LangChain 入门 Tools 工具

定义工具
- [基于 Tool 描述工具【不推荐】](#基于 Tool 描述工具【不推荐】)
- 使用函数名和文档注释描述工具【推荐】
- [定义 Pydantic Model 描述参数](#定义 Pydantic Model 描述参数)
工具调用方法
完整代码

模型（Model)是Agent的大脑，负责推理分析。而工具（Tools）则是Agent的手脚，负责执行任务，与外界交互。

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

因此，定义带有工具的 Agent 的基本流程如下：

定义工具
初始化模型
初始化 Agent，绑定模型和工具

LangChain 入门 Agent 的基本运行机制

定义工具

所谓的工具（Tools），本质就是一个可调用的函数，但是这个函数不是我们自己去调用，而是给模型调用。因此除了定义函数外，我们还需要清晰描述这个工具，让模型知道这个工具如何使用。包括下列信息：

工具名
工具的作用
工具需要的参数

基于 Tool 描述工具【不推荐】

在 LangChain 中定义工具需要用到 @tool 装饰器，我们可以通过装饰器来定义工具名、工具的作用：

python 复制代码

from langchain_core.tools import tool

@tool("square_root",descritpin="计算值平方根")
def square(x: float) -> float:
    return x ** 0.5

使用函数名和文档注释描述工具【推荐】

如果不@tool装饰器，没有定义工具名和作用描述，此时：

工具名：默认就是函数名
工具所需参数：默认就是函数的参数列表
工具作用的描述：默认就是函数的文档注释

python 复制代码

from langchain_core.tools import tool

@tool
def square_root(x: float) -> float:
    """计算值平方根"""
    return x ** 0.5

多参数

python 复制代码

from langchain_core.tools import tool

@tool
def get_weather(location:str, units: str = "celsius", include_forecast: bool = False) -> str:
    """
    Get current weather and optional forecast.
    Args:
        location: city name or coordinates
        units: unit of degress
        include_forecast：dose it include the weather forecast
    """
    temp = 22 if units == "celsius" else 72
    result = f"Current weather in {location}:{temp} degrees {units[0].upper{}}"
    if include_forecast:
        result += "\Next 5 days: Sunny"
    return result

定义 Pydantic Model 描述参数

如果参数多了以后，上面的描述不太方便

如果函数的参数比较多，而且比较复杂，此时建议通过 pydantic model 来描述参数列表。

python 复制代码

# 通过自定义 model 来约束入参
from pydantic import BaseModel, Field
from typing import Literal

# 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"
    )

@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

工具调用方法

python 复制代码

square_root.invoke({"x":467})

get_weather.invoke({"location":"杭州","include_forecast":False})

完整代码

python 复制代码

from langchain.agents import create_agent
from langchain.chat_models import init_chat_model
from langchain.tools import tool
from dotenv import load_dotenv
import os
from pydantic import BaseModel, Field
from typing import Literal
from langchain_core.messages import SystemMessage, HumanMessage, AIMessage

# 加载环境变更值
load_dotenv()



# 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"
    )

@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

@tool
def square_root(x: float) -> float:
    """计算值平方根"""
    return x ** 0.5

# 获取环境变更值
base_url = os.getenv("DASHSCOPE_BASE_URL")
api_key = os.getenv("DASHSCOPE_API_KEY")

print("初始化模型")
# 初始化模型
model = init_chat_model(
    model = "qwen3.6-plus",
    model_provider="openai", # 指定模型提供者（阿里兼容 openai)
    base_url = base_url,
    api_key = api_key,
    temperature = 1.5,
    top_p = 0.9,
)


# 创建 agent
agent = create_agent(
    model=model,  # 不需要加 "openai:" 前缀
    tools=[get_weather,square_root],
)

# 测试 get_weather 工具
messages = agent.stream(
    {"messages": [HumanMessage(content="苏州接下来几天的天气如何？")]}, # 模型会根据用户的输入进行智能选择工具
    stream_mode="messages"
)

for token, metadata in messages:
    if token.content:
        print(token.content, end="", flush=True)

# 测试 square_root 工具
response = agent.invoke(
    {"messages": [HumanMessage(content="467和529的平方根是多少？")]} # 模型会根据用户的输入进行智能选择工具
)

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

返回内容

复制代码

D:\OpenSource\Python\VipLangChain\.venv\Scripts\python.exe D:\OpenSource\Python\VipLangChain\tools.py 
初始化模型
Current weather in 苏州:22 degrees C
Next 5 days: SunnyCurrent weather in 苏州:22 degrees C
Next 5 days: Sunny根据最新天气预报，苏州目前的气温是 **22°C**。接下来的5天天气预报均为**晴天**。================================ Human Message =================================

467和529的平方根是多少？
None
================================== Ai Message ==================================
Tool Calls:
  square_root (call_c92492e390ef49f382c2f270)
 Call ID: call_c92492e390ef49f382c2f270
  Args:
    x: 467
  square_root (call_6cb8193b9bc9400ba9c5f239)
 Call ID: call_6cb8193b9bc9400ba9c5f239
  Args:
    x: 529
None
================================= Tool Message =================================
Name: square_root

21.61018278497431
None
================================= Tool Message =================================
Name: square_root

23.0
None
================================== Ai Message ==================================

467的平方根约为 **21.61**（精确值约 21.61018）
529的平方根正好是 **23**
None

Process finished with exit code 0