[特殊字符] Agent 智能体开发实战 · 第一课：Tool Use —— 让大模型自动干活

系列定位：从零开始，循序渐进，用代码说话，打造自己的 AI Agent。

本课聚焦：LLM 为什么要装"手"？Tool 怎么定义？LLM 怎么调用 Tool？如何并行执行多个 Tool？

---

🗺️ 全系列路线图

Agent 学习路线（Node.js + LangChain 技术栈）

┌──────────────────────────────────────────────────────────┐
│  第一课 ✅     Tool Use        让大模型自动干活            │
│  第二课 📝     Agent Loop      完整的思考-执行循环         │
│  第三课 🧠     Memory          给 Agent 装上记忆           │
│  第四课 📚     RAG             检索增强生成               │
│  第五课 🔌     MCP             标准化的工具协议            │
│  第六课 🎯     Skills          复杂任务的技能编排          │
│  第七课 🕸️     LangGraph       多智能体协作               │
│  第八课 🏭     NestJS 集成      AI 全栈产品落地           │
└──────────────────────────────────────────────────────────┘

💡 每一课都有对应的可运行代码，放在 hello-langchain/ 目录下。

---

📖 本课目录

• 一、为什么不直接调用大模型接口？
• [二、Agent 到底是什么？](#二、Agent 到底是什么？)
• [三、Agent 的工作流程](#三、Agent 的工作流程)
• [四、Agent 开发框架 ------ LangChain](#四、Agent 开发框架 —— LangChain)
• [五、LangChain 核心模块详解](#五、LangChain 核心模块详解)
  • [5.1 LLM：统一的大模型接口](#5.1 LLM：统一的大模型接口)
  • [5.2 Tool：给 LLM 装上"手"](#5.2 Tool：给 LLM 装上"手")
  • [5.3 Tool 的返回格式与交互机制](#5.3 Tool 的返回格式与交互机制)
• [六、LLM + Tool 性能优化：Promise.all 并行执行](#六、LLM + Tool 性能优化：Promise.all 并行执行)
• [七、手写一个简易版 Claude Code Agent](#七、手写一个简易版 Claude Code Agent)
• [八、本课小结 & 下节预告](#八、本课小结 & 下节预告)

---

一、为什么不直接调用大模型接口？

很多人以为搞 AI 应用就是调一下 OpenAI 的 API，但实际上，裸调大模型接口有几个硬伤：

🚫 问题	💡 解释	🔧 解决方案
记不住	你上周和它聊过的消息，它能记住吗？LLM 是 stateless（无状态） 的，每次请求都是"初次见面"	数据库 / 前端存储 / Redis → Memory 模块
动不了	让 LLM 帮你访问一个网页、操作文件？它只能告诉你思路，没法自己动手	Tool Use 模块 ✨ 本课重点
不知道	访问公司内部私有文档？LLM 根本没学过这些数据	RAG 模块（检索增强生成）
跟不上	最新的世界杯新闻、今天的股价？这些都不在预训练数据里	MCP （第三方 Tool，LLM 协议）/ Tool
做不深	做 PPT、分析股市并自动买卖？需要多步骤、多工具的复杂编排	Skills（技能蒸馏）

🎯 本课结论 ：直接调 API 只能做"聊天机器人"，要做"能办事的智能体"，第一步就是给 LLM 装上 Tool（工具）------本课就从这个最核心的模块开始。

---

二、Agent 到底是什么？

Agent 的公式很简单：

🧠 Agent = LLM + Memory + Tool + RAG + MCP + Skills
                ↑        ↑      ↑     ↑     ↑
             第二课    本课✅  第四课  第五课  第六课

模块	作用	类比
🧠 LLM	大脑，负责思考和生成文本	人的大脑皮层
📝 Memory	记住上下文、用户偏好、历史对话	人的海马体（记忆）
🔧 Tool	调用外部工具（读文件、发邮件、查数据库）	人的手和脚
📚 RAG	检索私有知识库，补充 LLM 不知道的信息	翻书查资料
🔌 MCP	标准化的第三方工具接入协议	通用的 USB 接口
🎯 Skills	复杂任务的编排和技能蒸馏	人的专业技能

