大型语言模型（LLM）是一种强大的 AI 工具，能够像人类一样理解与生成文本。它们具有高度通用性，可以用于写作、翻译、摘要和问答等任务，而无需针对每个任务进行额外的专业训练。
除了文本生成之外，许多模型还支持：
工具调用（Tool Calling） —— 能调用外部工具（例如数据库查询或 API 调用），并将结果用于生成回答。
结构化输出（Structured Output） —— 限制模型输出遵循预定义格式。
多模态能力（Multimodality） —— 处理并返回非文本数据，例如图像、音频和视频。
推理能力（Reasoning） —— 执行多步骤推理以获得结论。
模型是 Agent 的推理引擎，它驱动 Agent 的决策流程，包括决定调用哪些工具、如何解释结果，以及何时输出最终答案。
你选择的模型的质量与能力，会直接影响 Agent 的基础可靠性与性能表现。不同模型擅长不同类型的任务——有些擅长遵循复杂指令，有些擅长结构化推理，还有一些支持更大的上下文窗口以处理更多信息。
我习惯于以与 OpenAI API 兼容的形式初始化模型：
这里的几个参数为：
model：要使用的模型名称，比如 qwen3-max
temperature：控制模型输出多样性，取值范围为0-1，数值越高，模型输出越多样
base_url：模型提供商的 API 地址
api_key：访问密钥，本地部署的模型不需要这个参数
使用方式
模型可以通过两种方式使用：
独立调用 —— 直接调用模型（不通过 Agent 循环）用于文本生成、分类或信息抽取等任务，而无需 Agent 框架。
与 Agent 配合 —— 在创建 Agent 时动态指定模型。
独立调用模型非常简单，传入一个字符串即可：
我们已经知道如何将模型传入 create_agent 方法在创建Agent 时指定模型。但是我们可以在 Agent 运行时根据当前状态与上下文动态进行模型选择。这使得复杂的路由逻辑与成本优化成为可能。
若要使用动态模型，可以通过 @wrap_model_call 装饰器创建中间件，从而在请求过程中动态修改模型：
@wrap_model_call 是 LangChain 中用于定义模型调用中间件（middleware） 的装饰器，它让你能在 LLM 实际调用前后拦截并修改请求（如动态切换模型、记录日志、限流等），通过接收 ModelRequest 和 handler 参数实现灵活控制。
dynamic_model_selection 函数接收两个参数：
request: ModelRequest
ModelRequest 是一个封装了当前 LLM 调用上下文的对象。它包含了：
request.override(model=model)：创建一个新请求，把模型换成 basic_model 或 advanced_model。
当前要发送给 LLM 的消息（messages）
当前使用的模型（model）
其他调用参数（如 temperature, max_tokens 等）
Agent 的当前状态（state）
handler
handler 是一个可调用对象（callable），代表 “继续执行原计划的模型调用”。handler(request.override(model=model))：用这个新请求去调用 LLM，并返回结果（ModelResponse）。
工具调用（Tool Calling）
模型可以请求调用工具，以执行例如从数据库获取数据、进行网页搜索或运行代码等任务。工具由以下两部分组成：
工具的模式定义（schema），包括工具名称、描述、参数定义（通常是 JSON Schema）
执行该工具的函数或协程（coroutine）
函数调用（function calling）与工具调用（tool calling）视为等价概念，可以互换使用。
我们可以使用 bind_tools 将工具绑定到模型。在之后的调用过程中，模型可以在需要时自行选择调用任何已绑定的工具。
值得注意的是，模型仅提出要执行某个工具，模型本身并不执行工具，工具是由应用程序执行的。
结构化输出（Structured Output）
模型可以以指定模式（schema）的格式返回结果。这对于确保输出能够被轻松解析和用于后续处理非常有用。LangChain 支持多种 schema 类型（Pydantic、TypedDict 与 JSON）与多种方式来强制或引导模型生成结构化输出。
Pydantic 模型不仅支持字段描述和嵌套结构，还具备自动数据校验能力；相比之下，TypedDict 与 JSON Schema 则需要手动进行数据验证。所以我以 Pydantic 模式为例说明。
这里我多输入了“以 JSON 格式”，那是因为以 OpenAI API 兼容形式调用阿里云提供的千问模型时，如果不在提示词中写明 JSON，那么就会产生 400 错误。