AI Agent 开发实战（7）：如何接入搜索和数据库工具？

全栈弄潮儿²⁰²⁴2026-09-10 14:38

文章目录

✍创作者：全栈弄潮儿

🏡 个人主页：全栈弄潮儿的个人主页

🏙️ 个人社区，欢迎你的加入：全栈开发社区

📙 专栏：AI Agent 开发实战：从 0 到生产级智能体

这是《AI Agent 开发实战：从 0 到生产级智能体》的第 7 篇。

上一篇我们开发了真实的天气查询工具，让 Agent 能够接入真实的 API。但一个生产级的 Agent 通常需要接入多种工具------网页搜索、数据库查询、文件操作、第三方服务等。

本篇我们要接入两类关键工具：网页搜索 和数据库查询。这两类工具让 Agent 能够获取实时信息和业务数据，是构建实用 Agent 的基础。

完成后，你会得到一个能够搜索网页并查询业务数据的工具型 Agent，它能够：

text 复制代码 
用户提出信息查询需求
    ↓
Agent 判断使用哪种工具
    ↓
调用搜索工具或数据库查询工具
    ↓
处理查询结果并生成回答

一、本篇目标

完成下面 5 件事：

  1. 接入网页搜索工具，让 Agent 能够搜索实时信息。
  2. 接入数据库查询工具，让 Agent 能够查询业务数据。
  3. 理解工具权限边界，区分只读查询与写入操作。
  4. 实现 SQL 注入防护，防止模型生成危险 SQL。
  5. 构建一个多工具协作的工具型 Agent。

本篇的最终验收标准是：

text 复制代码 
[ ] 网页搜索工具能够返回实时搜索结果。
[ ] 数据库查询工具能够查询业务数据（如用户信息、订单数据）。
[ ] 工具权限边界清晰，只读操作与写入操作严格区分。
[ ] SQL 注入防护有效，能够拦截危险 SQL。
[ ] 完成"工具型 Agent V1"的全部功能验收。

二、核心概念：多工具协作与权限边界

1. 多工具协作的挑战

当 Agent 拥有多个工具时，会面临几个挑战：

  • 工具选择：Agent 需要判断当前任务应该使用哪个工具。
  • 工具组合：某些任务可能需要组合多个工具（如先搜索再查询数据库）。
  • 权限控制：不同工具的权限不同，需要严格控制。

2. 工具权限边界

工具权限边界是 Agent 安全的核心。我们需要区分两类操作：

只读操作（Read）：

  • 查询数据（如搜索、数据库查询）
  • 读取文件
  • 获取信息

只读操作通常是安全的，不会改变系统状态。

写入操作（Write）：

  • 修改数据（如更新数据库）
  • 创建文件
  • 删除数据
  • 发送邮件

写入操作会改变系统状态，需要更严格的权限控制。

3. SQL 注入防护

当 Agent 能够生成 SQL 查询时，必须防止 SQL 注入攻击。常见的防护措施：

  • 参数化查询：使用参数化 SQL，不直接拼接用户输入。
  • 输入校验：检查用户输入是否包含危险字符。
  • 权限最小化：数据库账号只授予必要的权限（如只读权限）。
  • 白名单机制：只允许查询特定的表和字段。

三、深入理解：工具开发的关键细节

1. 网页搜索工具的设计

网页搜索工具需要：

  • 搜索 API：接入搜索引擎 API（如 Google Custom Search、Bing Search API）。
  • 结果过滤：过滤掉不相关的结果，提取关键信息。
  • 结果摘要：将搜索结果转换成人类可读的摘要。

2. 数据库查询工具的设计

数据库查询工具需要：

  • 数据库连接：建立与数据库的连接。
  • SQL 生成：根据用户需求生成 SQL 查询。
  • 结果格式化：将查询结果转换成结构化数据。
  • 安全防护：防止 SQL 注入和越权访问。