其实 Agent 并不复杂。LLM 本身就可以思考、规划，给它用 Tool 扩展能力，它就能自己做事了；用 Memory 管理记忆，它就能记住你要它记住的东西；还可以用 RAG 查询内部知识库来获取知识。

这样一个"知道内部知识、能思考规划、能帮你做事情"的扩展后的大模型，就是一个 Agent。 🎉

现实世界中已经有很多 Agent 产品：

• Claude Code / Codex：Coding Agent，帮程序员写代码
• Manus / 小龙虾：通用任务自动化 Agent

---

三、Agent 的工作流程

Agent 处理一个复杂任务时，不是"一步到位"，而是有一个思考-执行循环：
#mermaid-svg-UdSea3UZaCrzsyZc{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-UdSea3UZaCrzsyZc .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-UdSea3UZaCrzsyZc .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-UdSea3UZaCrzsyZc .error-icon{fill:#552222;}#mermaid-svg-UdSea3UZaCrzsyZc .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-UdSea3UZaCrzsyZc .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-UdSea3UZaCrzsyZc .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-UdSea3UZaCrzsyZc .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-UdSea3UZaCrzsyZc .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-UdSea3UZaCrzsyZc .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-UdSea3UZaCrzsyZc .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-UdSea3UZaCrzsyZc .marker{fill:#333333;stroke:#333333;}#mermaid-svg-UdSea3UZaCrzsyZc .marker.cross{stroke:#333333;}#mermaid-svg-UdSea3UZaCrzsyZc svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-UdSea3UZaCrzsyZc p{margin:0;}#mermaid-svg-UdSea3UZaCrzsyZc .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-UdSea3UZaCrzsyZc .cluster-label text{fill:#333;}#mermaid-svg-UdSea3UZaCrzsyZc .cluster-label span{color:#333;}#mermaid-svg-UdSea3UZaCrzsyZc .cluster-label span p{background-color:transparent;}#mermaid-svg-UdSea3UZaCrzsyZc .label text,#mermaid-svg-UdSea3UZaCrzsyZc span{fill:#333;color:#333;}#mermaid-svg-UdSea3UZaCrzsyZc .node rect,#mermaid-svg-UdSea3UZaCrzsyZc .node circle,#mermaid-svg-UdSea3UZaCrzsyZc .node ellipse,#mermaid-svg-UdSea3UZaCrzsyZc .node polygon,#mermaid-svg-UdSea3UZaCrzsyZc .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-UdSea3UZaCrzsyZc .rough-node .label text,#mermaid-svg-UdSea3UZaCrzsyZc .node .label text,#mermaid-svg-UdSea3UZaCrzsyZc .image-shape .label,#mermaid-svg-UdSea3UZaCrzsyZc .icon-shape .label{text-anchor:middle;}#mermaid-svg-UdSea3UZaCrzsyZc .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-UdSea3UZaCrzsyZc .rough-node .label,#mermaid-svg-UdSea3UZaCrzsyZc .node .label,#mermaid-svg-UdSea3UZaCrzsyZc .image-shape .label,#mermaid-svg-UdSea3UZaCrzsyZc .icon-shape .label{text-align:center;}#mermaid-svg-UdSea3UZaCrzsyZc .node.clickable{cursor:pointer;}#mermaid-svg-UdSea3UZaCrzsyZc .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-UdSea3UZaCrzsyZc .arrowheadPath{fill:#333333;}#mermaid-svg-UdSea3UZaCrzsyZc .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-UdSea3UZaCrzsyZc .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-UdSea3UZaCrzsyZc .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-UdSea3UZaCrzsyZc .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-UdSea3UZaCrzsyZc .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-UdSea3UZaCrzsyZc .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-UdSea3UZaCrzsyZc .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-UdSea3UZaCrzsyZc .cluster text{fill:#333;}#mermaid-svg-UdSea3UZaCrzsyZc .cluster span{color:#333;}#mermaid-svg-UdSea3UZaCrzsyZc div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-UdSea3UZaCrzsyZc .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-UdSea3UZaCrzsyZc rect.text{fill:none;stroke-width:0;}#mermaid-svg-UdSea3UZaCrzsyZc .icon-shape,#mermaid-svg-UdSea3UZaCrzsyZc .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-UdSea3UZaCrzsyZc .icon-shape p,#mermaid-svg-UdSea3UZaCrzsyZc .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-UdSea3UZaCrzsyZc .icon-shape .label rect,#mermaid-svg-UdSea3UZaCrzsyZc .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-UdSea3UZaCrzsyZc .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-UdSea3UZaCrzsyZc .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-UdSea3UZaCrzsyZc :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 是
否
是
否
是
否
👤 用户提出复杂任务

