跳到内容

工具

工具是一种封装函数及其输入 schema 的方式，可以传递给支持工具调用的聊天模型。这使得模型能够请求执行具有特定输入的此函数。

您可以定义自己的工具，也可以使用 LangChain 提供的预构建集成。

定义简单工具

您可以将普通函数传递给 create_react_agent 作为工具使用

API 参考：create_react_agent

from langgraph.prebuilt import create_react_agent

def multiply(a: int, b: int) -> int:
    """Multiply two numbers."""
    return a * b

create_react_agent(
    model="anthropic:claude-3-7-sonnet",
    tools=[multiply]
)

create_react_agent 会自动将普通函数转换为LangChain 工具。

自定义工具

为了更好地控制工具行为，请使用 @tool 装饰器

API 参考：tool

from langchain_core.tools import tool

@tool("multiply_tool", parse_docstring=True)
def multiply(a: int, b: int) -> int:
    """Multiply two numbers.

    Args:
        a: First operand
        b: Second operand
    """
    return a * b

您还可以使用 Pydantic 定义自定义输入 schema

from pydantic import BaseModel, Field

class MultiplyInputSchema(BaseModel):
    """Multiply two numbers"""
    a: int = Field(description="First operand")
    b: int = Field(description="Second operand")

@tool("multiply_tool", args_schema=MultiplyInputSchema)
def multiply(a: int, b: int) -> int:
   return a * b

如需更多自定义，请参阅自定义工具指南。

对模型隐藏参数

某些工具需要仅在运行时可用的参数（例如用户 ID 或会话上下文），这些参数不应由模型控制。

您可以将这些参数放在 Agent 的 state 或 config 中，并在工具内部访问此信息

API 参考：InjectedState | AgentState | RunnableConfig

from langgraph.prebuilt import InjectedState
from langgraph.prebuilt.chat_agent_executor import AgentState
from langchain_core.runnables import RunnableConfig

def my_tool(
    # This will be populated by an LLM
    tool_arg: str,
    # access information that's dynamically updated inside the agent
    state: Annotated[AgentState, InjectedState],
    # access static data that is passed at agent invocation
    config: RunnableConfig,
) -> str:
    """My tool."""
    do_something_with_state(state["messages"])
    do_something_with_config(config)
    ...

禁用并行工具调用

一些模型提供商支持并行执行多个工具，但允许用户禁用此功能。

对于受支持的提供商，您可以通过 model.bind_tools() 方法设置 parallel_tool_calls=False 来禁用并行工具调用

API 参考：init_chat_model

from langchain.chat_models import init_chat_model

def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b

def multiply(a: int, b: int) -> int:
    """Multiply two numbers."""
    return a * b

model = init_chat_model("anthropic:claude-3-5-sonnet-latest", temperature=0)
tools = [add, multiply]
agent = create_react_agent(
    # disable parallel tool calls
    model=model.bind_tools(tools, parallel_tool_calls=False),
    tools=tools
)

agent.invoke(
    {"messages": [{"role": "user", "content": "what's 3 + 5 and 4 * 7?"}]}
)

直接返回工具结果

使用 return_direct=True 立即返回工具结果并停止 Agent 循环

API 参考：tool

from langchain_core.tools import tool

@tool(return_direct=True)
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[add]
)

agent.invoke(
    {"messages": [{"role": "user", "content": "what's 3 + 5?"}]}
)

强制使用工具

要强制 Agent 使用特定工具，您可以在 model.bind_tools() 中设置 tool_choice 选项

API 参考：tool

from langchain_core.tools import tool

@tool(return_direct=True)
def greet(user_name: str) -> int:
    """Greet user."""
    return f"Hello {user_name}!"

tools = [greet]

agent = create_react_agent(
    model=model.bind_tools(tools, tool_choice={"type": "tool", "name": "greet"}),
    tools=tools
)

agent.invoke(
    {"messages": [{"role": "user", "content": "Hi, I am Bob"}]}
)

避免无限循环

在没有停止条件的情况下强制使用工具可能会创建无限循环。使用以下任一安全措施

处理工具错误

默认情况下，Agent 会捕获工具调用期间抛出的所有异常，并将其作为工具消息传递给 LLM。要控制如何处理错误，您可以使用预构建的 ToolNode（在 create_react_agent 内部执行工具的节点）及其 handle_tool_errors 参数

from langgraph.prebuilt import create_react_agent

def multiply(a: int, b: int) -> int:
    """Multiply two numbers."""
    if a == 42:
        raise ValueError("The ultimate error")
    return a * b

# Run with error handling (default)
agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[multiply]
)
agent.invoke(
    {"messages": [{"role": "user", "content": "what's 42 x 7?"}]}
)

from langgraph.prebuilt import create_react_agent, ToolNode

def multiply(a: int, b: int) -> int:
    """Multiply two numbers."""
    if a == 42:
        raise ValueError("The ultimate error")
    return a * b

tool_node = ToolNode(
    [multiply],
    handle_tool_errors=False  # (1)!
)
agent_no_error_handling = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=tool_node
)
agent_no_error_handling.invoke(
    {"messages": [{"role": "user", "content": "what's 42 x 7?"}]}
)
  1. 这会禁用错误处理（默认启用）。在 API 参考中查看所有可用策略。
from langgraph.prebuilt import create_react_agent, ToolNode

def multiply(a: int, b: int) -> int:
    """Multiply two numbers."""
    if a == 42:
        raise ValueError("The ultimate error")
    return a * b

tool_node = ToolNode(
    [multiply],
    handle_tool_errors=(
        "Can't use 42 as a first operand, you must switch operands!"  # (1)!
    )
)
agent_custom_error_handling = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=tool_node
)
agent_custom_error_handling.invoke(
    {"messages": [{"role": "user", "content": "what's 42 x 7?"}]}
)
  1. 这会在出现异常时提供一条自定义消息发送给 LLM。在 API 参考中查看所有可用策略。

有关不同工具错误处理选项的更多信息，请参阅API 参考。

使用内存

LangGraph 允许工具访问短期和长期内存。有关以下内容的更多信息，请参阅内存指南

预构建工具

LangChain 支持广泛的预构建工具集成，用于与 API、数据库、文件系统、Web 数据等进行交互。这些工具扩展了 Agent 的功能，并支持快速开发。

您可以在LangChain 集成目录中浏览所有可用集成的完整列表。

一些常用的工具类别包括

  • 搜索：Bing、SerpAPI、Tavily
  • 代码解释器：Python REPL、Node.js REPL
  • 数据库：SQL、MongoDB、Redis
  • Web 数据：Web 抓取和浏览
  • API：OpenWeatherMap、NewsAPI 等

这些集成可以使用上面示例中所示的相同 tools 参数进行配置并添加到您的 Agent 中。

评论