【Agent从入门到实践】33 集成多工具，实现Agent的工具选择与执行

人工智能AI技术2026-01-26 13:20

文章目录

目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步。想要系统学习AI知识的朋友可以看看我的教程http://blog.csdn.net/jiangjunshow，教程通俗易懂，风趣幽默，从深度学习基础原理到各领域实战应用都有讲解。

前言

各位小伙伴，上一篇咱们把代码运行、网页检索、文件操作 三大核心工具都封装好了，每个工具都能单独干活。但真正的Agent不是"工具列表"，而是会自己选工具、按顺序调用、处理结果、直到解决问题的智能体。

这篇就带大家把这些工具集成到一个完整Agent里，实现：

  • 自动判断"要不要用工具、用哪个工具"
  • 多工具链式调用（比如：查资料 → 写代码 → 存文件）
  • 上下文记忆 + 错误处理 + 循环决策
  • 可直接运行的Python代码，复制粘贴就能用

全程口语化，不讲虚的，直接上干货！

一、先搞懂：多工具Agent的核心架构

咱们的Agent就像一个项目经理：

  1. 用户提需求 → 2. 理解意图 → 3. 查工具库 → 4. 选工具/组合工具 → 5. 执行工具 → 6. 看结果 → 7. 判断是否完成 → 8. 没完成就继续，完成就回答

架构拆成 4 块，清晰又好维护：

  • LLM 核心：大模型（GPT/通义千问等），负责"思考+选工具"
  • 工具库：上一篇封装的所有工具（code_runner、web_search、file_* 等）
  • 执行器：负责"调用工具、捕获结果、处理异常"
  • 对话管理器：负责"存上下文、多轮记忆、控制循环"

二、项目结构（清晰版，直接照着建）

复制代码 
agent_tool_integrated/
├── .env                # 密钥配置
├── main.py             # 启动入口
├── agent.py            # Agent核心逻辑（选择+执行+循环）
├── tools.py            # 所有工具（上一篇的完整版）
└── agent_workspace/     # 文件操作安全目录（自动生成）

三、第一步：工具库完整版（tools.py）

把上一篇的工具整合在一起，加上工具描述+映射，方便Agent调用。

python 复制代码 
# tools.py
import sys
import io
import traceback
import time
import os
import json
import re
import math
import random
import datetime
from contextlib import redirect_stdout, redirect_stderr
import ast
import requests
from bs4 import BeautifulSoup
from pathlib import Path
import shutil
from dotenv import load_dotenv

load_dotenv()

# ====================== 1. 代码运行工具（安全沙箱） ======================
SAFE_MODULES = {
    "math", "random", "datetime", "json", "re", "collections",
    "pandas", "numpy", "matplotlib.pyplot", "seaborn"
}

def code_runner(code: str, timeout: int = 5) -> str:
    try:
        tree = ast.parse(code)
        for node in ast.walk(tree):
            if isinstance(node, (ast.Exec, ast.Eval)):
                return "❌ 禁止执行：exec/eval 存在安全风险"
            if isinstance(node, ast.Import):
                for alias in node.names:
                    if alias.name not in SAFE_MODULES:
                        return f"❌ 禁止导入模块：{alias.name}"
            if isinstance(node, ast.ImportFrom):
                if node.module not in SAFE_MODULES:
                    return f"❌ 禁止从 {node.module} 导入"
    except SyntaxError as e:
        return f"❌ 语法错误：{e.msg}（第{e.lineno}行）"

    output = io.StringIO()
    error = io.StringIO()
    start_time = time.time()

    try:
        with redirect_stdout(output), redirect_stderr(error):
            exec(code, {"__builtins__": __builtins__}, {})
            if time.time() - start_time > timeout:
                return f"❌ 执行超时（>{timeout}秒）"
    except Exception as e:
        traceback.print_exc(file=error)
        return f"❌ 执行错误：\n{error.getvalue()}"

    stdout = output.getvalue().strip()
    stderr = error.getvalue().strip()
    result = ""
    if stdout:
        result += f"✅ 标准输出：\n{stdout}\n"
    if stderr:
        result += f"⚠️  错误输出：\n{stderr}\n"
    return result if result else "✅ 代码执行完成（无输出）"