以 Prompt 形式
🧠 LLM 进行

Planning / Reasoning

规划与推理
需要加载

Memory?
📝 加载记忆
需要调用

Tool?
🔧 分步骤调用多个工具
📤 生成 Response
需要查询

RAG?
📚 检索内容 → Prompt Template
👤 返回用户

任务完成 ✅

核心流程拆解：

1. 接收任务 👂 ------ 用户以 Prompt 形式提交一个复杂任务给 Agent
2. 规划推理 🧠 ------ LLM 进行 Planning/Reasoning，制定执行计划
3. 记忆判断 📝 ------ 决定是否需要加载历史记忆来辅助决策
4. 工具调用 🔧 ------ 判断是否需要调用工具，如果需要，分步骤调用多个工具
5. 知识检索 📚 ------ 如需内部知识，走 RAG 流程，将检索结果注入 Prompt Template
6. 生成回复 📤 ------ 综合所有信息，生成最终回复返回给用户

🔴 本课聚焦第 4 步：工具调用（Tool Use）------ 这是 Agent 从"说"到"做"的关键一跃。

---

四、Agent 开发框架 ------ LangChain

LangChain 是一个 LLM 开发框架，它比 OpenAI（Transformers, Generative）还早诞生，是目前最主流的 Agent 开发框架之一。

🏗️ 技术栈推荐

Node.js（NestJS） + LangChain（单智能体） + LangGraph（多智能体）

• NestJS 🐱：企业级 Node.js 后端框架，适合构建 AI 全栈产品
• LangChain ⛓️：单智能体开发框架，统一 LLM 接口、管理 Tool、编排 Chain
• LangGraph 🕸️：多智能体协作框架，支持复杂的 Agent 拓扑结构

🎯 目标 ：结合后端技术，开发 AI 全栈 Agent 产品，让 AI 技术通过 Harness Engineering 落地，实现 AI 技术的商业价值（FDE）。

---

五、LangChain 核心模块

5.1 LLM：统一的大模型接口

LangChain 的核心优势之一是统一且兼容的大模型接口。不管底层用的是 OpenAI、DeepSeek 还是其他模型，调用方式都一样。

📝 实战代码：index.mjs ------ 最基本的 LLM 调用

import { ChatOpenAI } from '@langchain/openai';
import 'dotenv/config';

const model = new ChatOpenAI(
  {
    modelName: 'deepseek-v4-flash',          // 指定模型名称
    apiKey: process.env.DEEPSEEK_API_KEY,     // 从环境变量加载 API Key
    configuration: {
      baseURL: 'https://api.deepseek.com/v1', // 兼容 OpenAI 格式的 Base URL
    },
  }
);
// 底层等价于 client.chat.completions.create
// LangChain 帮你做了统一封装，切换模型只需改配置
const response = await model.invoke('棍王杯台球比赛应该设什么奖励？');
console.log(response.content);

💡 核心要点 ：@langchain/openai 使用的是 OpenAI 兼容的接口格式，所以 DeepSeek、豆包、千问等只要支持 OpenAI 格式的模型，都能按需加载，无缝切换。

---

5.2 Tool：给 LLM 装上"手"

Tool（工具）是 Agent 最关键的能力扩展，也是本课的核心。LangChain 使用 @langchain/core 中的 tool() 函数 + zod 来做工具定义和参数验证。

