LangChain第六节-模型工具调用（了解）

工具调用在后面学习智能体的时候会重点讲到现在只做了解即可大模型工具调用Tool Calling可以扩展模型能力使模型突破纯文本生成的限制与外部系统和功能进行交互。在 LangChain 框架中这一功能也被称为函数调用Function Calling两种术语可以互换使用。 术语说明术语含义Tool Calling工具调用Function Calling函数调用两者在 LangChain 中通常表示同一类能力。2.4.1 模型调用工具步骤 ️ 1. 定义查询天气工具下面定义一个查询天气工具工具名称为get_weather。具体工具创建方式可参考 Agent 章节部分。tooldefget_weather(location:str)-str:获取指定位置的天气returnf{location}的天气是晴朗的。 2. 将工具绑定到模型大模型使用工具前需要通过bind_tools()方法将工具与模型绑定让模型能够识别可用工具。绑定后模型会根据输入内容自动判断是否需要调用工具。frominit_llmimportdeepseek_llm model_with_toolsdeepseek_llm.bind_tools([get_weather])# 查询触发工具调用responsemodel_with_tools.invoke(北京今天天气如何)print(type(response))response.pretty_print()运行后response对象是一个AIMessage。如果大模型判断需要调用工具该对象输出内容中只会包含调用工具的参数请求信息并不会主动调用工具。示例输出 Ai Message 我来帮您查询北京的天气情况。 Tool Calls: get_weather (call_00_KSFvPw6CQnMrR97Cp6y65k5v) Call ID: call_00_KSFvPw6CQnMrR97Cp6y65k5v Args: location: 北京 3. 完整调用流程如果真正要让大模型根据工具调用结果进行回复完整调用流程包括以下四个步骤模型绑定工具通过model.bind_tools([...])绑定一个或多个工具。模型生成工具调用请求用户输入问题如果触发工具调用模型返回工具调用信息如工具名称和参数。开发者手动执行工具从响应中提取工具调用信息并手动调用对应工具。将工具执行结果传递给模型生成最终结果把用户提问内容和工具执行结果返回模型模型最终生成回复。完整实现代码如下fromlangchain.toolsimporttoolfromlangchain_core.messagesimportHumanMessagefrominit_llmimportdeepseek_llmtooldefget_weather(location:str)-str:获取指定位置的天气returnf{location}的天气是晴朗的。# 1. 模型绑定工具model_with_toolsdeepseek_llm.bind_tools([get_weather])messages[]human_messageHumanMessage(content北京的天气)# human_message HumanMessage(content海水为什么是咸的)messages.append(human_message)# 2. 模型生成调用工具请求responsemodel_with_tools.invoke(messages)print(response,response)messages.append(response)# 3. 开发者根据模型的响应调用工具并获取结果fortool_callinresponse.tool_calls:iftool_call[name]get_weather:# 调用工具并获取结果tool_resultget_weather.invoke(tool_call)messages.append(tool_result)# 4. 模型根据工具调用结果生成最终响应final_responsemodel_with_tools.invoke(messages)print(final_response,final_response)print(final_response.content)代码运行后可能输出根据查询结果北京目前的天气是晴朗的。⚠️特别注意大模型调用工具是单次推理直接响应。需要开发者手动执行工具并管理循环适合简单、确定的任务。2.4.2 模型多工具调用 大模型调用工具是单次推理。当调用多个工具时需要用户自己管理多次调用循环。 案例模型调用多个工具进行回复fromlangchain_core.toolsimporttoolfromlangchain_core.messagesimportHumanMessagefrominit_llmimportdeepseek_llm# 定义股票查询工具tooldefget_stock_price(company:str,timeframe:strtoday)-str:获取指定公司的股票价格信息 Args: company: 公司名称如苹果公司, 微软公司, 谷歌公司 timeframe: 时间范围today-今日, week-本周, month-本月 # 模拟股票数据mock_data{苹果公司:{today:185.20,week:183.50,month:180.75},微软公司:{today:415.86,week:412.30,month:405.42},谷歌公司:{today:15.42,week:15.20,month:14.85}}ifcompanyinmock_data:pricemock_data[company].get(timeframe,未知时间范围)returnf{company}{timeframe}价格:{price}美元else:returnf未找到股票代码{company}的数据# 定义新闻搜索工具tooldefsearch_news(company:str)-str:搜索指定公司的财经新闻 Args: company: 公司名称 Return: 公司的财经新闻每个新闻占一行 # 模拟新闻数据mock_news{苹果公司:[苹果发布新款iPhone股价上涨3%,苹果与欧盟达成反垄断和解协议,苹果将在印度扩大生产规模],微软公司:[微软Azure云业务季度增长超预期,微软完成对Nuance的收购,微软推出新一代AI助手Copilot],谷歌公司:[谷歌发布新AI模型性能提升20%,谷歌与OpenAI合作开发新的AI助手,谷歌在欧洲展开AI研究项目]}news_listmock_news.get(company,[f未找到{company}的相关新闻])return\n.join(news_list)# 1. 初始化模型并绑定工具tools[get_stock_price,search_news]model_with_toolsdeepseek_llm.bind_tools(tools)messages[]# human_message HumanMessage(content苹果公司今天的股价是多少最近有什么新闻)# human_message HumanMessage(content比较一下微软和苹果的股价)human_messageHumanMessage(content腾讯最近有什么重大新闻)# human_message HumanMessage(content海水为什么是咸的)messages.append(human_message)# 2. 工具调用循环whileTrue:responsemodel_with_tools.invoke(messages)messages.append(response)# 如果有调用工具处理工具调用响应# 3. 开发者根据模型的响应调用工具并获取结果ifresponse.tool_calls:fortool_callinresponse.tool_calls:iftool_call[name]get_stock_price:stock_resultget_stock_price.invoke(tool_call)print(stock_result,stock_result)messages.append(stock_result)eliftool_call[name]search_news:news_resultsearch_news.invoke(tool_call)print(news_result,news_result)messages.append(news_result)else:print(没有工具调用直接返回答案)breakprint(response,response)print(response.content) 多工具调用逻辑说明以上示例中有两个工具get_stock_price获取公司股票价格search_news获取公司新闻当用户提问苹果公司今天的股价是多少最近有什么新闻显然需要调用两个工具。此时第一次model_with_tools.invoke(message)调用可能触发get_stock_price工具。AIMessage对象中的tool_calls会包含工具调用信息。第二次model_with_tools.invoke(message)调用可能触发search_news工具。AIMessage对象中的tool_calls同样会包含工具调用信息。当模型不再调用工具时返回的AIMessage对象中的tool_calls为空。因此可以使用一个while循环来自行管理工具多次调用循环。最终将所有消息交给大模型后得到最终结果。✅ 小结步骤作用关键代码1绑定工具model.bind_tools([...])2生成工具调用请求model_with_tools.invoke(messages)3开发者执行工具tool.invoke(tool_call)4生成最终回复model_with_tools.invoke(messages)核心记忆点大模型只负责“决定调用哪个工具、传什么参数”真正执行工具的是开发者。多工具调用时需要开发者使用循环管理完整的工具调用过程。