AI大模型学习笔记：LangChain核心组件-工具（Tools）

文章目录

- - [为什么需要 Tool](#为什么需要 Tool)
  - [Tool 工作原理](#Tool 工作原理)
  - [Tool 常用属性](#Tool 常用属性)
  - 基本用法
  - 自定义工具

LangChain 的 ‌工具（Tools）‌ 是其核心组件之一，用于扩展大语言模型（LLM）的能力，使其能够与外部系统、API 或自定义函数交互，从而完成仅靠文本生成无法实现的任务，如查询天气、执行计算、搜索数据库等。

为什么需要 Tool

虽然大模型具备强大的语言理解和生成能力，但它本质上是静态的、不可交互的。比如：

不具备访问数据库、调用 API 的能力
不能执行代码或文件操作
无法实时访问互联网或动态数据等

通过 Tool（工具）机制，可以让模型具备"调用外部函数"的能力，使其能够与外部系统、API 或自定义函数交互，从而完成仅靠文本生成无法实现的任务。例如：
实时访问外部世界（如天气、股票、网页等）
调用计算函数（数学、单位换算）
查询数据库或搜索文档
实现"多轮决策"流程（如规划任务、搜索后总结）

一个完整的Agent至少要包含两个关键的部分：

模型：是Agent的大脑，负责推理、分析，规划任务步骤
工具：是Agent的手脚，负责执行任务，与外界交互

Tool 工作原理

工具的工作流程如下：

定义工具：指定工具的名称、描述和执行逻辑（函数或类）。
注册工具：将工具提供给代理或链，代理根据任务描述选择工具。
调用工具：代理生成工具调用的指令（包括输入参数），工具执行并返回结果。
处理结果：代理或链将工具输出整合到工作流中，生成最终响应。

工具的核心依赖：

工具描述：帮助代理理解工具的功能和适用场景。
输入解析：确保工具能正确处理代理提供的输入。
输出格式：工具返回的结果应与代理或链的期望兼容。

Tool 常用属性

属性	类型	描述
name	str	必选，在提供给LLM或Agent的工具集中必须是唯一的。
description	str	可选但建议，描述工具的功能。LLM或Agent将使用此描述作为上下文，使用它确定工具的使用
args_schema	Pydantic BaseModel	可选但建议，可用于提供更多信息（例如，few-shot示例）或验证预期参数。
return_direct	boolean	仅对Agent相关。当为True时，在调用给定工具后，Agent将停止并将结果直接返回给用户。

基本用法

我们先通过一个案例快速回顾Agent定义的步骤，以及Agent的工作原理。

定义一个带有工具的Agent分为两步：

定义工具
定义Agent，绑定工具

首先，使用tool装饰器定义工具：

python 复制代码

# 1.使用tool装饰器定义工具
from langchain.tools import tool

@tool
def get_weather(location: str) -> str:
    """
    Get the weather in a given location.
    Args:
        location: city name or coordinates
    """
    return f"Current weather in {location} is sunny"

接着，定义Agent，绑定工具：

python 复制代码

from langchain.agents import create_agent
from langchain_core.messages import HumanMessage

# 2.创建智能体，并绑定工具
agent = create_agent(
    model="deepseek-chat",
    tools=[get_weather]
)

# 3.调用Agent
response = agent.invoke(
    {"messages": [HumanMessage(content="杭州今天天气如何?")]},
)

for message in response['messages']:
    message.pretty_print()

执行结果如下：

python 复制代码

================================ Human Message =================================

杭州今天天气如何?
================================== Ai Message ==================================

我来帮您查询杭州今天的天气情况。
Tool Calls:
  get_weather (call_00_FETE4MIR9p1Gr6uszgjcko6m)
 Call ID: call_00_FETE4MIR9p1Gr6uszgjcko6m
  Args:
    location: 杭州
================================= Tool Message =================================
Name: get_weather

Current weather in 杭州 is sunny
================================== Ai Message ==================================

根据查询结果，杭州今天的天气是晴朗的。天气很好，适合外出活动！

流程图：

由此可见，所谓的工具，本质就是一个可调用的函数，要想让Agent知道有哪些工具可调用，该如何调用这些工具，就必须把这个函数的详细信息发送给模型。包括：

函数名
函数的作用
函数的参数和返回值信息

所以，定义工具的时候，关键就是把这些信息描述清楚即可。

大模型会自动分析用户需求，判断是否需要调用指定工具。

如果模型认为需要调用工具（如 MoveFileTool ），返回的 message 会包含

content : 通常为空（因为模型选择调用工具，而非生成自然语言回复）。
additional_kwargs : 包含工具调用的详细信息：
如果模型认为无需调用工具（例如用户输入与工具无关），返回的 message 会是普通文本回复