一个 Tool 由两个核心部分组成：

组成部分	说明
⚙️ 异步处理函数	工具实际执行的逻辑（读文件、调 API 等）
📋 函数描述对象	包含 name、description、schema 三要素

描述对象三要素：

字段	作用	示例
name	工具的唯一标识名	"read_file"
description	详细功能描述，覆盖使用场景、参数需求	"用此工具来读取文件内容..."
schema	参数约束（zod 定义），LLM 调用时必须提供符合 schema 的参数	z.object({ filePath: z.string() })

⚠️ description 是 LLM 理解工具的唯一途径------写得越详细，LLM 越知道什么时候该用这个工具、该传什么参数。

📝 实战代码：tool.mjs ------ 定义一个读取文件的 Tool

import 'dotenv/config';
import { ChatOpenAI } from '@langchain/openai';
import { tool } from '@langchain/core/tools';
import {
  HumanMessage,   // user 角色消息
  SystemMessage,  // system 角色消息
  ToolMessage,    // tool 角色消息
  AIMessage,      // assistant 角色消息
} from '@langchain/core/messages';
import fs from 'fs/promises';
import { z } from 'zod'; // z 提供类型约束

const model = new ChatOpenAI(
  {
    modelName: 'deepseek-v4-flash',
    apiKey: process.env.DEEPSEEK_API_KEY,
    temperature: 0,                            // temperature=0 让输出更确定性
    configuration: {
      baseURL: 'https://api.deepseek.com/v1',
    },
  }
);

// 📖 读文件工具
const readFileTool = tool(
  async ({ filePath }) => {                    // ⚙️ 工具功能函数（异步）
    const content = await fs.readFile(filePath, 'utf-8');
    // 🔔 时刻反馈 Agent 执行进度
    // Agent 任务可能很复杂、很耗时，需要给用户反馈
    // 用户可能没有看到反馈就退出了
    console.log(`[工具调用] read_file(${filePath})
      成功读取 ${content.length} 个字符`);
    return content;
  },
  {
    name: 'read_file',                         // 📛 工具名称
    description: `用此工具来读取文件内容，当用户要求读取文件、
    查看代码，分析文件内容时，调用此工具。输入文件路径（可以是相对路径或绝对路径）`,
    schema: z.object({                         // 📐 参数 schema 约束
      filePath: z.string().describe('要读取的文件路径'),
    })
  }
)

// 🔗 多个工具组成工具集
const tools = [readFileTool];

// 🔗 LangChain 提供了 LLM 和 Tools 注册的抽象
// bindTools 将工具的 description 和 schema 注入到 LLM 的请求中
const modelWithTools = model.bindTools(tools);

🎯 关键设计 ：tool() 函数将"功能实现"和"元数据描述"绑定在一起。LLM 通过 description 理解工具用途，通过 schema 知道传什么参数，然后按约定格式发出 tool_calls。

---

5.3 Tool 的返回格式与交互机制

当 LLM 决定要调用工具时，它有"自知之明"------不生成文本内容，而是停下来告诉调用方"我要调用这些工具"。

📝 实战代码：tool.mjs（续）------ 消息交互流程

const messages = [
  new SystemMessage(`
    你是一个代码助手，可以使用工具读取文件并解释代码。

    工作流程：
    1. 用户要求读取文件时，立即调用 read_file 工具。
    2. 等待工具返回文件内容。
    3. 基于文件内容进行分析和解释。

    可用工具：
    - read_file：读取文件内容（使用此工具来获取文件内容）
  `),
  new HumanMessage('请读取文件 ./hello-langchain/tool.mjs 并解释代码')
];

// 🚀 第一次调用：LLM 返回 tool_calls（不生成文本）
let response = await modelWithTools.invoke(messages);

// 📥 将 LLM 的响应加入对话历史（关键步骤！）
messages.push(response);

