跳到内容

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

Diagram of a tool call by a model

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

llm_with_tools.invoke("Hello world!")  # -> AIMessage(content="Hello!")

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