自定义工具

在LangChain中，定义工具的过程被大大简化，与定义普通函数几乎没什么差别，只是在一些细节上需要注意。

首先，定义工具需要在函数上添加@tool装饰器。

例如，我们定义一个计算平方根的数学工具：

python 复制代码

# 定义工具
from langchain.tools import tool

@tool
def square_root(x: float) -> float:
    """计算指定数字的平方根"""
    return x ** 0.5

智能体在工作时，需要将函数的名称、输入、作用传递给大模型，默认情况下这些信息的来源是：

工具名称：函数名
工具输入：函数入参
工具作用：函数的注释

当然，我们可以通过tool装饰器来覆盖上述信息：

通过装饰器定义工具名称

python 复制代码

@tool("square_root")
def tool1(x: float) -> float:
    """Calculate the square root of a number"""
    return x ** 0.5

通过装饰器定义工具作用描述

python 复制代码

@tool("square_root", description="Calculate the square root of a number")
def tool1(x: float) -> float:
    return x ** 0.5

通过装饰器定义工具入参约束
如果要覆盖工具的入参信息则会复杂很多，我们要借助于Pydantic或JSON约束。

例如，我们需要定义个查询天气的tool，借助于Pydantic来约束入参。

我们定义一个入参的模型，在模型中添加入参描述信息：

python 复制代码

# 例如一个查询天气的tool
class WeatherInput(BaseModel):
    """查询天气的输入参数."""
    location: str = Field(description="City name or coordinates")
    units: Literal["celsius", "fahrenheit"] = Field(
        default="celsius",
        description="Temperature unit preference"
    )
    include_forecast: bool = Field(
        default=False,
        description="Include 5-day forecast"
    )

定义工具，使用定义的模型来约束入参：

python 复制代码

# 定义一个查询天气的tool
@tool(args_schema=WeatherInput)
def get_weather(location: str, units: str = "celsius", include_forecast: bool = False) -> str:
    """Get current weather and optional forecast."""
    temp = 22 if units == "celsius" else 72
    result = f"Current weather in {location}: {temp} degrees {units[0].upper()}"
    if include_forecast:
        result += "\nNext 5 days: Sunny"
    return result

工具定义好之后，调用方式与普通函数类似：

python 复制代码

# 调用数学工具
tool1.invoke({"x": 467})

# 调用查询天气工具
get_weather.invoke({"location": "杭州", "include_forecast": True})

注意：在LangChain中，作为工具的函数有两个保留的参数名，你的自定义参数不能与之重复！他们是：

config：用来传递运行时配置

runtime：用来传递运行时上下文

当我们创建智能体时，可以把定义好的工具传递给智能体，将来模型就能得到工具信息，并根据情况判断是否需要调用工具，需要调用哪个工具了。

python 复制代码

from langchain.agents import create_agent

# 创建智能体，并添加工具
agent = create_agent(
    model="deepseek-chat",
    tools=[tool1, get_weather],
    system_prompt="你是一个智能助手，你使用工具来解决用户问题。"
)

接下来，调用智能体，向其提问，模型会自动根据用户问题判断：

是否需要调用工具？
该调用哪个工具？
该传递那些参数？
并且在调用工具之后，根据工具执行结果给用户生成响应。

python 复制代码

# 调用智能体
for token, metadata in agent.stream(
    {"messages": [HumanMessage(content="467的平方根是多少?")]},
    stream_mode="messages"
):
    print(token.content, end="", flush=True)
    

for token, metadata in agent.stream(
    {"messages": [HumanMessage(content="北京和杭州接下来几天天气如何?")]},
    stream_mode="messages"
):
    print(token.content, end="", flush=True)

如果采用stream模式的updates模式，可以看到工具调用的具体步骤：

python 复制代码

for chunk in agent.stream(
    {"messages": [HumanMessage(content="467、529的平方根是多少?")]},
    stream_mode="updates"
):
    for step, data in chunk.items():
        print(f"step: {step}")
        print(f"content: {data['messages'][-1].content_blocks}")
        print()

输出如下：

python 复制代码

step: model
content: [{'type': 'text', 'text': '我来帮你计算这两个数的平方根。'}, {'type': 'tool_call', 'id': 'call_00_oWChR8Xgo21mmWKW0SP9uOS9', 'name': 'square_root', 'args': {'x': 467}}, {'type': 'tool_call', 'id': 'call_01_UqzhGeRNcoSoidItA0gScaoY', 'name': 'square_root', 'args': {'x': 529}}]

step: tools
content: [{'type': 'text', 'text': '21.61018278497431'}]

step: tools
content: [{'type': 'text', 'text': '23.0'}]

step: model
content: [{'type': 'text', 'text': '计算结果如下：\n\n- **467的平方根** ≈ 21.6102\n- **529的平方根** = 23.0（因为23 × 23 = 529，所以529是完全平方数）\n\n所以：\n- √467 ≈ 21.6102\n- √529 = 23'}]

工作流程如图：