工具¶

工具是一种封装函数及其输入模式的方法，以便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以特定输入执行该函数。

定义简单工具¶

你可以将一个普通的函数传递给 create_react_agent 以用作工具：

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 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的行为，请使用@tool装饰器：

API Reference: tool

from langchain_core.tools import tool

@tool("multiply_tool", parse_docstring=True)
def multiply(a: int, b: int) -> int:
    """乘以两个数字。

    参数:
        a: 第一个操作数
        b: 第二个操作数
    """
    return a * b

您还可以使用Pydantic定义自定义输入模式：

from pydantic import BaseModel, Field

class MultiplyInputSchema(BaseModel):
    """乘以两个数字"""
    a: int = Field(description="第一个操作数")
    b: int = Field(description="第二个操作数")

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

有关更多自定义选项，请参阅自定义工具指南。

隐藏模型中的参数¶

某些工具需要在运行时传递一些参数（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代理的 state 或 config 中，并在工具内部访问这些信息：

API Reference: 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(
    # 这个参数将由LLM填充
    tool_arg: str,
    # 访问代理中动态更新的信息
    # 高亮下一行
    state: Annotated[AgentState, InjectedState],
    # 访问在调用代理时传递的静态数据
    # 高亮下一行
    config: RunnableConfig,
) -> str:
    """我的工具。"""
    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同时执行多个工具，但允许用户禁用此功能。

对于支持的提供商，可以通过设置 model.bind_tools() 方法中的 parallel_tool_calls=False 来禁用并行工具调用：

API Reference: init_chat_model

from langchain.chat_models import init_chat_model

def add(a: int, b: int) -> int:
    """加两个数"""
    return a + b

def multiply(a: int, b: int) -> int:
    """乘以两个数。"""
    return a * b

model = init_chat_model("anthropic:claude-3-5-sonnet-latest", temperature=0)
tools = [add, multiply]
agent = create_react_agent(
    # 禁用并行工具调用
    # 高亮下一行
    model=model.bind_tools(tools, parallel_tool_calls=False),
    tools=tools
)

agent.invoke(
    {"messages": [{"role": "user", "content": "3 + 5 和 4 * 7 是多少？"}]}
)

直接返回工具结果¶

使用 return_direct=True 可以立即返回工具结果并停止代理循环：

API Reference: tool

from langchain_core.tools import tool

@tool(return_direct=True)
def add(a: int, b: int) -> int:
    """加两个数字"""
    return a + b

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

agent.invoke(
    {"messages": [{"role": "user", "content": "3加5等于多少？"}]}
)

强制工具使用¶

要强制智能体使用特定工具，可以在 model.bind_tools() 中设置 tool_choice 选项：

API Reference: tool

from langchain_core.tools import tool

# 高亮下一行
@tool(return_direct=True)
def greet(user_name: str) -> int:
    """问候用户。"""
    return f"Hello {user_name}!"

tools = [greet]

agent = create_react_agent(
    # 高亮下一行
    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工具使用可能会创建无限循环。可以使用以下一种保护措施来避免这种情况：

使用 [return_direct=True]（参见直接返回工具结果）在执行后结束循环。
设置 [recursion_limit]（参见递归限制）以限制执行步骤的数量。

处理工具错误¶

默认情况下，代理会捕获所有在工具调用期间引发的异常，并将其作为工具消息传递给LLM。为了控制如何处理这些错误，你可以使用预构建的ToolNode——即在create_react_agent中执行工具的节点——通过其handle_tool_errors参数：

启用错误处理（默认）禁用错误处理自定义错误处理

from langgraph.prebuilt import create_react_agent

def multiply(a: int, b: int) -> int:
    """乘以两个数。"""
    if a == 42:
        raise ValueError("终极错误")
    return a * b

# 使用默认错误处理运行
agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[multiply]
)
agent.invoke(
    {"messages": [{"role": "user", "content": "42乘以7是多少？"}]}
)

from langgraph.prebuilt import create_react_agent, ToolNode

def multiply(a: int, b: int) -> int:
    """乘以两个数。"""
    if a == 42:
        raise ValueError("终极错误")
    return a * b

# 高亮下一行
tool_node = ToolNode(
    [multiply],
    # 高亮下一行
    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": "42乘以7是多少？"}]}
)

这里禁用了错误处理（默认开启）。查看所有可用策略，请参阅API参考。

from langgraph.prebuilt import create_react_agent, ToolNode

def multiply(a: int, b: int) -> int:
    """乘以两个数。"""
    if a == 42:
        raise ValueError("终极错误")
    return a * b

# 高亮下一行
tool_node = ToolNode(
    [multiply],
    # 高亮下一行
    handle_tool_errors=(
        "不能将42作为第一个操作数，您必须交换操作数！"  # (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": "42乘以7是多少？"}]}
)

在发生异常时提供自定义消息发送给LLM。查看所有可用策略，请参阅API参考。

有关不同工具错误处理选项的更多信息，请参阅API参考。

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、网络数据等交互。这些工具扩展了代理的功能，并加速了开发过程。

您可以在 LangChain 工具集成目录中浏览所有可用的集成列表。

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
网络数据：网页抓取和浏览
API：OpenWeatherMap、NewsAPI 等

这些集成可以通过上面示例中显示的 tools 参数进行配置并添加到您的代理中。

工具¶

定义简单工具¶

自定义工具¶

隐藏模型中的参数¶

禁用并行工具调用¶

直接返回工具结果¶

强制工具使用¶

处理工具错误¶

预构建工具¶

Comments