3. 工具权限控制

工具权限控制需要：

  • 权限分级：区分只读和写入权限。
  • 操作审计：记录所有工具调用，便于追溯。
  • 异常处理：处理权限不足、操作失败等异常。

四、案例分析：常见的工具开发失败

1. 案例 1：SQL 注入攻击

问题：用户输入恶意 SQL，导致数据泄露：

python 复制代码 
def query_database(sql: str) -> str:
    cursor.execute(sql)  # 直接执行用户输入的 SQL
    return cursor.fetchall()

当用户输入 SELECT * FROM users; DROP TABLE users; 时，数据库被删除。

原因：没有做 SQL 注入防护，直接执行用户输入的 SQL。

解决：

python 复制代码 
def query_database(query: str) -> str:
    # 只允许 SELECT 查询
    if not query.strip().upper().startswith("SELECT"):
        return json.dumps({"error": "只允许查询操作"})
    
    # 使用参数化查询
    cursor.execute(query, params)
    return cursor.fetchall()

2. 案例 2：工具权限越界

问题：Agent 能够执行写入操作，导致数据被意外修改：

python 复制代码 
TOOLS = [
    {"name": "query_database", "description": "查询数据库"},
    {"name": "update_database", "description": "更新数据库"},  # 不应该暴露给 Agent
]

原因：工具权限控制不严格，Agent 能够调用写入工具。

解决：

python 复制代码 
# 只暴露只读工具
TOOLS = [
    {"name": "query_database", "description": "查询数据库"},
    # 不暴露写入工具
]

3. 案例 3：搜索结果未过滤

问题：搜索结果包含大量无关信息，模型无法理解：

python 复制代码 
def search_web(query: str) -> str:
    results = search_api.search(query)
    return json.dumps(results)  # 返回所有结果

原因：没有过滤和摘要搜索结果，返回了过多无关信息。

解决：

python 复制代码 
def search_web(query: str) -> str:
    results = search_api.search(query)
    
    # 过滤和摘要
    filtered = []
    for r in results[:5]:  # 只取前 5 条
        filtered.append({
            "title": r.title,
            "snippet": r.snippet[:200],  # 截取摘要
            "url": r.url
        })
    
    return json.dumps(filtered, ensure_ascii=False)

五、项目需求：接入搜索和数据库工具

为了让 Agent 能够搜索网页并查询业务数据，我们需要：

  • 接入网页搜索 API（如 DuckDuckGo Search API）。
  • 接入数据库（如 SQLite），创建示例业务数据。
  • 实现 SQL 注入防护。
  • 区分只读查询与写入操作。

暂时不做：

  • 不实现数据库写入操作（只实现只读查询）。
  • 不实现复杂的权限管理系统。
  • 不实现搜索结果的高级过滤。

这几个限制很重要。我们要先验证"多工具协作 + 权限控制"的基本流程能否稳定工作，再引入更复杂的功能。

六、准备开发环境

1. 安装依赖

在 requirements.txt 中添加依赖：

text 复制代码 
openai>=1.0.0
python-dotenv>=1.0.0
requests>=2.31.0
duckduckgo-search>=4.0.0

安装依赖：

bash 复制代码 
pip install -r requirements.txt

2. 创建示例数据库

创建 init_db.py，初始化示例数据库：

python 复制代码 
import sqlite3

def init_database():
    """初始化示例数据库"""
    conn = sqlite3.connect("business.db")
    cursor = conn.cursor()
    
    # 创建用户表
    cursor.execute("""
        CREATE TABLE IF NOT EXISTS users (
            id INTEGER PRIMARY KEY,
            name TEXT NOT NULL,
            email TEXT NOT NULL,
            department TEXT NOT NULL,
            salary REAL NOT NULL
        )
    """)
    
    # 创建订单表
    cursor.execute("""
        CREATE TABLE IF NOT EXISTS orders (
            id INTEGER PRIMARY KEY,
            user_id INTEGER NOT NULL,
            product TEXT NOT NULL,
            amount REAL NOT NULL,
            status TEXT NOT NULL,
            created_at TEXT NOT NULL
        )
    """)
    
