工具¶
许多 AI 应用程序通过自然语言与用户交互。然而,某些用例要求模型能够使用结构化输入直接与外部系统(如 API、数据库或文件系统)进行接口。在这种情况下,工具调用使模型能够生成符合指定输入模式的请求。
工具封装了一个可调用函数及其输入模式。这些可以传递给兼容的聊天模型,允许模型决定是否调用工具以及使用什么参数。
工具调用¶
工具调用通常是有条件的。根据用户输入和可用工具,模型可能会选择发出工具调用请求。此请求在 AIMessage
对象中返回,其中包含一个 tool_calls
字段,用于指定工具名称和输入参数
llm_with_tools.invoke("What is 2 multiplied by 3?")
# -> AIMessage(tool_calls=[{'name': 'multiply', 'args': {'a': 2, 'b': 3}, ...}])
如果输入与任何工具无关,模型将仅返回自然语言消息
重要的是,模型不执行工具——它只生成一个请求。单独的执行器(如运行时或代理)负责处理工具调用并返回结果。
更多详情请参阅工具调用指南。
预置工具¶
LangChain 为常见的外部系统(包括 API、数据库、文件系统和网络数据)提供了预置工具集成。
浏览集成目录以查找可用工具。
常见类别
- 搜索:Bing、SerpAPI、Tavily
- 代码执行:Python REPL、Node.js REPL
- 数据库:SQL、MongoDB、Redis
- 网络数据:抓取和浏览
- API:OpenWeatherMap、NewsAPI 等
自定义工具¶
您可以使用 @tool
装饰器或普通 Python 函数定义自定义工具。例如
API 参考:tool
from langchain_core.tools import tool
@tool
def multiply(a: int, b: int) -> int:
"""Multiply two numbers."""
return a * b
更多详情请参阅工具调用指南。
工具执行¶
虽然模型决定何时调用工具,但工具调用的执行必须由运行时组件处理。
LangGraph 为此提供了预置组件
ToolNode
:一个执行工具的预置节点。create_react_agent
:构建一个自动管理工具调用的完整代理。