## 引言
在现代AI开发中，为语言模型提供适合的工具可以显著提高其功能和效率。在这篇文章中，我们将探讨如何使用LangChain框架来创建自定义工具，并分享工具构建的不同方法，以满足多样化的需求。
## 主要内容
### 1. 工具的基本组成
构建工具时，需要考虑以下几个重要组件：
- **名称**：工具名称在一个工具集合中需唯一。
- **描述**：描述工具的功能，供LLM或代理参考。
- **Args Schema**：可选项，用于参数验证和提供更多信息。
- **Return Direct**：用于决定是否直接返回结果。
### 2. 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法。它默认用函数名作为工具名，并使用函数的文档字符串作为工具描述。
```python
from langchain_core.tools import tool
@tool
def multiply(a: int, b: int) -> int:
"""Multiply two numbers."""
return a * b
print(multiply.name) # 输出工具名称
print(multiply.description)
异步实现
可以定义异步工具以支持异步调用。
from langchain_core.tools import tool
@tool
async def amultiply(a: int, b: int) -> int:
"""Multiply two numbers."""
return a * b
3. 使用结构化工具
结构化工具提供了更高的配置灵活性。
from langchain_core.tools import StructuredTool
def multiply(a: int, b: int) -> int:
"""Multiply two numbers."""
return a * b
calculator = StructuredTool.from_function(func=multiply, name="Calculator", description="Multiply numbers", return_direct=True)
print(calculator.invoke({"a": 2, "b": 3}))
4. 处理工具错误
在工具中处理错误很重要。可以通过抛出 ToolException 并指定错误处理程序来恢复执行。
from langchain_core.tools import ToolException
def get_weather(city: str) -> int:
raise ToolException(f"Error: There is no city by the name of {city}.")
# ...
get_weather_tool = StructuredTool.from_function(func=get_weather, handle_tool_error=True)
get_weather_tool.invoke({"city": "foobar"})
代码示例
以下是一个使用LangChain创建乘法工具的完整示例，包括同步和异步实现：
from langchain_core.tools import tool, StructuredTool
@tool
def multiply(a: int, b: int) -> int:
"""Multiply two numbers."""
return a * b
@tool
async def amultiply(a: int, b: int) -> int:
"""Multiply two numbers."""
return a * b
calculator = StructuredTool.from_function(func=multiply, coroutine=amultiply)
print(calculator.invoke({"a": 2, "b": 3}))
print(await calculator.ainvoke({"a": 2, "b": 5}))
常见问题和解决方案
- 名称冲突：确保每个工具名称唯一。
- 异步调用问题：使用异步工具时，应避免同步调用方法。
- 错误处理：始终为工具设置错误处理机制，以避免在代理中断执行。
总结和进一步学习资源
LangChain提供了灵活的工具创建方式，可以满足不同的开发需求。建议进一步阅读LangChain的官方文档和示例代码，以掌握更多高级功能。
参考资料
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---