    # 插入示例数据
    cursor.executemany("INSERT INTO users VALUES (?, ?, ?, ?, ?)", [
        (1, "张三", "zhangsan@example.com", "技术部", 15000),
        (2, "李四", "lisi@example.com", "产品部", 12000),
        (3, "王五", "wangwu@example.com", "市场部", 13000),
        (4, "赵六", "zhaoliu@example.com", "技术部", 18000),
        (5, "钱七", "qianqi@example.com", "产品部", 14000),
    ])
    
    cursor.executemany("INSERT INTO orders VALUES (?, ?, ?, ?, ?, ?)", [
        (1, 1, "笔记本电脑", 8000, "已完成", "2024-01-15"),
        (2, 2, "显示器", 2000, "已完成", "2024-01-20"),
        (3, 3, "键盘", 500, "待发货", "2024-02-01"),
        (4, 1, "鼠标", 200, "已完成", "2024-02-10"),
        (5, 4, "耳机", 800, "已取消", "2024-02-15"),
    ])
    
    conn.commit()
    conn.close()
    print("数据库初始化完成")

if __name__ == "__main__":
    init_database()

运行初始化脚本：

bash 复制代码 
python init_db.py

七、实现多工具 Agent

创建 tool_agent.py：

python 复制代码 
from __future__ import annotations

import json
import sqlite3
from typing import Any, Callable

from duckduckgo_search import DDGS
from openai import OpenAI


SYSTEM_PROMPT = """你是 WorkMate，一个专业的工具型助手。

你可以使用以下工具来帮助用户：
1. 网页搜索工具：搜索实时信息
2. 数据库查询工具：查询业务数据（用户信息、订单数据）

当用户提出需求时，你应该：
- 判断应该使用哪个工具
- 调用相应的工具
- 基于工具返回的结果，生成友好的回答

注意：
- 如果用户询问实时信息（如新闻、天气），使用网页搜索工具
- 如果用户询问业务数据（如用户信息、订单），使用数据库查询工具
- 如果工具返回错误，友好地告知用户并说明原因
- 回答要简洁明了，包含关键信息"""


# 工具定义
TOOLS = [
    {
        "type": "function",
        "function": {
            "name": "search_web",
            "description": "搜索网页，获取实时信息，如新闻、知识、技术等",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {
                        "type": "string",
                        "description": "搜索关键词，如'Python 教程'、'AI 最新进展'"
                    },
                    "max_results": {
                        "type": "integer",
                        "description": "返回结果数量，默认为 5",
                        "default": 5
                    }
                },
                "required": ["query"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "query_database",
            "description": "查询业务数据库，获取用户信息、订单数据等",
            "parameters": {
                "type": "object",
                "properties": {
                    "sql": {
                        "type": "string",
                        "description": "SQL 查询语句，只允许 SELECT 查询，如'SELECT * FROM users WHERE department=\"技术部\"'"
                    }
                },
                "required": ["sql"]
            }
        }
    }
]


class WebSearchTool:
    """网页搜索工具"""

    def search(self, query: str, max_results: int = 5) -> str:
        """搜索网页"""
        try:
            with DDGS() as ddgs:
                results = list(ddgs.text(query, max_results=max_results))
                
                # 过滤和摘要
                filtered = []
                for r in results:
                    filtered.append({
                        "title": r.get("title", ""),
                        "snippet": r.get("body", "")[:200],
                        "url": r.get("href", "")
                    })
                
                return json.dumps(filtered, ensure_ascii=False)
        
        except Exception as e:
            return json.dumps({"error": f"搜索失败：{e}"})


class DatabaseTool:
    """数据库查询工具"""

    def __init__(self, db_path: str = "business.db"):
        self.db_path = db_path

    def query(self, sql: str) -> str:
        """查询数据库"""
        # SQL 注入防护：只允许 SELECT 查询
        sql_upper = sql.strip().upper()
        if not sql_upper.startswith("SELECT"):
            return json.dumps({"error": "只允许查询操作，不允许修改数据"})
        
