跳到主要内容
Open on GitHub

工具调用

前提条件

概述​

许多 AI 应用程序直接与人类交互。在这些情况下，模型以自然语言响应是合适的。但是，如果我们希望模型也直接与系统（例如数据库或 API）交互呢？这些系统通常具有特定的输入模式；例如，API 经常有必需的有效负载结构。这种需求促生了工具调用的概念。您可以使用工具调用来请求与特定模式匹配的模型响应。

信息

您有时会听到术语 函数调用。我们交替使用此术语和 工具调用。

Conceptual overview of tool calling

关键概念​

(1) 工具创建： 使用 @tool 装饰器创建一个工具。工具是函数及其模式之间的关联。 (2) 工具绑定： 工具需要连接到支持工具调用的模型。这使模型意识到工具以及工具所需的关联输入模式。 (3) 工具调用： 在适当的时候，模型可以决定调用工具并确保其响应符合工具的输入模式。 (4) 工具执行： 可以使用模型提供的参数执行工具。

Conceptual parts of tool calling

此伪代码说明了使用工具调用的推荐工作流程。创建的工具作为列表传递给 .bind_tools() 方法。可以像往常一样调用此模型。如果进行了工具调用，则模型的响应将包含工具调用参数。工具调用参数可以直接传递给工具。

# Tool creation
tools = [my_tool]
# Tool binding
model_with_tools = model.bind_tools(tools)
# Tool calling 
response = model_with_tools.invoke(user_input)

工具创建​

创建工具的推荐方法是使用 @tool 装饰器。

from langchain_core.tools import tool

@tool
def multiply(a: int, b: int) -> int:
    """Multiply a and b."""
    return a * b
API 参考：tool
延伸阅读
  • 有关更多详细信息，请参阅我们的工具概念指南。
  • 请参阅我们的模型集成，其中支持工具调用。
  • 请参阅我们的关于工具调用的操作指南。

工具绑定​

许多 模型提供商支持工具调用。

提示

请参阅我们的模型集成页面，以获取支持工具调用的提供商列表。

要理解的核心概念是，LangChain 提供了将工具连接到模型的标准化接口。可以使用 .bind_tools() 方法来指定哪些工具可供模型调用。

model_with_tools = model.bind_tools(tools_list)

作为一个具体的例子，让我们以函数 multiply 为例，并将其作为工具绑定到支持工具调用的模型。

def multiply(a: int, b: int) -> int:
    """Multiply a and b.

    Args:
        a: first int
        b: second int
    """
    return a * b

llm_with_tools = tool_calling_model.bind_tools([multiply])

工具调用​

Diagram of a tool call by a model

工具调用的一个关键原则是，模型根据输入的关联性决定何时使用工具。模型并不总是需要调用工具。例如，给定一个不相关的输入，模型将不会调用该工具

result = llm_with_tools.invoke("Hello world!")

结果将是一个 AIMessage，其中包含模型以自然语言进行的响应（例如，“你好！”）。但是，如果我们传递与工具相关的输入，模型应该选择调用它

result = llm_with_tools.invoke("What is 2 multiplied by 3?")

与之前一样，输出 result 将是一个 AIMessage。但是，如果调用了工具，则 result 将具有 tool_calls 属性。此属性包含执行工具所需的一切，包括工具名称和输入参数

result.tool_calls
{'name': 'multiply', 'args': {'a': 2, 'b': 3}, 'id': 'xxx', 'type': 'tool_call'}

有关使用详情，请参阅我们的操作指南！

工具执行​

工具实现了Runnable 接口，这意味着它们可以直接被调用（例如，tool.invoke(args)）。

LangGraph 提供了预构建的组件（例如，ToolNode），这些组件通常会代表用户调用工具。

延伸阅读

最佳实践​

在设计模型使用的工具时，重要的是要记住

  • 具有显式工具调用 API 的模型将比非微调模型更擅长工具调用。
  • 如果工具具有精心选择的名称和描述，模型将表现得更好。
  • 简单、范围狭窄的工具比复杂的工具更容易供模型使用。
  • 要求模型从大量工具列表中进行选择对模型提出了挑战。

此页面是否对您有帮助？