# ====================== 2. 网页检索工具 ======================
def web_search(query: str, num_results: int = 3) -> str:
    serpapi_key = os.getenv("SERPAPI_KEY")
    if not serpapi_key:
        return "❌ 未配置 SERPAPI_KEY"

    url = "https://serpapi.com/search"
    params = {
        "q": query,
        "api_key": serpapi_key,
        "engine": "google",
        "num": num_results,
        "no_cache": "true"
    }

    try:
        response = requests.get(url, params=params, timeout=10)
        response.raise_for_status()
        data = response.json()
        results = []
        for idx, item in enumerate(data.get("organic_results", [])[:num_results], 1):
            title = item.get("title", "无标题")
            link = item.get("link", "无链接")
            snippet = item.get("snippet", "无摘要")
            results.append(f"{idx}. {title}\n   链接：{link}\n   摘要：{snippet}\n")
        if not results:
            return f"🔍 未找到 '{query}' 相关结果"
        return f"🔍 搜索 '{query}' 结果：\n" + "\n".join(results)
    except Exception as e:
        return f"❌ 搜索失败：{str(e)}"

def web_scrape(url: str, max_length: int = 2000) -> str:
    try:
        headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"}
        response = requests.get(url, headers=headers, timeout=10)
        response.raise_for_status()
        soup = BeautifulSoup(response.text, "html.parser")
        for tag in soup(["script", "style"]):
            tag.decompose()
        text = soup.get_text(separator="\n", strip=True)
        if len(text) > max_length:
            text = text[:max_length] + "..."
        return f"🌐 网页 {url} 内容：\n{text}"
    except Exception as e:
        return f"❌ 抓取失败：{str(e)}"

# ====================== 3. 文件操作工具（安全目录） ======================
WORK_DIR = "./agent_workspace"
os.makedirs(WORK_DIR, exist_ok=True)

def _get_safe_path(filepath: str) -> Path:
    base = Path(WORK_DIR).resolve()
    target = (base / filepath).resolve()
    if not target.is_relative_to(base):
        raise ValueError(f"❌ 禁止路径穿越：{filepath}")
    target.parent.mkdir(parents=True, exist_ok=True)
    return target

def file_read(filepath: str, encoding: str = "utf-8") -> str:
    try:
        safe_path = _get_safe_path(filepath)
        with open(safe_path, "r", encoding=encoding) as f:
            content = f.read()
        return f"📖 读取 {filepath} 成功：\n{content}"
    except FileNotFoundError:
        return f"❌ 文件不存在：{filepath}"
    except Exception as e:
        return f"❌ 读取失败：{str(e)}"

def file_write(filepath: str, content: str, mode: str = "w", encoding: str = "utf-8") -> str:
    if mode not in ["w", "a"]:
        return f"❌ 无效模式：{mode}（仅支持 w/覆盖、a/追加）"
    try:
        safe_path = _get_safe_path(filepath)
        with open(safe_path, mode, encoding=encoding) as f:
            f.write(content)
        return f"📝 写入 {filepath} 成功（模式：{mode}）"
    except Exception as e:
        return f"❌ 写入失败：{str(e)}"

def file_list(dirpath: str = ".") -> str:
    try:
        safe_path = _get_safe_path(dirpath)
        if not safe_path.is_dir():
            return f"❌ 不是目录：{dirpath}"
        items = list(safe_path.iterdir())
        if not items:
            return f"📂 目录 {dirpath} 为空"
        result = [f"📂 目录 {dirpath} 内容："]
        for item in items:
            icon = "📁" if item.is_dir() else "📄"
            result.append(f"  {icon} {item.name}")
        return "\n".join(result)
    except Exception as e:
        return f"❌ 列目录失败：{str(e)}"

def file_delete(filepath: str, confirm: bool = True) -> str:
    if confirm:
        return f"⚠️  删除需确认：请设置 confirm=False 才能删除 {filepath}"
    try:
        safe_path = _get_safe_path(filepath)
        if safe_path.is_file():
            safe_path.unlink()
            return f"🗑️  删除 {filepath} 成功"
        elif safe_path.is_dir():
            shutil.rmtree(safe_path)
            return f"🗑️  删除目录 {filepath} 成功"
        else:
            return f"❌ 不存在：{filepath}"
    except Exception as e:
        return f"❌ 删除失败：{str(e)}"