        # 检查危险关键词
        dangerous_keywords = ["DROP", "DELETE", "UPDATE", "INSERT", "ALTER", "TRUNCATE"]
        for keyword in dangerous_keywords:
            if keyword in sql_upper:
                return json.dumps({"error": f"检测到危险操作：{keyword}"})
        
        try:
            conn = sqlite3.connect(self.db_path)
            cursor = conn.cursor()
            
            cursor.execute(sql)
            rows = cursor.fetchall()
            
            # 获取列名
            columns = [desc[0] for desc in cursor.description]
            
            # 转换成字典列表
            results = []
            for row in rows:
                results.append(dict(zip(columns, row)))
            
            conn.close()
            
            return json.dumps({
                "columns": columns,
                "data": results,
                "count": len(results)
            }, ensure_ascii=False)
        
        except sqlite3.Error as e:
            return json.dumps({"error": f"数据库查询失败：{e}"})
        except Exception as e:
            return json.dumps({"error": f"查询失败：{e}"})


# 工具实例
web_search_tool = WebSearchTool()
database_tool = DatabaseTool()


def search_web_wrapper(args: dict) -> str:
    """网页搜索工具的包装函数"""
    query = args.get("query", "")
    max_results = args.get("max_results", 5)
    return web_search_tool.search(query, max_results)


def query_database_wrapper(args: dict) -> str:
    """数据库查询工具的包装函数"""
    sql = args.get("sql", "")
    return database_tool.query(sql)


TOOL_REGISTRY: dict[str, Callable] = {
    "search_web": search_web_wrapper,
    "query_database": query_database_wrapper,
}


class Agent:
    """工具型 Agent"""

    def __init__(
        self,
        client: OpenAI,
        model: str,
    ) -> None:
        self.client = client
        self.model = model
        self.messages: list[dict[str, Any]] = [
            {"role": "system", "content": SYSTEM_PROMPT}
        ]

    def reset(self) -> None:
        """清空当前会话，但保留系统指令。"""
        self.messages = [{"role": "system", "content": SYSTEM_PROMPT}]

    def run(self, user_input: str) -> str:
        """执行一次对话，包含工具调用循环"""
        self.messages.append({"role": "user", "content": user_input})

        while True:
            # 调用模型
            response = self.client.chat.completions.create(
                model=self.model,
                messages=self.messages,
                tools=TOOLS,
                tool_choice="auto",
            )

            message = response.choices[0].message

            # 如果没有工具调用，直接返回
            if not message.tool_calls:
                self.messages.append({"role": "assistant", "content": message.content})
                return message.content

            # 有工具调用，处理每个调用
            self.messages.append({
                "role": "assistant",
                "content": message.content,
                "tool_calls": [
                    {
                        "id": tc.id,
                        "type": "function",
                        "function": {
                            "name": tc.function.name,
                            "arguments": tc.function.arguments
                        }
                    }
                    for tc in message.tool_calls
                ]
            })

            # 执行每个工具调用
            for tool_call in message.tool_calls:
                tool_name = tool_call.function.name
                tool_args = json.loads(tool_call.function.arguments)

                # 执行工具
                if tool_name in TOOL_REGISTRY:
                    try:
                        result = TOOL_REGISTRY[tool_name](tool_args)
                    except Exception as e:
                        result = json.dumps({"error": f"工具执行失败：{e}"})
                else:
                    result = json.dumps({"error": f"未知工具：{tool_name}"})

                # 把工具结果加入消息历史
                self.messages.append({
                    "role": "tool",
                    "tool_call_id": tool_call.id,
                    "content": result
                })

            # 继续循环，让模型根据工具结果生成最终回答


def build_agent() -> Agent:
    """构建 Agent"""
    import os
    from dotenv import load_dotenv
    
    load_dotenv()
    
