LangChain 实战第11课：把业务代码包装成工具后，如何让 AI 自动选择正确的“工具”？

上一节课我们讲了 Tool，学会了把业务函数包装成工具，让 Agent 可以调用。

但是那时我们只加了一个「密码生成器」，AI很容易就能调到，这不算什么本事。

这节课我们来看考验一下AI，让他在多个工具里面，找到真正适用我们需求的那个。

接下来，我们会在「密码生成器」的基础上，加上 Base64 编码 和 Base64 解码 两个工具。

让 AI 根据用户的需求，自主选择调用哪个工具，甚至能组合调用。

老规矩，上代码。

新建文件 11_multi_tools.py

           
           
           
           import os
import random
import base64
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（DeepSeek OpenAI 兼容接口）
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. 工具定义
@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))

@tool("base64_encode", return_direct=True)
def base64_encode(text: str) -> str:
    """将输入字符串进行 Base64 编码"""
    return base64.b64encode(text.encode()).decode()

@tool("base64_decode", return_direct=True)
def base64_decode(text: str) -> str:
    """将 Base64 字符串解码为原始字符串"""
    return base64.b64decode(text.encode()).decode()

# 3. 构造支持工具调用的 Agent（让模型“会用工具”）
tools = [generate_password, base64_encode, base64_decode]
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个密码/加密助手。根据用户的自然语言需求，决定是否调用工具来完成任务。"),
    ("human", "{input}"),
    ("placeholder", "{agent_scratchpad}"),
])
agent = create_tool_calling_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

print("=== 密码 & 加密助手（支持密码生成 + Base64 编解码）===\n")
print("试试输入：'帮我生成一个 high 强度密码'，'encode abc123' 或 '解码 YWJjMTIz'，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")

这是运行效果，是不是很聪明？

我们真实的业务场景，不同的函数相当于不同的工具，当AI 可以自由在多个工具间切换，就像是灵活用手去抓合适的工具一样。这就是 Agent 的真正价值。

不需要我们的强逻辑编排，不需要一堆if/else，直接交给AI判断，走哪条路，用哪个工具。

我们只要把业务函数封装成 Tool，AI 就能学会调用，帮我们自动完成任务。