# ====================== 4. 工具描述（给大模型看的菜单） ======================
TOOLS = [
    {
        "type": "function",
        "function": {
            "name": "code_runner",
            "description": "安全执行Python代码，支持计算、数据处理、简单绘图，返回输出/错误",
            "parameters": {
                "type": "object",
                "properties": {
                    "code": {"type": "string", "description": "要执行的Python代码"},
                    "timeout": {"type": "integer", "description": "超时秒数，默认5", "default": 5}
                },
                "required": ["code"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "web_search",
            "description": "联网搜索信息，返回标题+链接+摘要，适合查知识、新闻、实时数据",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {"type": "string", "description": "搜索关键词"},
                    "num_results": {"type": "integer", "description": "结果数，默认3", "default": 3}
                },
                "required": ["query"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "web_scrape",
            "description": "抓取指定网页文本内容（去除HTML标签），用于获取详细资料",
            "parameters": {
                "type": "object",
                "properties": {
                    "url": {"type": "string", "description": "网页URL"},
                    "max_length": {"type": "integer", "description": "最大长度，默认2000", "default": 2000}
                },
                "required": ["url"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "file_read",
            "description": "读取指定文件内容（仅在agent_workspace内）",
            "parameters": {
                "type": "object",
                "properties": {
                    "filepath": {"type": "string", "description": "文件相对路径"},
                    "encoding": {"type": "string", "description": "编码，默认utf-8", "default": "utf-8"}
                },
                "required": ["filepath"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "file_write",
            "description": "写入/追加内容到文件（仅在agent_workspace内）",
            "parameters": {
                "type": "object",
                "properties": {
                    "filepath": {"type": "string", "description": "文件相对路径"},
                    "content": {"type": "string", "description": "要写入的内容"},
                    "mode": {"type": "string", "description": "w=覆盖，a=追加，默认w", "default": "w"},
                    "encoding": {"type": "string", "description": "编码，默认utf-8", "default": "utf-8"}
                },
                "required": ["filepath", "content"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "file_list",
            "description": "列出指定目录下的文件/文件夹（仅在agent_workspace内）",
            "parameters": {
                "type": "object",
                "properties": {
                    "dirpath": {"type": "string", "description": "目录相对路径，默认.", "default": "."}
                }
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "file_delete",
            "description": "删除文件/目录（谨慎操作，需confirm=False）",
            "parameters": {
                "type": "object",
                "properties": {
                    "filepath": {"type": "string", "description": "文件/目录相对路径"},
                    "confirm": {"type": "boolean", "description": "是否确认删除，默认True", "default": True}
                },
                "required": ["filepath"]
            }
        }
    }
]

# ====================== 5. 工具映射（名字→函数） ======================
TOOL_MAP = {
    "code_runner": code_runner,
    "web_search": web_search,
    "web_scrape": web_scrape,
    "file_read": file_read,
    "file_write": file_write,
    "file_list": file_list,
    "file_delete": file_delete
}

四、第二步：Agent核心逻辑（agent.py）------ 选工具+执行+循环

这是灵魂！负责：

  • 调用大模型判断是否用工具
  • 解析工具调用参数
  • 执行工具并捕获结果
  • 多轮循环直到问题解决
python 复制代码 
# agent.py
import json
from openai import OpenAI
from dotenv import load_dotenv
import os
from tools import TOOLS, TOOL_MAP

load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

class MultiToolAgent:
    def __init__(self, max_rounds: int = 10):
        self.max_rounds = max_rounds  # 最大循环轮次，防止死循环
        self.messages = [
            {"role": "system", "content": "你是一个专业的AI助手，擅长使用工具解决问题。严格按函数调用格式返回工具调用；不需要工具就直接回答。多轮工具调用时，根据上一轮结果继续决策，直到问题完全解决。"}
        ]

    def _call_llm(self, use_tools: bool = True):
        """调用大模型，支持工具调用"""
        kwargs = {
            "model": "gpt-3.5-turbo",
            "messages": self.messages,
            "temperature": 0.2
        }
        if use_tools:
            kwargs["tools"] = TOOLS
            kwargs["tool_choice"] = "auto"
        response = client.chat.completions.create(**kwargs)
        return response.choices[0].message