    # 初始化 OpenAI 客户端
    api_key = os.getenv("OPENAI_API_KEY")
    if not api_key or api_key == "replace-with-your-key":
        raise RuntimeError(
            "没有找到有效的 OPENAI_API_KEY，请先在 .env 中配置 API Key。"
        )
    
    client_options: dict[str, Any] = {"api_key": api_key}
    base_url = os.getenv("OPENAI_BASE_URL")
    if base_url:
        client_options["base_url"] = base_url
    
    client = OpenAI(**client_options)
    model = os.getenv("OPENAI_MODEL", "gpt-4o-mini")
    
    return Agent(client=client, model=model)


def main() -> None:
    try:
        agent = build_agent()
    except Exception as exc:
        print(f"启动失败：{exc}")
        return
    
    print("工具型 Agent 已启动。")
    print("输入 /reset 清空上下文，输入 /exit 退出。")
    
    while True:
        try:
            user_input = input("\n你：").strip()
        except (EOFError, KeyboardInterrupt):
            print("\nAgent 已退出。")
            return
        
        if not user_input:
            continue
        if user_input == "/exit":
            print("Agent 已退出。")
            return
        if user_input == "/reset":
            agent.reset()
            print("会话上下文已清空。")
            continue
        
        try:
            print(f"\nAgent：{agent.run(user_input)}")
        except Exception as exc:
            print(f"调用失败：{exc}")


if __name__ == "__main__":
    main()

这段代码真正做了什么

代码实现了多工具 Agent 的核心能力：

  1. WebSearchTool：封装了网页搜索功能，使用 DuckDuckGo Search API。
  2. DatabaseTool：封装了数据库查询功能，包含 SQL 注入防护。
  3. SQL 注入防护：只允许 SELECT 查询，检查危险关键词。
  4. Agent：复用第5篇的框架，集成多个工具。

Agent 现在能够根据用户需求，自动选择合适的工具（搜索或数据库查询），并处理查询结果。

八、运行效果

启动程序：

bash 复制代码 
python tool_agent.py

一次可能的运行过程如下：

text 复制代码 
工具型 Agent 已启动。
输入 /reset 清空上下文，输入 /exit 退出。

你：技术部有哪些员工

Agent：技术部有以下员工：
1. 张三，邮箱：zhangsan@example.com，薪资：15000 元
2. 赵六，邮箱：zhaoliu@example.com，薪资：18000 元

你：查一下最近的订单情况

Agent：最近的订单情况如下：
1. 订单 #1：用户 ID 1，产品：笔记本电脑，金额：8000 元，状态：已完成
2. 订单 #2：用户 ID 2，产品：显示器，金额：2000 元，状态：已完成
3. 订单 #3：用户 ID 3，产品：键盘，金额：500 元，状态：待发货
4. 订单 #4：用户 ID 1，产品：鼠标，金额：200 元，状态：已完成
5. 订单 #5：用户 ID 4，产品：耳机，金额：800 元，状态：已取消

你：搜索一下 Python 的最新版本

Agent：根据搜索结果，Python 的最新版本信息如下：
1. Python 3.12  released on October 2, 2023
2. Python 3.11 released on October 24, 2022
3. Python 3.10 released on October 4, 2021

