工具¶

许多 AI 应用程序直接与人类交互。在这些情况下，模型以自然语言进行响应是合适的。 但如果我们要让模型也直接与系统（如数据库或 API）交互呢？ 这些系统通常有特定的输入模式；例如，API 通常需要特定的负载结构。你可以使用 工具调用 来请求符合特定模式的模型响应。

工具 是一种封装函数及其输入模式的方法，可以传递给支持工具调用的聊天模型。这允许模型请求使用特定输入执行此函数。

工具 可以传递给支持 工具调用 的 聊天模型，允许模型使用特定输入请求执行特定函数。

你可以 创建自定义工具 或使用 预构建工具。

工具调用¶

工具调用的一个关键原则是，模型根据输入的相关性决定是否使用工具。模型并不总是需要调用工具。 例如，对于与工具*无关*的输入，模型将不会调用工具：

result = llm_with_tools.invoke("Hello world!")

结果将是一个包含模型以自然语言回复的 AIMessage（例如，“Hello!”）。 然而，如果我们传递一个与工具*相关*的输入，模型应该选择调用它：

result = llm_with_tools.invoke("What is 2 multiplied by 3?")

和之前一样，输出 result 将是一个 AIMessage。 但如果调用了工具，result 将具有一个 tool_calls 属性。 此属性包含执行工具所需的一切信息，包括工具名称和输入参数：

result.tool_calls
{'name': 'multiply', 'args': {'a': 2, 'b': 3}, 'id': 'xxx', 'type': 'tool_call'}

有关更多使用细节，请参阅如何操作指南。

执行工具¶

LangGraph 提供了预构建组件 —— ToolNode 和 create_react_agent —— 代表用户调用工具。

请参阅此 操作指南 了解如何调用工具。

预构建工具¶

LangChain 支持与 API、数据库、文件系统、网络数据等交互的广泛预构建工具集成。这些工具扩展了代理的功能，并实现了快速开发。

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
• 网络数据：网页抓取和浏览
• API：OpenWeatherMap、NewsAPI 等其他 API

这些集成可以通过上述示例中展示的相同的 tools 参数配置并添加到您的代理中。