    def _execute_tool(self, tool_call):
        """执行单个工具，返回结果"""
        tool_name = tool_call.function.name
        tool_args = json.loads(tool_call.function.arguments)
        tool_func = TOOL_MAP.get(tool_name)

        if not tool_func:
            return f"❌ 工具 {tool_name} 不存在"
        try:
            print(f"🛠️  执行工具：{tool_name}，参数：{tool_args}")
            result = tool_func(** tool_args)
            print(f"✅ 工具结果：{result[:100]}..." if len(result) > 100 else f"✅ 工具结果：{result}")
            return result
        except Exception as e:
            return f"❌ 工具 {tool_name} 执行失败：{str(e)}"

    def run(self, user_query: str) -> str:
        """运行Agent，处理用户问题（多轮工具调用）"""
        print(f"\n🤖 用户问题：{user_query}")
        self.messages.append({"role": "user", "content": user_query})

        for round_num in range(1, self.max_rounds + 1):
            print(f"\n━━━━━━━━━━━━ 第 {round_num} 轮决策 ━━━━━━━━━━━━")
            response_msg = self._call_llm(use_tools=True)
            self.messages.append(response_msg)

            # 没有工具调用，直接返回回答
            if not response_msg.tool_calls:
                print(f"\n🎉 问题解决，无需更多工具")
                return response_msg.content

            # 有工具调用，逐个执行
            print(f"📌 选择工具：{[tc.function.name for tc in response_msg.tool_calls]}")
            tool_responses = []
            for tc in response_msg.tool_calls:
                tool_result = self._execute_tool(tc)
                tool_responses.append({
                    "tool_call_id": tc.id,
                    "role": "tool",
                    "name": tc.function.name,
                    "content": tool_result
                })

            # 把工具结果返回给大模型，进入下一轮
            self.messages.extend(tool_responses)

        # 超过最大轮次，强制结束
        return f"⚠️  已达到最大轮次({self.max_rounds})，问题未完全解决，可继续提问"

# 测试
if __name__ == "__main__":
    agent = MultiToolAgent()
    # 测试1：计算+存文件+读文件
    # resp = agent.run("帮我算1到100的和，把结果存到sum.txt，再读出来给我看")
    # 测试2：查资料+写文件
    resp = agent.run("帮我查2024年Python最新版本，把结果存到python_version.md")
    print(f"\n🎯 最终回答：{resp}")

五、第三步：启动入口（main.py）------ 一键运行

python 复制代码 
# main.py
from agent import MultiToolAgent

def main():
    print("🚀 多工具集成Agent已启动！输入 'exit' 退出")
    agent = MultiToolAgent(max_rounds=10)
    while True:
        user_input = input("\n请输入你的问题：")
        if user_input.lower() in ["exit", "quit", "q"]:
            print("👋 再见！")
            break
        answer = agent.run(user_input)
        print(f"\n✅ Agent回答：{answer}")

if __name__ == "__main__":
    main()

六、第四步：配置 .env + 安装依赖

1. .env 配置

env 复制代码 
OPENAI_API_KEY="sk-你的OpenAI密钥"
SERPAPI_KEY="你的SerpAPI密钥"  # 网页搜索用，申请：https://serpapi.com

2. 安装依赖

bash 复制代码 
pip install openai python-dotenv requests beautifulsoup4 pandas numpy

七、运行效果演示（真实可复现）

运行 python main.py，输入：

帮我查2024年Python最新版本，把结果存到python_version.md

输出流程：

复制代码 
🚀 多工具集成Agent已启动！输入 'exit' 退出

请输入你的问题：帮我查2024年Python最新版本，把结果存到python_version.md

🤖 用户问题：帮我查2024年Python最新版本，把结果存到python_version.md

━━━━━━━━━━━━ 第 1 轮决策 ━━━━━━━━━━━━
📌 选择工具：['web_search']
🛠️  执行工具：web_search，参数：{'query': '2024年Python最新版本', 'num_results': 3}
✅ 工具结果：🔍 搜索 '2024年Python最新版本' 结果：
1. Python 3.13.0 release notes
   链接：https://docs.python.org/3.13/whatsnew/3.13.html
   摘要：Python 3.13.0 is the newest major release...

