LangChain框架在高炉炼铁智能化领域的应用~系列文章09：工具调用Tool — 让AI学会操作高炉仪表盘

🔧 第9期：工具调用Tool --- 让AI学会操作高炉仪表盘

专栏 ：《LangChain框架在高炉炼铁智能化领域的应用》

前情回顾 ：上期我们构建了高炉Agent，有了"自主决策大脑"

本期重点：Tool ------ Agent的"双手"，让AI真正"动手操作"

---

👐 引言：大脑再好，也得有手

上期我们把 Agent 比作"有自主意识的 AI 员工"。但你想过没有------

一个员工光有大脑，没有手，能干啥？🤷

🤖 Agent (大脑) 
     ↓ 思考："我需要查一下当前风压数据"
     ↓ 决策："还需要查一下历史趋势对比"
     ↓ 结论："炉况有异常，需要报警"
     ↓ 但......手呢？谁来点鼠标？谁来按按钮？
     😱 卡住了！

这就是 Tool（工具） 的作用------它们是 Agent 的"双手"，让 AI 能真正操作外部系统！

人   = 大脑(思考)  + 双手(操作)
Agent = LLM(决策)  + Tool(执行)

---

🛠️ LangChain 中的 Tool 体系

工具的分类

Tool 类型树：
│
├── 📡 数据获取类 ------ 查参数、查数据库、查知识库
├── 🔢 计算分析类 ------ 数值计算、统计分析、公式推导
├── ✉️ 通知通讯类 ------ 发飞书、发邮件、发短信
├── 🎮 控制操作类 ------ 调整参数、下发指令
└── 🔌 外部API类 ------ 调用第三方服务

高炉场景的工具清单

工具	类型	作用	Agent调用场景
get_furnace_params	数据获取	查实时参数	"看看当前炉况"
get_param_history	数据获取	查历史趋势	"铁温最近在下降吗"
search_kb	数据获取	搜知识库	"上次悬料怎么处理的"
calculate_ti	计算分析	算透气性指数	"帮我算下透气性"
send_alert	通知通讯	发飞书告警	"发现异常，通知值班"
write_report	数据输出	生成日报	"帮我生成今天的日报"

---

💻 进阶篇：从基础工具到高阶技巧

技巧1️⃣ 带参数校验的工具

from langchain.tools import tool
from pydantic import BaseModel, Field

# 📌 定义工具的参数模型，自动做校验
class FurnaceQueryInput(BaseModel):
    """高炉参数查询的输入校验"""
    furnace_name: str = Field(
        description="高炉名称，如'5号高炉'、'6号高炉'",
        min_length=2, max_length=20
    )
    param_type: str = Field(
        description="参数类别：'temperature'(温度) / 'pressure'(压力) / 'all'(全部)",
        pattern="^(temperature|pressure|all)$"
    )

@tool(args_schema=FurnaceQueryInput)
def query_furnace_with_filter(furnace_name: str, param_type: str) -> str:
    """按类别筛选查询高炉参数"""
    all_params = {
        "5号高炉": {
            "temperature": {"风温": "1205°C", "铁水温度": "1490°C"},
            "pressure": {"风压": "0.392MPa", "顶压": "0.22MPa"}
        }
    }
    
    furnace_data = all_params.get(furnace_name, {})
    if param_type == "all":
        result = {}
        for v in furnace_data.values():
            result.update(v)
        return str(result)
    return str(furnace_data.get(param_type, {}))

# ✅ Agent调用时，如果参数不对会自动报错提示

技巧2️⃣ "组合式"工具

@tool
def comprehensive_furnace_analysis(furnace_name: str) -> str:
    """
    综合高炉炉况分析：一次调用完成参数查询+关键指标计算+初步诊断
    furnace_name: 高炉名称
    """
    # 1. 获取参数
    params = get_furnace_params_data(furnace_name)  # 抽取公共逻辑
    
    # 2. 计算复合指标
    wind_volume = float(params["风量"].replace("m³/min", ""))
    wind_pressure = float(params["风压"].replace("MPa", ""))
    permeability = wind_volume / (wind_pressure * 10000)  # 透气性指数
    
    # 3. 初步诊断
    iron_temp = float(params["铁水温度"].replace("°C", ""))
    if iron_temp < 1480:
        temp_status = "⚠️ 偏低"
    elif iron_temp > 1520:
        temp_status = "⚠️ 偏高"
    else:
        temp_status = "✅ 正常"
    
    return f"""
【{furnace_name} 综合诊断】
📊 关键参数：{params}
🔢 透气性指数：{permeability:.1f}
🌡️ 铁温状态：{temp_status}
    """

技巧3️⃣ 带状态的上下文感知工具

from datetime import datetime

# 全局上下文（模拟）
_global_context = {
    "current_shift": "甲班",
    "operator": "张工",
    "last_alert_time": None
}

@tool
def send_shift_alert(message: str, level: str = "info") -> str:
    """
    发送班次告警/通知
    message: 告警内容
    level: 告警级别 (info/warning/critical)
    """
    now = datetime.now()
    _global_context["last_alert_time"] = now
    
    urgency = {"info": "📋", "warning": "⚠️", "critical": "🚨"}
    icon = urgency.get(level, "📋")
    
    alert = f"""
{icon} 【{level.upper()}】{now.strftime('%H:%M:%S')}
👤 值班: {_global_context['current_shift']} - {_global_context['operator']}
📝 {message}
"""
    # 真实场景这里会调用飞书/短信API
    print(f"🔔 告警已发送: {alert}")
    return f"告警已发送：{message}"

