LangChain 工具调用智能体代码解析

1. 导入必要的库

• os: 操作系统接口

• typing.Optional: 类型注解，表示可选参数

• ChatOpenAI: LangChain 的 OpenAI 聊天模型封装

• tool: 装饰器，用于将函数转换为 LangChain 工具

• ChatPromptTemplate: 聊天提示模板

• create_tool_calling_agent和 AgentExecutor: 用于创建和执行智能体

2. 定义工具功能

网页搜索工具

• @tool装饰器将函数标记为 LangChain 工具

• 接收查询字符串和可选的最大结果数

• 目前是模拟实现，实际应用中可替换为真实搜索引擎 API

• 工具描述文档字符串很重要，LLM 会根据它决定是否使用该工具

数学计算器工具

• 接收数学表达式字符串

• 使用 Python 的 eval()执行计算

• 包含错误处理，返回错误信息

3. 初始化大语言模型

• 创建 ChatOpenAI实例

• 指定模型为 "gpt-4o-mini" (注意：这不是 OpenAI 官方模型名称)

• 提供 API 密钥和自定义 API 基础 URL

• temperature=0使输出更确定性

4. 创建工具列表

• 将定义的两个工具放入列表，供智能体使用

5. 构建提示模板

• 定义对话提示模板，包含三部分：
1. 系统消息：设定智能体的角色和行为
2. 用户输入：占位符 {input}将被实际输入替换
3. 代理草稿本：{agent_scratchpad}用于记录智能体的思考过程

6. 创建智能体和执行器

• create_tool_calling_agent: 创建能调用工具的智能体
• 参数：LLM 实例、工具列表、提示模板

• AgentExecutor: 执行智能体的实际工作
• verbose=True显示详细执行过程

7. 主程序交互循环

• 持续接收用户输入

• 调用 agent_executor.invoke()处理输入

• 打印结果或错误信息

• 输入 "exit" 退出循环

工作流程总结

1. 用户输入问题/请求

2. 智能体分析输入，决定是否需要使用工具

3. 如果需要工具，选择最合适的工具并生成调用参数

4. 执行工具并获取结果

5. 智能体整合工具结果生成最终回复

6. 返回给用户

关键概念

• 工具(Tool): 封装特定功能的可调用对象，LLM 可以决定是否及如何调用

• 智能体(Agent): 决定何时及如何使用工具的 LLM 系统

• 执行器(Executor): 实际运行智能体逻辑的组件