// ⚠️ 多个工具时：await read、await write 需要并发处理
//    工具是异步的，LLM 用 id 关联：哪个任务细节由哪个工具执行

Tool Call 的数据结构：

{
  "tool_calls": [
    {
      "id": "call_abc123",           // 唯一 ID，用于关联返回结果
      "name": "read_file",           // 工具名称
      "arguments": {                 // schema 约定的参数
        "filePath": "./hello-langchain/tool.mjs"
      }
    }
  ]
}

🔗 交互链 ：LLM 返回 tool_calls → 执行工具函数 → ToolMessage 返回结果 → 拼回历史消息列表 → LLM 继续推理

⚠️ 历史会话列表（messages 数组）是构建完整任务上下文的必要条件 ，缺一环都不行。这个"执行工具 → 结果喂回 → 继续推理"的完整循环，将在第二课 Agent Loop 中深入展开。

---

六、LLM + Tool 性能优化：Promise.all 并行执行

Agent 处理复杂任务时，可能需要同时调用多个工具。比如既要查天气又要查股票，这两个请求互不依赖------串行会浪费时间，并行了才高效。

📊 串行 vs 并行对比

串行（❌ 低效）：
getWeather() ──2000ms──▶ getTweets() ──500ms──▶ 完成
总耗时 = 2000 + 500 = 2500ms

并行（✅ 高效）：
getWeather() ──2000ms──▶
getTweets()  ──500ms───▶  等待最慢的那个完成
总耗时 = max(2000, 500) = 2000ms

📝 演示代码：1.html ------ Promise 的三种状态与并行

// 封装成函数，调用时才创建 Promise、启动定时器
function getWeather() {
  return new Promise((resolve) => {
    setTimeout(() => {
      resolve({ temp: 38, conditions: 'Sunny with Clouds' })
    }, 2000)
  })
}
function getTweets() {
  return new Promise((resolve) => {
    setTimeout(() => {
      resolve(['I like cake', 'BBQ is good too!'])
    }, 500)
  })
}

// ❌ 串行模式（注释掉的部分）：
// async function main() {
//   console.time("my-operation");
//   const weatherData = await getWeather();  // 先等 2000ms
//   const tweetsData = await getTweets();    // 再等 500ms，串行叠加
//   console.log(weatherData);
//   console.log(tweetsData);
//   console.timeEnd("my-operation");         // 总耗时 ≈ 2500ms
// }

// ✅ 并行模式：weather 和 tweets 互不影响，两者都解决了，再往下走
const main = async () => {
  // 一起执行！
  console.time("my-operation");
  const [weatherData, tweetsData] = await Promise.all([
    getWeather(),
    getTweets()
  ]);
  console.timeEnd("my-operation"); // 总耗时 ≈ 2000ms（取最长）
}
main();

📚 核心知识点回顾

概念	说明
🔵 Promise	ES6 提供的异步语法，有三种状态
⏳ pending	等待中...（初始状态）
✅ fulfilled	已解决（pending → fulfilled）
❌ rejected	已拒绝（pending → rejected）
🔒 不可逆	只能从 pending 转换到 fulfilled 或 rejected 之一，而且不能再变了
⚡ await	ES8 最优雅的"异步变同步"语法
🚀 Promise.all	并行执行多个 Promise，等待全部完成，返回结果顺序与传入数组顺序一致

🎯 Agent 开发中的实际应用 ：当 LLM 一次返回了多个 tool_calls，这些工具之间如果没有依赖关系，就应该用 Promise.all 并行执行，大幅提升响应速度。

这就是打造高性能 Agent 的第一个关键技巧。 ⚡

---

七、手写一个简易版 Claude Code Agent

📖 思路来源：LLM + Tool (FS + CLI) ------ 用最少的模块理解 Agent 本质。

🎯 设计思路

以"创建一个 React + Vite 的 TodoList"这个编程任务为例，Agent 的 Planning 分三步：

步骤	操作	需要的 Tool
1️⃣	Vite 创建项目	写入文件 + CLI 命令
2️⃣	LLM 编写组件代码	写入文件 Tool（依赖 LLM 编程能力）
3️⃣	项目运行起来	CLI 命令 Tool