---

🏭 实战：高炉智能体完整工具集

把前面所有技巧整合，打造高炉Agent的完整工具箱 🔧

# 📁 bf_toolkit.py
# 高炉Agent完整工具集

from langchain.tools import tool
from langchain.agents.middleware import wrap_tool_call
from langchain.messages import ToolMessage
from typing import Optional, List
from pydantic import BaseModel, Field
import json

# ─────────── 1. 数据获取类工具 ───────────

@tool
def get_real_time_params(furnace_name: str) -> str:
    """
    【高炉必用】获取高炉实时运行参数
    furnace_name: 高炉名称编号，如"5号高炉"
    """
    # 模拟连接SCADA系统
    params = {
        "5号高炉": {
            "timestamp": "2025-06-05 14:30:00",
            "风温": "1205°C", "风压": "0.392MPa",
            "风量": "4920m³/min", "铁水温度": "1490°C",
            "硅含量": "0.42%", "炉渣碱度": "1.18",
            "透气性指数": "33.8", "料速": "6.3批/h",
            "顶温": "185°C", "顶压": "0.22MPa"
        }
    }
    data = params.get(furnace_name)
    if not data:
        return f"❌ 未找到{furnace_name}的实时数据"
    return json.dumps(data, ensure_ascii=False, indent=2)


@tool
def get_historical_data(
    furnace_name: str,
    param_name: str,
    hours: int = 24,
    interval: str = "1h"
) -> str:
    """
    【趋势分析】查询参数的历史变化趋势
    furnace_name: 高炉名称
    param_name: 参数名称
    hours: 回溯小时数，默认24
    interval: 数据间隔，默认1h
    """
    # 模拟历史数据
    import random
    base_value = {
        "铁水温度": 1500, "硅含量": 0.45,
        "风温": 1200, "风压": 0.39
    }
    base = base_value.get(param_name, 100)
    trend = base - hours * 0.5  # 模拟下降趋势
    
    points = []
    for i in range(min(hours, 24)):
        val = trend + i * 0.3 + random.uniform(-0.5, 0.5)
        points.append({"time": f"{i:02d}:00", "value": round(val, 2)})
    
    return json.dumps({
        "furnace": furnace_name,
        "param": param_name,
        "trend": "下降" if points[-1]["value"] < points[0]["value"] else "上升",
        "data": points
    }, ensure_ascii=False)


# ─────────── 2. 计算分析类工具 ───────────

@tool
def calculate_comprehensive_index(
    wind_volume: float,
    wind_pressure: float,
    iron_temp: float,
    si_content: float
) -> str:
    """
    【专业计算】计算高炉综合评价指标
    wind_volume: 风量 (m³/min)
    wind_pressure: 风压 (MPa)
    iron_temp: 铁水温度 (°C)
    si_content: 硅含量 (%)
    """
    # 透气性指数
    ti = wind_volume / (wind_pressure * 10000) if wind_pressure > 0 else 0
    
    # 炉热指数
    heat_index = iron_temp * 0.7 + si_content * 100 * 0.3
    
    # 综合评价
    score = 0
    score += 30 if 1100 <= iron_temp <= 1250 else 10
    score += 30 if 0.35 <= si_content <= 0.55 else 10
    score += 20 if 30 <= ti <= 38 else 5
    score += 20 if 1480 <= iron_temp <= 1520 else 5
    
    return json.dumps({
        "透气性指数": round(ti, 1),
        "炉热指数": round(heat_index, 1),
        "综合评分": score,
        "评价": "优秀" if score >= 80 else "良好" if score >= 60 else "需关注",
        "计算时间": "2025-06-05 14:30:00"
    }, ensure_ascii=False)


# ─────────── 3. 告警通知类工具 ───────────

@tool
def send_production_alert(
    furnace_name: str,
    alert_type: str,
    message: str,
    severity: str = "warning"
) -> str:
    """
    【告警通知】发送生产告警通知到中控室
    furnace_name: 高炉名称
    alert_type: 告警类型 (temperature/pressure/status)
    message: 告警内容
    severity: 严重级别 (info/warning/critical)
    """
    alert_record = {
        "timestamp": "2025-06-05 14:30:00",
        "furnace": furnace_name,
        "type": alert_type,
        "severity": severity,
        "message": message,
        "status": "已发送"
    }
    # 模拟发送通知
    icons = {"info": "📋", "warning": "⚠️", "critical": "🚨"}
    print(f"{icons.get(severity, '📋')} 已向{furnace_name}中控室发送告警")
    return json.dumps(alert_record, ensure_ascii=False)


