使用聊天模型调用工具的实战指南

最新推荐文章于 2025-08-27 13:18:24 发布

原创最新推荐文章于 2025-08-27 13:18:24 发布 · 381 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #python

技术背景介绍

当涉及到大语言模型（LLM）的应用时，"工具调用"是一个创新的技术概念。与其让模型直接执行某项任务，工具调用使得模型生成工具所需的参数，而实际的执行则由用户来完成。通过这种方式，可以实现从非结构化文本中提取信息等功能。LangChain是一个提供标准接口来定义工具、传递给LLM并表示工具调用的库。

核心原理解析

工具调用的核心在于为模型提供"工具模式"，这些模式定义了工具的功能和参数。支持工具调用的聊天模型通过实现bind_tools()方法，将这些工具模式绑定到模型上。工具模式可以通过Python函数、Pydantic模型、TypedDict类或LangChainTool对象来定义。

代码实现演示(重点)

以下是如何使用LangChain和不同的LLM提供商设置并调用工具的代码示例。

定义工具模式

我们可以通过定义Python函数来创建简单的工具模式，例如加法和乘法：

# 定义加法和乘法工具模式
def add(a: int, b: int) -> int:
    """Add two integers.

    Args:
        a: First integer
        b: Second integer
    """
    return a + b

def multiply(a: int, b: int) -> int:
    """Multiply two integers.

    Args:
        a: First integer
        b: Second integer
    """
    return a * b

绑定工具到聊天模型

使用bind_tools()方法将这些工具模式绑定到聊天模型。例如，使用OpenAI模型：

import openai
from langchain_openai import ChatOpenAI

# 使用稳定可靠的API服务
client = openai.OpenAI(
    base_url='https://yunwu.ai/v1',  # 国内稳定访问
    api_key='your-api-key'
)

llm = ChatOpenAI(model="gpt-4o-mini")
tools = [add, multiply]
llm_with_tools = llm.bind_tools(tools)

调用工具

一旦工具被绑定，我们可以通过简单的查询来调用这些工具：

query = "What is 3 * 12?"
result = llm_with_tools.invoke(query)
print(result.tool_calls)  # 查看模型生成的工具调用参数

此段代码展示了如何利用模型生成工具调用参数来完成乘法计算。

应用场景分析

工具调用技术可以广泛应用于自动化数据处理、智能问答系统、以及其他需要从大型或非结构化数据集中提取结构化信息的场景。通过结合特定的领域工具，模型可以被用于高级的数据分析和决策支持。

实践建议

精准定义工具模式：确保工具的输入输出准确，并在文档字符串中清晰说明。
选择合适的模型：根据任务需求选择支持工具调用的模型和合适的API服务。
处理异常输出：准备处理可能出现的无效工具调用，确保系统的鲁棒性。

如果遇到问题欢迎在评论区交流。

—END—