如何在LangChain中创建自定义工具

在构建智能代理时，为其提供一组可用的工具是至关重要的。每个工具不仅包括实际调用的功能，还包含多个组件，如名称、描述及参数验证等。本文将详细探讨如何使用LangChain的功能来创建自定义工具，帮助你更好地应用于实际开发场景中。

技术背景介绍

LangChain是一个灵活的框架，支持自然语言处理应用的开发，尤其是那些需要结合多个工具和流程的应用。在LangChain中，工具是帮助语言模型（LLM）或智能代理执行特定任务的基本构件。通过创建自定义工具，可以使代理更有效地完成特定的任务。

核心原理解析

在LangChain中，工具可以通过以下方式创建：

1. 函数：使用@tool装饰器，这是最简单的方式。
2. LangChainRunnables：适用于接受字符串或字典输入的工具。
3. 子类化BaseTool：提供最大灵活性和控制力度。

工具的定义包括名称、描述、参数验证等信息。良好的命名和描述将帮助模型提高性能。

代码实现演示(重点)

下面将展示如何通过不同的方法创建工具，并提供可运行的示例代码。

使用@tool装饰器创建工具

首先，我们来看如何使用@tool装饰器定义一个简单的乘法工具：

from langchain_core.tools import tool

@tool
def multiply(a: int, b: int) -> int:
    """Multiply two numbers."""
    return a * b

# 检查工具的属性
print(multiply.name)
print(multiply.description)
print(multiply.args)

创建异步实现

同样，我们可以创建异步版本的工具：

from langchain_core.tools import tool

@tool
async def amultiply(a: int, b: int) -> int:
    """Multiply two numbers."""
    return a * b

使用结构化工具类方法

如果需要更多配置，可以使用StructuredTool.from_function：

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}))
print(await calculator.ainvoke({"a": 2, "b": 5}))

应用场景分析

自定义工具可以用于智能客服、数据查询、自动化分析等多种场景。通过定义特定的工具，智能代理可以更高效地处理复杂任务，并提供更精确的响应。

实践建议

• 优化工具描述：确保工具的名称和描述明确简洁。
• 参数验证：利用Pydantic的BaseModel确保参数的正确性。
• 异步实现：在异步代码中优先使用异步工具以提高性能。
• 错误处理：为工具设置适当的错误处理机制，确保在执行出错时能安全地恢复。

如果遇到问题欢迎在评论区交流。

—END—