🌟 LangChain 30 天保姆级教程 · Day 11｜内置 Tools 大揭秘！5 行代码让 Agent 会搜索、查百科、跑 Python！

系列目标：30 天从 LangChain 入门到企业级部署
今日任务：掌握 LangChain 官方内置 Tools → 构建多功能 Agent → 安全调用外部能力！

---

🧰 一、为什么用内置 Tools？

在 Day 10 中，我们手动写了 Calculator 工具。但 LangChain 社区已封装了数十种常用工具，开箱即用：

表格

工具	功能	适用场景
DuckDuckGoSearchRun	免费网络搜索	查实时新闻、股价、事件
WikipediaQueryRun	查询维基百科	获取权威知识
PythonREPLTool	执行 Python 代码	数据分析、数学计算
ArxivQueryRun	搜索学术论文	科研辅助
YouTubeSearchTool	搜索 YouTube 视频	教程推荐

✅ 今天，我们就用这些“官方轮子”，5 分钟打造一个全能型 AI 助手！

---

⚠️ 二、安全警告：谨慎使用 PythonREPL！

PythonREPLTool 可执行任意 Python 代码，存在严重安全风险！
仅限本地开发/可信环境使用，生产环境务必：

• 禁用危险模块（如 os, subprocess）
• 使用沙箱（如 RestrictedPython）
• 或完全禁用

🔒 本文仅用于学习，请勿在公网服务中直接暴露！

---

🛠️ 三、动手实践：构建“搜索 + 百科 + 计算”三合一 Agent

步骤 1：安装依赖

# 核心
pip install langchain-ollama

# 内置 Tools 所需
pip install langchain-community \
            duckduckgo-search \
            wikipedia \
            arxiv

💡 langchain-community 包含所有第三方集成工具。

---

步骤 2：导入并初始化 Tools

# day11_builtin_tools.py
from langchain_ollama import ChatOllama
from langchain.agents import Tool, AgentExecutor, create_react_agent
from langchain_community.tools import (
    DuckDuckGoSearchRun,
    WikipediaQueryRun,
    ArxivQueryRun
)
from langchain_community.utilities import WikipediaAPIWrapper, ArxivAPIWrapper

# 初始化 LLM
llm = ChatOllama(model="qwen:7b", temperature=0)

# 1. 网络搜索（DuckDuckGo）
search = DuckDuckGoSearchRun()

# 2. 维基百科
wikipedia = WikipediaQueryRun(api_wrapper=WikipediaAPIWrapper())

# 3. 学术论文（Arxiv）
arxiv = ArxivQueryRun(api_wrapper=ArxivAPIWrapper())

# 注册 Tools
tools = [
    Tool(name="Search", func=search.run, description="用于搜索最新网络信息"),
    Tool(name="Wikipedia", func=wikipedia.run, description="用于查询维基百科知识"),
    Tool(name="Arxiv", func=arxiv.run, description="用于搜索学术论文")
]

🌐 所有工具均无需 API Key（DuckDuckGo 和 Wikipedia 免费开放）！

---

步骤 3：创建 ReAct Agent

# 使用默认 ReAct Prompt
prompt = create_react_agent.get_default_prompt()

agent = create_react_agent(llm=llm, tools=tools, prompt=prompt)

agent_executor = AgentExecutor(
    agent=agent,
    tools=tools,
    verbose=True,
    handle_parsing_errors=True,
    max_iterations=5  # 防止死循环
)

---

步骤 4：测试多场景问题

test_questions = [
    "杭州2023年GDP是多少？",           # → 调用 Search
    "爱因斯坦的相对论是什么？",        # → 调用 Wikipedia
    "最近有哪些关于大语言模型的论文？", # → 调用 Arxiv
    "Python 如何读取 CSV 文件？"       # → 可能直接回答（无工具调用）
]

for q in test_questions:
    print(f"\n👤 用户：{q}")
    try:
        response = agent_executor.invoke({"input": q})
        print(f"🤖 AI：{response['output']}")
    except Exception as e:
        print(f"❌ 错误：{e}")

---

▶️ 输出示例（verbose 模式）：

Thought: 这是一个关于城市经济的问题，我需要搜索最新数据。
Action: Search
Action Input: 杭州 2023年 GDP
Observation: 杭州市2023年GDP为2.2万亿元...
Thought: 我现在知道答案了。
Final Answer: 杭州2023年GDP约为2.2万亿元人民币。

👤 用户：杭州2023年GDP是多少？
🤖 AI：杭州2023年GDP约为2.2万亿元人民币。

✅ Agent 自动选择最合适的工具，无需人工干预！

---

🐍 四、（可选）加入 PythonREPL（仅限本地实验！）

from langchain_community.tools import PythonREPLTool

# 警告：仅用于本地学习！
python_tool = PythonREPLTool()
tools.append(
    Tool(
        name="Python",
        func=python_tool.run,
        description="用于执行 Python 代码，例如数据分析、绘图等"
    )
)

🔥 测试问题：
“计算 1 到 100 的和，并画出 y=x² 的图像”
→ Agent 会生成代码并执行（需安装 matplotlib）

---

⚠️ 五、常见问题 & 优化建议

表格

问题	解决方案
本地模型不遵循 ReAct 格式	在 prompt 中强化指令；或改用 create_tool_calling_agent（需 GPT-4/ Claude 3）
搜索结果不相关	在 DuckDuckGoSearchRun 中设置 max_results=3 提高精度
Wikipedia 返回空	尝试英文关键词（如 "Albert Einstein"）
工具调用太慢	限制 max_iterations；或缓存结果
中文搜索效果差	可结合百度/微信搜索自定义 Tool（Day 20 讲）

💡 提示：Qwen 对中文 ReAct 格式支持较好，但仍建议 temperature=0 提高稳定性。

---

📦 六、配套代码结构

langchain-30-days/
└── day11/
    ├── builtin_tools_agent.py      # 搜索+百科+论文 Agent
    └── python_repl_demo.py         # （可选）Python 执行演示

---

📝 七、今日小结

• ✅ 了解了 LangChain 官方内置 Tools 生态
• ✅ 学会了使用 DuckDuckGoSearch、Wikipedia、Arxiv 三大工具
• ✅ 构建了能自动选择工具的多功能 Agent
• ✅ 知道了 PythonREPLTool 的强大与风险
• ✅ 掌握了工具调用的安全边界

🎯 明日预告：Day 12 —— 自定义 Tool 实战！教你把公司内部 API、数据库、脚本封装成 Agent 可调用工具！