🏗️ 极简 Agent 架构

简易版 Claude Code = LLM + Tool（文件系统 + 命令行）

┌─────────────────────────────────────┐
│            🤖 Agent Loop            │
│                                     │
│   User Prompt ──▶ LLM 推理          │
│                     │               │
│                     ▼               │
│              需要调用工具？          │
│               │        │           │
│              YES       NO          │
│               │        │           │
│               ▼        ▼           │
│          Tool 执行   返回结果       │
│          (fs/cli)   给用户          │
│               │                    │
│               ▼                    │
│          结果拼回消息列表           │
│               │                    │
│               ▼                    │
│          LLM 继续推理 ──▶ 循环      │
└─────────────────────────────────────┘

💡 核心就是 "思考 → 行动 → 反馈 → 再思考" 的循环。本次我们已经完成了 Tool 的定义和单次调用。

---

八、本课学习总结

🧠 思维导图

#mermaid-svg-xLmJ6Dm27n6obiJE{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-xLmJ6Dm27n6obiJE .error-icon{fill:#552222;}#mermaid-svg-xLmJ6Dm27n6obiJE .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-xLmJ6Dm27n6obiJE .marker{fill:#333333;stroke:#333333;}#mermaid-svg-xLmJ6Dm27n6obiJE .marker.cross{stroke:#333333;}#mermaid-svg-xLmJ6Dm27n6obiJE svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-xLmJ6Dm27n6obiJE p{margin:0;}#mermaid-svg-xLmJ6Dm27n6obiJE .edge{stroke-width:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .section--1 rect,#mermaid-svg-xLmJ6Dm27n6obiJE .section--1 path,#mermaid-svg-xLmJ6Dm27n6obiJE .section--1 circle,#mermaid-svg-xLmJ6Dm27n6obiJE .section--1 polygon,#mermaid-svg-xLmJ6Dm27n6obiJE .section--1 path{fill:hsl(240, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .section--1 text{fill:#ffffff;}#mermaid-svg-xLmJ6Dm27n6obiJE .node-icon--1{font-size:40px;color:#ffffff;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-edge--1{stroke:hsl(240, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-depth--1{stroke-width:17;}#mermaid-svg-xLmJ6Dm27n6obiJE .section--1 line{stroke:hsl(60, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled circle,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:lightgray;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:#efefef;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-0 rect,#mermaid-svg-xLmJ6Dm27n6obiJE .section-0 path,#mermaid-svg-xLmJ6Dm27n6obiJE .section-0 circle,#mermaid-svg-xLmJ6Dm27n6obiJE .section-0 polygon,#mermaid-svg-xLmJ6Dm27n6obiJE .section-0 path{fill:hsl(60, 100%, 73.5294117647%);}#mermaid-svg-xLmJ6Dm27n6obiJE .section-0 text{fill:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .node-icon-0{font-size:40px;color:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-edge-0{stroke:hsl(60, 100%, 73.5294117647%);}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-depth-0{stroke-width:14;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-0 line{stroke:hsl(240, 100%, 83.5294117647%);stroke-width:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled circle,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:lightgray;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:#efefef;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-1 rect,#mermaid-svg-xLmJ6Dm27n6obiJE .section-1 path,#mermaid-svg-xLmJ6Dm27n6obiJE .section-1 circle,#mermaid-svg-xLmJ6Dm27n6obiJE .section-1 polygon,#mermaid-svg-xLmJ6Dm27n6obiJE .section-1 path{fill:hsl(80, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .section-1 text{fill:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .node-icon-1{font-size:40px;color:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-edge-1{stroke:hsl(80, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-depth-1{stroke-width:11;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-1 line{stroke:hsl(260, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled circle,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:lightgray;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:#efefef;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-2 rect,#mermaid-svg-xLmJ6Dm27n6obiJE .section-2 path,#mermaid-svg-xLmJ6Dm27n6obiJE .section-2 circle,#mermaid-svg-xLmJ6Dm27n6obiJE .section-2 polygon,#mermaid-svg-xLmJ6Dm27n6obiJE .section-2 path{fill:hsl(270, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .section-2 text{fill:#ffffff;}#mermaid-svg-xLmJ6Dm27n6obiJE .node-icon-2{font-size:40px;color:#ffffff;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-edge-2{stroke:hsl(270, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-depth-2{stroke-width:8;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-2 line{stroke:hsl(90, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled circle,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:lightgray;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:#efefef;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-3 rect,#mermaid-svg-xLmJ6Dm27n6obiJE .section-3 path,#mermaid-svg-xLmJ6Dm27n6obiJE .section-3 circle,#mermaid-svg-xLmJ6Dm27n6obiJE .section-3 polygon,#mermaid-svg-xLmJ6Dm27n6obiJE .section-3 path{fill:hsl(300, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .section-3 text{fill:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .node-icon-3{font-size:40px;color:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-edge-3{stroke:hsl(300, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-depth-3{stroke-width:5;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-3 line{stroke:hsl(120, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled circle,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:lightgray;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:#efefef;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-4 rect,#mermaid-svg-xLmJ6Dm27n6obiJE .section-4 path,#mermaid-svg-xLmJ6Dm27n6obiJE .section-4 circle,#mermaid-svg-xLmJ6Dm27n6obiJE .section-4 polygon,#mermaid-svg-xLmJ6Dm27n6obiJE .section-4 path{fill:hsl(330, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .section-4 text{fill:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .node-icon-4{font-size:40px;color:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-edge-4{stroke:hsl(330, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-depth-4{stroke-width:2;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-4 