# ─────────── 4. 工具错误处理 ───────────

@wrap_tool_call
def bf_tool_middleware(request, handler):
    """高炉工具的全局错误处理中间件"""
    try:
        result = handler(request)
        return result
    except ValueError as e:
        return ToolMessage(
            content=f"参数错误: {str(e)}，请检查输入参数格式",
            tool_call_id=request.tool_call["id"]
        )
    except Exception as e:
        return ToolMessage(
            content=f"工具执行异常: {str(e)}，请稍后重试或联系系统管理员",
            tool_call_id=request.tool_call["id"]
        )


# ─────────── 5. 构建带完整工具集的Agent ───────────

def build_full_agent():
    """构建带完整工具集的高炉Agent"""
    from langchain.agents import create_agent
    from langchain_openai import ChatOpenAI
    
    llm = ChatOpenAI(
        model="doubao-seed-2-0-lite-260215",
        temperature=0.2,
        timeout=600
    )
    
    all_tools = [
        get_real_time_params,
        get_historical_data,
        calculate_comprehensive_index,
        send_production_alert
    ]
    
    agent = create_agent(
        model=llm,
        system_prompt="""🏭 你是高炉炼铁智能体，拥有完整的高炉操作工具集。

【可用工具及使用场景】
1. get_real_time_params - 查实时参数（任何时候先查数据）
2. get_historical_data - 查历史趋势（分析问题时使用）
3. calculate_comprehensive_index - 计算综合评价指标
4. send_production_alert - 发送告警通知（发现异常时使用）

【工作流程】
1️⃣ 先获取实时数据
2️⃣ 如有需要查询历史趋势
3️⃣ 计算综合评价指标
4️⃣ 给出分析结论和建议
5️⃣ 如有异常及时发送告警

【安全规则】
- 告警需确认数据准确性后再发送
- critical级别告警必须附带数据依据""",
        tools=all_tools,
        middleware=[bf_tool_middleware]
    )
    
    return agent


# ─────────── 运行测试 ───────────

if __name__ == "__main__":
    agent = build_full_agent()
    
    # 测试：完整的炉况分析+告警
    result = agent.invoke({
        "messages": [{
            "role": "user",
            "content": "检查一下5号高炉炉况，铁水温度1490°C，硅含量0.38%，"
                       "风温1205°C，风压0.392MPa，风量4920m³/min。"
                       "帮我分析并给出建议，如果异常就发告警。"
        }]
    })
    
    print(result["messages"][-1].content)

---

⚡ Tool 开发黄金法则

法则1：单一职责

# ❌ 错误：一个工具干所有事
@tool
def do_everything(data: str) -> str: ...

# ✅ 正确：每个工具只干一件事
@tool
def get_temperature(furnace: str) -> str: ...  # 只查温度

@tool
def get_pressure(furnace: str) -> str: ...     # 只查压力

法则2：详细的工具描述

# ❌ 抽象描述
@tool
def get_data(name: str) -> str:
    """获取数据"""
    ...

# ✅ 具体描述（模型需要靠描述决定是否调用！）
@tool
def get_furnace_params(name: str) -> str:
    """
    当用户需要查询高炉的实时运行参数时使用此工具。
    参数包括：风温、风压、风量、铁水温度、硅含量等。
    适用于：判断炉况、查看指标、日常巡检。
    name参数为高炉编号，如"5号高炉"。
    """
    ...

法则3：防呆设计

@tool
def query_furnace(furnace_name: str) -> str:
    """查询高炉参数"""
    # 自动容错
    valid_names = {"5号高炉", "5#高炉", "BF-5", "5号炉"}
    if furnace_name in valid_names:
        furnace_name = "5号高炉"  # 统一名称
    # ...

---

📊 本期小结

知识点	一句话总结
Tool是什么	Agent的"双手"，让AI能操作外部系统
参数校验	用 Pydantic 做输入校验，防止"乱传参"
组合工具	一次调用完成多步操作
错误处理	用中间件统一处理工具异常
开发法则	单一职责、详细描述、防呆设计

核心心法：

Tool 是 Agent 能力的边界------Agent 再聪明，也只能做 Tool 允许它做的事。把工具设计得"好用、可靠、安全"，Agent 才能发挥最大价值！🎯

---

📌 下期预告

第10期：《多模态应用：看图识炉，视频监控高炉状态》 👁️

到目前为止，我们的AI只处理"文字"------你问它答，全是文本。

但高炉现场有大量的图像和视频数据：

• 🏭 炉顶红外热像图
• 🔥 风口摄像头画面
• 📷 铁口出铁监控
• 🖼️ 炉壳表面温度扫描

如果用文字描述要写1000字，一张图只需要1秒钟！

下一期，我们进入 多模态世界------让AI不仅能"读文字"，还能"看图像"！从此你的高炉AI长了一双"火眼金睛"！👀🔥

🌟 距离完结还有6期！收藏追更不迷路~

作者：高炉炼铁智能化技术研究者，专注钢铁冶金与人工智能 交叉领域。

👍 如果觉得有帮助，请点赞、收藏、转发！

版权归作者所有，未经许可请勿抄袭，套用，商用(或其它具有利益性行为) 。

🔔 关注专栏，不错过后续精彩内容！