你：删除所有用户数据

Agent：抱歉，我只允许查询操作，不允许修改数据。

你：/reset
会话上下文已清空。

这里要重点观察几个现象：

  1. Agent 能够自动判断使用哪个工具（数据库查询 vs 网页搜索）。
  2. 数据库查询工具能够正确返回业务数据。
  3. 网页搜索工具能够返回实时信息。
  4. 当用户尝试执行危险操作（如删除数据）时，工具能够拦截并返回错误。

九、常见问题与排错

1. 数据库查询失败

检查以下几点：

  • 数据库文件 business.db 是否存在。
  • SQL 语句是否正确。
  • 是否包含危险关键词（如 DROP、DELETE）。

2. 网页搜索失败

可能的原因：

  • 网络连接不稳定。
  • DuckDuckGo Search API 限流。
  • 搜索关键词过于复杂。

解决方案：

  • 检查网络连接。
  • 减少搜索频率。
  • 简化搜索关键词。

3. Agent 选择了错误的工具

可能的原因：

  • 工具描述不够清晰。
  • 用户需求模糊。

解决方案：

  • 优化工具描述，让 Agent 更容易理解工具的用途。
  • 引导用户明确需求。

十、工程化改进：现在还不能上线

这个工具型 Agent 能够工作，不代表它已经是生产系统。至少还存在以下问题：

问题 当前实现 后续方向
数据库连接 每次查询都新建连接 使用连接池
权限控制 简单的关键词检查 完整的权限管理系统
查询优化 没有查询优化 添加查询缓存和索引
错误恢复 失败直接返回错误 增加自动重试机制
监控 没有调用日志 增加调用日志和监控

这里有一个需要提前建立的工程判断：多工具协作是 Agent 从"单功能"到"多功能"的关键一步。

下一篇我们会学习如何构建可复用的工具库，让工具管理更加规范。

十一、本篇小结

今天完成的不是一个简单的工具接入，而是多工具协作的完整流程：

text 复制代码 
工具选择
    ↓
权限控制
    ↓
工具调用
    ↓
结果处理

请记住这三个结论：

  1. 多工具协作需要考虑工具选择、权限控制和结果处理，不能只关注单个工具。
  2. 工具权限边界是 Agent 安全的核心，必须严格区分只读操作与写入操作。
  3. SQL 注入防护是数据库查询工具的必备功能，必须在本阶段掌握。

十二、课后练习

请在不改变 Agent 核心结构的前提下，完成下面练习：

练习 1：增加文件查询工具

接入文件查询工具，让 Agent 能够查询本地文件内容。

练习 2：实现查询结果缓存

对于相同的数据库查询，在 10 分钟内直接返回缓存结果。

练习 3：增加查询权限控制

实现更细粒度的权限控制，如只允许查询特定的表和字段。

阶段验收

当你能够解释多工具协作的完整流程，并且可以独立接入其他工具（如邮件查询、日历查询）时，第二阶段第三篇验收通过：

完成"工具型 Agent V1"，支持多工具协作、权限控制和 SQL 注入防护。

接下来，进入第二阶段的第四篇：

Day 8：打造可靠的工具调用 Agent

✍坚持原创，求关注，点赞，收藏

相关推荐
tachibana21 小时前
什么是 Function Calling ？
数据库·人工智能·ai·llm·agent
砚底藏山河1 小时前
并发与限频工程：把20只的2秒压到0.5秒不封号（魔码量化实战 #03）
java·开发语言·数据库·python·金融
prog_61031 小时前
【笔记】用cursor手搓cursor（十）
人工智能·笔记·大语言模型·agent
沙淘金数据服务2 小时前
电商订单数据整合难题拆解：多源异构数据如何实现自动化治理？
大数据·人工智能·数据治理·数据清洗·电商·外贸
万岳科技系统开发2 小时前
AI数字人直播系统源码搭建指南：数字人、语音与直播如何实现
人工智能
论文复现现场2 小时前
本地 PyTorch 训练 OOM，第一次租 RTX 4090 云 GPU 怎么迁移项目？从环境检查到 100 Step 跑通
人工智能·pytorch·python·深度学习·cuda
云雀衔光2 小时前
MCP 协议全景：为什么它是 AI 连接工具的「USB-C」
java·开发语言·数据库·人工智能·ai编程
kyle~2 小时前
ISP--- RAW 图像 从传感器噪声模型到快门时序与频闪效应
人工智能·计算机视觉·接口隔离原则
外域速览2 小时前
AI开始训练AI：黄仁勋喊AGI已到
大数据·人工智能·agi
热门推荐
01如何新建文件夹？ 电脑新建文件夹的4种方法02国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）03GitHub 镜像站点04历年考研数学一、数学二、数学三真题试卷及答案PDF052026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？06蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接07微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新08ZCode 周末送额度活动开启：3 亿 Token 免费领取09Agnes AI 免费 API 接入指南：文本、生图、生视频，一套接口全免费10AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路