LangChain 实战第十课：掌握 AI 应用开发的核心技能——让 AI 自己调用工具

学过前几节课后，我们已经能够将多个步骤像流水线一样组织起来。

但是，你可能已经发现：流水线再怎么丝滑，本质上还是“模型+Prompt”的组合，用的只是模型本身的回答能力。并不能很好地和我们的实际业务结合起来。

这时候，就要上新知识了：Agent和Tool，这节课教你让 AI 会用工具

Agent 是能根据上下文动态选择工具的“小助手”，类型有多种。

这节课我们主要讲Tool Calling Agent，它是最常用的一个agent，能够利用模型的 function calling能力，调用Tool。

Tool 本质上就是一个包装过的 Python 函数。

推荐写法是这样的（以一个密码生成器作为tool举例）：

             
             
             
             from langchain.tools import tool

@tool("password_generator", return_direct=True)
def generate_password(level: str) -> str:
    """根据复杂度生成密码，复杂度可选：low / medium / high"""
    ...
    return password

• • @tool("工具名")：注册工具名，Agent 才能调用。
• • return_direct=True：工具的返回结果直接作为输出返回。
• • 函数的 docstring 必须写清楚输入和输出，模型才知道怎么用。

老规矩，上代码，我们来进行一个完整的实战。

新建文件10_tool.py

             
             
             
             import os
import random
from dotenv import load_dotenv

from langchain_openai import ChatOpenAI
from langchain.tools import tool
from langchain.prompts import ChatPromptTemplate
from langchain.agents import create_tool_calling_agent, AgentExecutor

load_dotenv()

# 1. 初始化 LLM（这里用 DeepSeek，支持 OpenAI 接口）
base_url = os.getenv("DEEPSEEK_BASE_URL", "https://api.deepseek.com/v1")
llm = ChatOpenAI(model="deepseek-chat", base_url=base_url, api_key=os.getenv("DEEPSEEK_API_KEY"), temperature=0)

# 2. 自定义工具
@tool("password_generator", return_direct=True)
def generate_password(level: str) -> str:
    """根据复杂度生成密码，复杂度可选：low / medium / high"""
    chars = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789"
    special = "!@#$%^&*()_+-=[]{}|;:,.<>?"
    length = {"low": 6, "medium": 10, "high": 16}.get(level, 8)
    pool = chars + special if level == "high" else chars
    return "".join(random.choice(pool) for _ in range(length))

# 3. 构建 Agent
tools = [generate_password]
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个密码生成助手。根据用户的自然语言需求，决定是否调用工具来生成密码。"),
    ("human", "{input}"),
    ("placeholder", "{agent_scratchpad}"),
])
agent = create_tool_calling_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=False)

print("=== 密码生成助手（支持 low / medium / high）===\n")
print("试试输入：'帮我生成一个 high 强度密码'，输入 quit 退出。\n")

while True:
    user_input = input("你：")
    if user_input.lower() in ["quit", "exit", "退出"]:
        print("退出。")
        break

    result = agent_executor.invoke({"input": user_input})
    print("AI：", result["output"], "\n")

是不是很强?
Function call的能力，就像是AI的手，Tool则是各种各样的工具。

我们可以把我们的业务函数，封装成Tool，给agent调用，从而帮助我们自动完成任务。