line{stroke:hsl(150, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled circle,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:lightgray;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:#efefef;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-5 rect,#mermaid-svg-xLmJ6Dm27n6obiJE .section-5 path,#mermaid-svg-xLmJ6Dm27n6obiJE .section-5 circle,#mermaid-svg-xLmJ6Dm27n6obiJE .section-5 polygon,#mermaid-svg-xLmJ6Dm27n6obiJE .section-5 path{fill:hsl(0, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .section-5 text{fill:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .node-icon-5{font-size:40px;color:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-edge-5{stroke:hsl(0, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-depth-5{stroke-width:-1;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-5 line{stroke:hsl(180, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled circle,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:lightgray;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:#efefef;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-6 rect,#mermaid-svg-xLmJ6Dm27n6obiJE .section-6 path,#mermaid-svg-xLmJ6Dm27n6obiJE .section-6 circle,#mermaid-svg-xLmJ6Dm27n6obiJE .section-6 polygon,#mermaid-svg-xLmJ6Dm27n6obiJE .section-6 path{fill:hsl(30, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .section-6 text{fill:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .node-icon-6{font-size:40px;color:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-edge-6{stroke:hsl(30, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-depth-6{stroke-width:-4;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-6 line{stroke:hsl(210, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled circle,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:lightgray;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:#efefef;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-7 rect,#mermaid-svg-xLmJ6Dm27n6obiJE .section-7 path,#mermaid-svg-xLmJ6Dm27n6obiJE .section-7 circle,#mermaid-svg-xLmJ6Dm27n6obiJE .section-7 polygon,#mermaid-svg-xLmJ6Dm27n6obiJE .section-7 path{fill:hsl(90, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .section-7 text{fill:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .node-icon-7{font-size:40px;color:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-edge-7{stroke:hsl(90, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-depth-7{stroke-width:-7;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-7 line{stroke:hsl(270, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled circle,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:lightgray;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:#efefef;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-8 rect,#mermaid-svg-xLmJ6Dm27n6obiJE .section-8 path,#mermaid-svg-xLmJ6Dm27n6obiJE .section-8 circle,#mermaid-svg-xLmJ6Dm27n6obiJE .section-8 polygon,#mermaid-svg-xLmJ6Dm27n6obiJE .section-8 path{fill:hsl(150, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .section-8 text{fill:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .node-icon-8{font-size:40px;color:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-edge-8{stroke:hsl(150, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-depth-8{stroke-width:-10;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-8 line{stroke:hsl(330, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled circle,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:lightgray;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:#efefef;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-9 rect,#mermaid-svg-xLmJ6Dm27n6obiJE .section-9 path,#mermaid-svg-xLmJ6Dm27n6obiJE .section-9 circle,#mermaid-svg-xLmJ6Dm27n6obiJE .section-9 polygon,#mermaid-svg-xLmJ6Dm27n6obiJE .section-9 path{fill:hsl(180, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .section-9 text{fill:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .node-icon-9{font-size:40px;color:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-edge-9{stroke:hsl(180, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-depth-9{stroke-width:-13;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-9 line{stroke:hsl(0, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled circle,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:lightgray;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:#efefef;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-10 rect,#mermaid-svg-xLmJ6Dm27n6obiJE .section-10 path,#mermaid-svg-xLmJ6Dm27n6obiJE .section-10 circle,#mermaid-svg-xLmJ6Dm27n6obiJE .section-10 polygon,#mermaid-svg-xLmJ6Dm27n6obiJE .section-10 path{fill:hsl(210, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .section-10 text{fill:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .node-icon-10{font-size:40px;color:black;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-edge-10{stroke:hsl(210, 100%, 76.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .edge-depth-10{stroke-width:-16;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-10 line{stroke:hsl(30, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled circle,#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:lightgray;}#mermaid-svg-xLmJ6Dm27n6obiJE .disabled text{fill:#efefef;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-root rect,#mermaid-svg-xLmJ6Dm27n6obiJE .section-root path,#mermaid-svg-xLmJ6Dm27n6obiJE .section-root circle,#mermaid-svg-xLmJ6Dm27n6obiJE .section-root polygon{fill:hsl(240, 100%, 46.2745098039%);}#mermaid-svg-xLmJ6Dm27n6obiJE .section-root text{fill:#ffffff;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-root span{color:#ffffff;}#mermaid-svg-xLmJ6Dm27n6obiJE .section-2 span{color:#ffffff;}#mermaid-svg-xLmJ6Dm27n6obiJE .icon-container{height:100%;display:flex;justify-content:center;align-items:center;}#mermaid-svg-xLmJ6Dm27n6obiJE .edge{fill:none;}#mermaid-svg-xLmJ6Dm27n6obiJE .mindmap-node-label{dy:1em;alignment-baseline:middle;text-anchor:middle;dominant-baseline:middle;text-align:center;}#mermaid-svg-xLmJ6Dm27n6obiJE :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} Agent 第一课

