文章目录LangChain 聊天模型中工具的调用详解聊天模型中工具的调用创建工具绑定工具工具的调用LangChain 聊天模型中工具的调用详解聊天模型中工具的调用调用工具的一般步骤:定义工具(创建工具)-绑定工具-调用工具LangChain提供的现成的工具和工具包:(工具一般都不需要自己手搓)LangChain Python integrations - Docs by LangChain可以在这里面获取创建工具1.在 LangChain 中实现了一个tool装饰器来创建工具tool装饰器是自定义工具的最简单方法。# 定义工具tooldefadd(a:int,b:int)-int:# 函数定义两数相加 Args: a: 第一个整数 b: 第二个整数 returnab# 函数体一共就是4个部分:tool装饰器把普通函数标记为「LangChain 工具」函数定义工具的名称、参数、返回值文档字符串Docstring给模型看的「工具说明书」函数体工具的底层执行逻辑–LangChain 用 tool 装饰器时会自动根据你的函数生成 Schema(工具名默认用函数名工具描述默认用函数的文档字符串)–若是简单定义工具如上述示例工具 schema 需要解析 Google 风格的文档字符串去获取参数描述除了上面这种方式还有其他方式可以让工具 schema获取相关工具声明需要的内容:1.模式1:依赖Pydantic类# pydantic 数据验证frompydanticimportBaseModel,FieldclassAddInput(BaseModel):Add two integers.a:intField(...,descriptionFirst integer)b:intField(...,descriptionSecond integer)# 除非提供默认值不然这里所有的字段在调用工具时都是必填的# 定义工具fromlangchain_core.toolsimporttooltool(args_schemaAddInput)defadd(a:int,b:int)-int:returnab2.模式2:依赖Annotated类fromlangchain_core.toolsimporttoolfromtyping_extensionsimportAnnotatedtooldefadd(a:Annotated[int,...,First integer],b:Annotated[int,...,Second integer])-int:Add two integers.returnab2.使用StructuredTool类提供的函数创建工具:这个类其中的from_function类方法通过给定的函数来创建并返回一个工具from_function类方法的定义:classmethoddeffrom_function(# 1. 同步函数工具的核心执行逻辑比如加法、查询天气func:Callable|NoneNone,# 2. 异步协程函数如果工具是异步执行的传这个参数coroutine:Callable[[...],Awaitable[Any]]|NoneNone,# 3. 工具名称AI 调用工具时用的名字默认取函数名name:str|NoneNone,# 4. 工具描述给 AI 看的说明书AI 靠它判断是否调用该工具description:str|NoneNone,# 5. 是否直接返回结果True工具结果直接给用户不经过AI整理FalseAI会二次加工回答return_direct:boolFalse,# 6. 参数校验模板Pydantic 的 BaseModel定义工具必填/选填参数、类型args_schema:type[BaseModel]|dict[str,Any]|NoneNone,# 7. 是否自动推断参数Schema自动从函数注解、文档字符串生成参数规则infer_schema:boolTrue,# 强制关键字参数分隔符后面的参数必须用 keyvalue 的形式传参*,# 8. 响应格式content只返回纯文本给AIcontent_and_artifact返回文本原始数据你刚学的response_format:Literal[content,content_and_artifact]content,# 9. 是否自动解析文档字符串自动从函数 注释 提取描述、参数说明parse_docstring:boolFalse,# 10. 文档字符串不合法时是否报错开启后注释格式错了直接抛错error_on_invalid_docstring:boolFalse,# 11. 额外参数接收所有未定义的关键字参数**kwargs:Any,# 方法返回值一个标准的 LangChain 结构化工具StructuredTool对象)-StructuredTool:其的官方文档介绍:from_function | langchain_core | LangChain Reference用法介绍:用法一:fromlangchain_core.toolsimportStructuredTooldefmultiply(a:int,b:int)-int:Multiply two numbers.returna*b calculator_toolStructuredTool.from_function(funcmultiply)print(calculator_tool.invoke({a:2,b:3}))# 输出: 6用法二:使用 args_schema 参数依赖 Pydantic 类定义并提供工具输入参数的 schema 属性 使用 description 参数替代文档字符串中对于工具描述的 schema 属性fromlangchain_core.toolsimportStructuredToolfrompydanticimportBaseModel,FieldclassCalculatorInput(BaseModel):a:intField(descriptionfirst number)b:intField(descriptionsecond number)defmultiply(a:int,b:int)-int:returna*b calculator_toolStructuredTool.from_function(funcmultiply,nameCalculator,description两数相乘,args_schemaCalculatorInput,)print(calculator_tool.invoke({a:2,b:3}))# 输出: 6print(calculator_tool.name)# 输出: Calculator用法三:classAddInput(BaseModel):a:intField(description第一个整数)b:intField(description第二个整数)#a:int和b:int是类型注解被当作类型提示传递给工具schemadefadd(a:int,b:int)-Tuple[str,List[int]]:nums[a,b]contentf{nums}相加的结果是{ab}returncontent,nums add_toolStructuredTool.from_function(funcadd,nameADD,# 工具名description两数相加,# 工具描述args_schemaAddInput,# 工具参数response_formatcontent_and_artifact)# 模拟大模型调用姿势 --这样才能返回看到大模型分析的过程和结果print(add_tool.invoke({name:ADD,args:{a:3,b:4},type:tool_call,# 必填id:111,# 必填, 用来将工具调用请求和结果关联起来。}))# 手动调用# print(add_tool.invoke({a: 2, b: 5}))绑定工具使用聊天模型里面的.bind_tools()方法–这里只介绍常见参数和用法至于详细的参数介绍可以去官方文档了解假如已经定义好了两个工具:add和multiply# 收集工具tools[add,multiply]# 强制绑定工具model_with_toolsmodel.bind_tools(toolstools)# 会返回一个Runnable实例工具的调用普通调用:resultmodel_with_tools.invoke(9乘6等于多少?)#返回的是AIMessageprint(result)但是模型hi根据输入的相关性据欸的那个何时使用工具如果给定的是一个不相关输入的话模型都不会去调用这个工具强制模型调用工具:model_with_toolsmodel.bind_tools(tools,tool_choiceany)# 要求模型至少调用其中的一个工具resultmodel_with_tools.invoke(hello world!)print(result)如果调用了工具的话result将具有一个tool_calls属性这个属性里面包括了执行这跟工具所需的一切(比如工具名称和输入参数)result.content是给大模型看的文本结果result.artifact是给后续组件用的原始数据如果只像上面那样调用的话只会看到模型要求调用工具的指令(也就是第一次AIMessage)此时并没有得到最终结果后续应该本地代码接管这个流程然后调用工具把结果构造成一个ToolMessage发送给模型,然后模型总结(此时模型收到了前面的完整的对话:HumanMessage[用户询问]、AIMessage(模型请求调用工具)、ToolMessage(工具返回的结果))并输出最终答案(AIMessage的形式传回本地)完整的工具调用应该是:# 定义消息列表添加要传递给聊天模型的消息message[HumanMessage(2乘3等于多少6加6等于多少)]ai_msgmodel_with_tools.invoke(message)message.append(ai_msg)# 把AIMessage追加到message后面# 构造ToolMessage, 并添加到消息列表中去fortool_callinai_msg.tool_calls:selected_tool{add:add,multiply:multiply}[tool_call[name].lower()]# 创建字典从字典中选择tool_msgselected_tool.invoke(tool_call)message.append(tool_msg)# 追加ToolMessageprint(model_with_tools.invoke(message).content)#这才是最终结果