Tools 与 Agent

LangChain Tools 是什么

在 LangChain 中，Tool（工具）是一个 LLM 可以"调用"的函数，赋予模型与外部世界交互的能力。Tool 本质上是一个 Python 函数加上一个描述——LLM 读取描述后自主决定何时调用、传入什么参数。

用 @tool 定义工具

from langchain_core.tools import tool
from langchain_openai import ChatOpenAI
import requests

# 方式一：@tool 装饰器（最简洁，推荐）
@tool
def search_wikipedia(query: str) -> str:
    """在维基百科搜索信息并返回摘要。
    
    适用于：查询历史、科学、人物、地理等知识性问题。
    不适用于：实时数据（股价、天气）或私有数据。
    
    Args:
        query: 搜索关键词，如 "Python programming language"
    """
    url = f"https://en.wikipedia.org/api/rest_v1/page/summary/{query.replace(' ', '_')}"
    resp = requests.get(url)
    if resp.status_code == 200:
        return resp.json().get("extract", "未找到相关信息")[:500]
    return f"搜索失败，状态码: {resp.status_code}"

@tool
def calculate(expression: str) -> str:
    """计算数学表达式，返回结果。
    
    支持：加减乘除、幂运算、括号、math 模块函数（如 sqrt, sin, cos）。
    不支持：代码执行、文件操作。
    
    Args:
        expression: 数学表达式字符串，如 "2**10 + 3*5" 或 "math.sqrt(144)"
    """
    import math
    try:
        # 安全的 eval：只允许 math 模块
        result = eval(expression, {"__builtins__": {}, "math": math})
        return str(result)
    except Exception as e:
        return f"计算错误: {e}"

# 将工具绑定到模型
llm = ChatOpenAI(model="gpt-4o")
llm_with_tools = llm.bind_tools([search_wikipedia, calculate])

# 直接调用（模型决定是否调用工具）
response = llm_with_tools.invoke("Python 语言是谁发明的？另外 2 的 10 次方是多少？")
print(response.tool_calls)
# [{'name': 'search_wikipedia', 'args': {'query': 'Python programming language'}},
#  {'name': 'calculate', 'args': {'expression': '2**10'}}]

构建完整 ReAct Agent

from langchain_core.messages import HumanMessage, ToolMessage
from langchain_openai import ChatOpenAI
import json

def run_agent(question: str, tools: list, max_iterations: int = 5):
    """简易 ReAct Agent：自主调用工具直到得出答案"""
    llm = ChatOpenAI(model="gpt-4o")
    llm_with_tools = llm.bind_tools(tools)
    tools_map = {t.name: t for t in tools}
    
    messages = [HumanMessage(content=question)]
    
    for i in range(max_iterations):
        response = llm_with_tools.invoke(messages)
        messages.append(response)
        
        # 如果没有工具调用，说明模型已得出最终答案
        if not response.tool_calls:
            return response.content
        
        # 执行所有工具调用
        for tool_call in response.tool_calls:
            tool_name = tool_call["name"]
            tool_args = tool_call["args"]
            
            # 调用对应工具
            result = tools_map[tool_name].invoke(tool_args)
            
            # 将工具结果添加到消息历史
            messages.append(ToolMessage(
                content=str(result),
                tool_call_id=tool_call["id"]
            ))
    
    return "达到最大迭代次数，任务未完成"

# 使用：
answer = run_agent(
    "Python 是谁发明的？他的生日是哪天？从发明 Python 到现在过了多少天？",
    tools=[search_wikipedia, calculate]
)
print(answer)