Tool Use
WHY 为什么需要Tool
LLM五大局限
记不住 → Memory
动不了 → Tool ✨
不知道 → RAG
跟不上 → MCP
做不深 → Skills
WHAT Agent是什么
Agent = LLM + Memory + Tool + RAG + MCP + Skills
工作流程
Planning 规划推理
判断是否调用Tool
分步骤执行工具
返回结果给用户
HOW 怎么实现
LangChain 框架
LLM 统一接口
ChatOpenAI
model.invoke
Tool 定义
异步处理函数
描述对象三要素
name
description
zod
Messages 消息角色
HumanMessage
SystemMessage
ToolMessage
AIMessage
Tool Call 机制
LLM返回tool_calls
执行工具函数
ToolMessage喂回
Promise.all 并行
Promise 三种状态
pending
fulfilled
rejected
await 异步变同步
并行执行多个Tool
简易Agent架构
fs + cli
思考→行动→反馈→再思考

✅ 知识清单

编号	掌握项	对应文件
1	理解 LLM 的五大局限性，知道每个该用什么模块解决	---
2	记住 Agent 公式 LLM + Memory + Tool + RAG + MCP + Skills	---
3	能画出 Agent 工作流程：Planning → Tool → Response	---
4	会用 ChatOpenAI 统一接口调用不同模型	index.mjs
5	会用 tool() + zod 定义一个 Tool	tool.mjs
6	理解四种 Message 角色和 Tool Call 的交互流程	tool.mjs
7	掌握 Promise.all 并行执行、Promise 三种状态	1.html
8	理解简易 Agent 架构 LLM + Tool(fs + cli)	---

---

📅 2026-07-08 | 🏷️ Agent · LangChain · LLM · Tool Use · Promise · 第一课