━━━━━━━━━━━━ 第 2 轮决策 ━━━━━━━━━━━━
📌 选择工具：['file_write']
🛠️  执行工具：file_write，参数：{'filepath': 'python_version.md', 'content': '2024年Python最新版本：3.13.0...', 'mode': 'w', 'encoding': 'utf-8'}
✅ 工具结果：📝 写入 python_version.md 成功（模式：w）

🎉 问题解决，无需更多工具

✅ Agent回答：已为你查询到2024年Python最新版本为3.13.0，并将结果保存到 python_version.md 文件中。

本地会生成 ：agent_workspace/python_version.md，内容就是查询结果。

八、核心知识点总结（敲黑板！）

  1. 工具选择靠大模型 ：通过 tools 参数给大模型"菜单"，它会自动选工具、拼参数
  2. 执行靠工具映射 ：TOOL_MAP 把工具名和函数绑定，解耦、好扩展
  3. 多轮靠上下文 ：把工具结果放回 messages，大模型才能"记得"之前干了啥
  4. 安全靠限制：代码沙箱、文件目录限制、超时控制，缺一不可
  5. 循环靠轮次控制 ：max_rounds 防止死循环，生产环境必加

九、常见问题 & 解决（避坑指南）

问题 原因 解决
大模型不调用工具 工具描述不清楚/参数不明确 优化 description 和 parameters，越具体越好
工具参数错误 大模型拼错参数名/类型 工具描述里明确参数类型、示例，比如 code: "print(1+1)"
循环卡死 问题太复杂/大模型反复选同一工具 增加 max_rounds，优化 system prompt，明确"完成就停止"
网页搜索失败 SERPAPI_KEY 错误/网络问题 检查密钥，换网络，或用百度/ Bing API 替代
文件操作失败 路径穿越/权限问题 用 _get_safe_path 限制目录，确保 agent_workspace 可写

十、扩展方向（生产可用）

  1. 工具权限控制：给不同用户/场景分配不同工具（比如只读文件、禁止删除）
  2. 本地大模型支持：换成 Llama 3/Qwen 等开源模型，实现离线工具调用
  3. 工具执行日志：记录所有工具调用（时间、用户、参数、结果），方便审计
  4. 工具重试机制：网络波动/临时错误时自动重试
  5. 多Agent协作：拆成"搜索Agent""代码Agent""文件Agent"，分工协作
  6. Web界面：用 FastAPI + Streamlit 做可视化界面，非技术人员也能用

目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步。想要系统学习AI知识的朋友可以看看我的教程http://blog.csdn.net/jiangjunshow，教程通俗易懂，风趣幽默，从深度学习基础原理到各领域实战应用都有讲解。

相关推荐
逐梦苍穹2 小时前
Clawdbot vs ClaudeCode：7x24运行方案全对比
人工智能·claudecode·clawdbot
AI街潜水的八角2 小时前
语义分割实战——基于EGEUNet神经网络印章分割系统3：含训练测试代码、数据集和GUI交互界面
人工智能·深度学习·神经网络
AIFQuant2 小时前
如何通过股票数据 API 计算 RSI、MACD 与移动平均线MA
大数据·后端·python·金融·restful
70asunflower2 小时前
Python with 语句与上下文管理完全教程
linux·服务器·python
MasonYyp2 小时前
DSPy优化提示词
大数据·人工智能
互联网科技看点2 小时前
园世骨传导耳机：专业之选，X7与Betapro引领游泳运动双潮流
人工智能
大公产经晚间消息2 小时前
天九企服董事长戈峻出席欧洲经贸峰会“大进步日”
大数据·人工智能·物联网
deephub2 小时前
为什么标准化要用均值0和方差1？
人工智能·python·机器学习·标准化
饮哉2 小时前
LLM生成文本每次是把之前所有的token都输入，还是只输入上一个token？
人工智能·大模型
热门推荐
01GitHub 镜像站点02OpenCode 入门教程：介绍 · 安装 · 配置第三方 API (如 Claude)03Claude Code Skills 实用使用手册04Open Code教程（四）| 高级配置与集成05UV安装并设置国内源06Linux下V2Ray安装配置指南07在VSCode配置Java开发环境的保姆级教程（适配各类AI编程IDE）08安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）09Antigravity AI编程工具添加和使用Skill完整教程10MC.JS 网页版《我的世界》 免安装中文版