像家里买了吸尘器和洗碗机，但如果作为"管家"的大模型不知道它们的存在，也是白搭。我们需要将工具**绑定（Bind）**到模型上。

javascript 复制代码

// 实例化 DeepSeek 模型
const model = new ChatDeepSeek({
    model: 'deepseek-chat',
    temperature: 0 // 设置为 0，让模型更理性、逻辑更严密，减少胡言乱语
}).bindTools([addTool, weatherTool]) // 核心步骤：绑定工具数组

解析：

.bindTools([...]) : 这一步发生了很多魔法。LangChain 会自动将我们要定义的 addTool 和 weatherTool 的 name、description 以及 zod schema 转换成 OpenAI 兼容的 JSON 格式，并发送给 DeepSeek 模型。
此时，模型不仅知道"我是谁"，还知道"我手边有两个工具：一个能算加法，一个能查天气"。

五、触发调用与结果处理（重点：可选链运算符）

万事俱备，只欠东风。我们向模型提问，看看它如何反应。

javascript 复制代码

// 发起提问
const res = await model.invoke('北京今天的天气怎么样');

当这句话发出去后，DeepSeek 会进行如下思考：

用户问的是天气。
我有 get_weather 工具吗？有。
工具描述说它能"查询指定城市天气"。匹配成功！
提取参数：城市是"北京"。
决策：我不直接回答文本，而是返回一个"工具调用请求（Tool Call）"。

处理响应：可选链运算符 (`?.`) 的妙用

模型返回的 res 对象中，包含了很多信息。如果模型决定调用工具，res.tool_calls 属性就会有值。

javascript 复制代码

// 可选链运算符 es6 新增 代码的简洁和优雅
// 传统写法（繁琐）：
// if(res.tool_calls){
//     if(res.tool_calls.length){
//         // ...
//     }
// }

// 现代写法（推荐）：
if(res.tool_calls?.length){
    console.log("模型决定调用工具:", res.tool_calls);
    
    // 获取第一个工具调用的指令
    const toolCall = res.tool_calls[0];

    // 根据工具名称，分发执行逻辑
    if(toolCall.name === 'add'){
        // 执行加法工具
        // toolCall.args 包含了模型提取好的参数 {a: ..., b: ...}
        const result = await addTool.invoke(toolCall.args);
        console.log("加法工具运行结果:", result);
    }
    else if(toolCall.name === 'get_weather'){
        // 执行天气工具
        const result = await weatherTool.invoke(toolCall.args);
        console.log("天气工具运行结果:", result);
    }
}

为了直观理解函数打印一下`res.tool_calls看看`：

你可以直观地看到调用结构：name 和工具定义里的 name 一模一样，而 args 则是大模型在理解用户问题后，根据tool要求的参数格式，自动"填好"的输入内容。

知识点详解：可选链运算符 (?.)

在 JavaScript 中，处理深层嵌套的对象属性时，经常会遇到 Cannot read property of undefined 的报错。

res.tool_calls 可能不存在（如果模型认为不需要调用工具，只是普通聊天）。
如果不使用 ?.，我们需要写多层 if 判断来确保安全。
res.tool_calls?.length 的意思是：如果 res.tool_calls 存在（不为 null 或 undefined），则读取 .length；否则，直接返回 undefined，不会报错。配合 if 语句，undefined 会被视为 false，逻辑非常通顺。

这一小小的语法糖，极大地提升了代码的简洁性 和优雅度，是现代 JS 开发的必备技巧。

六、完整流程总结

让我们回顾一下这段代码运行的完整生命周期：

定义阶段 ：我们用 tool() 和 zod 精确描述了 add 和 get_weather 两个工具的功能和参数格式。
绑定阶段 ：通过 .bindTools() 将这些能力的"说明书"发给了 DeepSeek 大模型。
推理阶段 ：用户提问"北京天气"，模型分析语义，命中 get_weather 工具，并精准提取出 city: "北京"。
响应阶段 ：模型返回包含 tool_calls 的响应对象。
执行阶段 ：我们的代码通过 ?. 安全地检测到调用请求，并在本地运行了 weatherTool 函数，通过查阅 fakeWeatherDB 得到了结果。

运行效果预览

当你运行这段代码（node index.js），控制台会输出：

bash 复制代码

[
  {
    name: 'get_weather',
    args: { city: '北京' },
    id: 'call_xxxxxxxxx'
  }
]
最终结果: 当前北京的天气是30°C,晴, 风力微风

如果你把问题改成 model.invoke('100 加 200 等于几')，它会自动切换逻辑：

bash 复制代码

[
  {
    name: 'add',
    args: { a: 100, b: 200 },
    id: 'call_yyyyyyyyy'
  }
]
最终结果: 300

七、结语

通过这篇文章，我们不仅学习了 LangChain 中 tool 的基础用法，还掌握了如何利用 zod 进行数据验证以及使用 ES6+ 的可选链运算符编写健壮的代码。

Tools 模块彻底改变了大模型的应用形态。它让大模型从一个"只读"的百科全书，进化成了一个能"读写"现实世界的智能代理（Agent）。

赶快打开你的编辑器，试着定义属于你自己的工具吧！不管是查询股票、发送邮件，还是控制智能家居，LangChain 都能帮你实现。

本文代码示例基于 LangChain.js 最新版本，欢迎点赞收藏！

LangChain Tool 实战：让大模型“长出双手”，通过 Tool 调用连接真实世界

一、 为什么我们需要 Tool？

二、 基础入门：定义一个简单的"加法工具"

1. 引入必要的依赖

2. 编写加法工具 (addTool)

三、 进阶实战：定义"天气查询工具"

1. 模拟数据源

2. 编写天气工具 (weatherTool)

四、 链接大脑：绑定工具到模型

五、 触发调用与结果处理（重点：可选链运算符）

处理响应：可选链运算符 (?.) 的妙用

为了直观理解函数打印一下res.tool_calls看看：

六、 完整流程总结

运行效果预览

七、 结语

一、为什么我们需要 Tool？

二、基础入门：定义一个简单的"加法工具"

2. 编写加法工具 (`addTool`)

三、进阶实战：定义"天气查询工具"

2. 编写天气工具 (`weatherTool`)

四、链接大脑：绑定工具到模型

五、触发调用与结果处理（重点：可选链运算符）

处理响应：可选链运算符 (`?.`) 的妙用

为了直观理解函数打印一下`res.tool_calls看看`：

六、完整流程总结

七、结语