[强化你的LangChain工具创建技能：从基础到进阶]

强化你的LangChain工具创建技能：从基础到进阶

在现代AI开发中，为语言模型和智能代理提供工具是提升其功能的关键一步。本指南将带你深入了解如何在LangChain中创建工具，从简单的函数到复杂的可配置工具。

引言

在构建智能代理时，开发者需要提供一组工具供其使用。工具的构建不仅需要考虑其功能，还需确保其具有良好的描述和参数验证，以便模型能够有效地理解和调用这些工具。

主要内容

工具的基本组成

一个工具通常包含以下几个部分：

• 名称：必须在工具集中唯一。
• 描述：描述工具的功能，供模型上下文使用。
• 参数模式（args_schema）：可选的Pydantic BaseModel，用于提供参数验证。
• 直接返回（return_direct）：仅对代理相关，指示调用工具后是否直接返回结果。

从函数创建工具

使用@tool装饰器

这是定义自定义工具的最简单方式。装饰器使用函数名称作为工具名称，并使用函数的文档字符串作为工具描述。

from langchain_core.tools import tool@tool
def multiply(a: int, b: int) -> int:"""Multiply two numbers."""return a * bprint(multiply.name)
print(multiply.description)
print(multiply.args)

异步实现

你可以创建异步实现，使工具在异步环境中表现更好。

from langchain_core.tools import tool@tool
async def amultiply(a: int, b: int) -> int:"""Multiply two numbers."""return a * b

使用StructuredTool进行更复杂的配置

如果需要更灵活的配置，可以使用StructuredTool.from_function方法。

from langchain.pydantic_v1 import BaseModel, Field
from langchain_core.tools import StructuredToolclass CalculatorInput(BaseModel):a: int = Field(description="first number")b: int = Field(description="second number")def multiply(a: int, b: int) -> int:"""Multiply two numbers."""return a * bcalculator = StructuredTool.from_function(func=multiply,args_schema=CalculatorInput,return_direct=True
)print(calculator.invoke({"a": 2, "b": 3}))

代码示例

下面给出一个完整的代码示例，展示如何利用LangChain创建一个简单的智能计算工具：

from langchain_core.tools import StructuredTool
from langchain.pydantic_v1 import BaseModel, Fieldclass CalculatorInput(BaseModel):a: int = Field(description="第一个数字")b: int = Field(description="第二个数字")def multiply(a: int, b: int) -> int:"""两个数相乘。"""return a * bcalculator = StructuredTool.from_function(func=multiply,args_schema=CalculatorInput,return_direct=True
)print(calculator.invoke({"a": 5, "b": 7}))  # 输出: 35

常见问题和解决方案

错误处理

在使用工具时可能会遇到异常情况，可以通过设置handle_tool_error来处理。

from langchain_core.tools import ToolExceptiondef get_weather(city: str) -> int:"""获取指定城市的天气。"""raise ToolException(f"错误：没有名为 {city} 的城市。")weather_tool = StructuredTool.from_function(func=get_weather,handle_tool_error="没有找到该城市，可能温度高于0K!"
)print(weather_tool.invoke({"city": "foobar"}))

总结和进一步学习资源

本文介绍了如何为LangChain模型创建简单和复杂的工具。通过掌握这些技术，你可以更好地为智能代理提供强大的功能支持。

• Pydantic文档
• LangChain官方指南

参考资料

• LangChain官方指南
• Pydantic文档

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

—END—