【由浅入深探究langchain】第九集-简单的Agent工具调用
前言
在上一篇博客中，我们初步认识了 LangChain Agent 的基本构造。但 Agent 真正强大的地方在于它能够调用外部工具。
今天，我们要更进一步：不再局限于内置工具，而是通过自定义函数，让 Agent 能够执行我们特定的业务逻辑——比如查询某个商品的实时价格。
核心概念：什么是 Tools？
如果说大语言模型（LLM）是 Agent 的“大脑”，那么 Tools（工具） 就是它的“手脚”。比如代码中我问的问题”What's the price of gold now?“，LLM 本身并不知道实时金价，但它可以决定去调用一个名为get_price的函数，获取结果后再反馈给用户。
编码
沿用上集中使用的代码，加入tools的自定义方法：
def get_price(goods:str)->str:
"""Get price of given goods"""
return f"{goods}'s price is $2000"
这段代码的意思就是输入一个货物的名称，返回价格，在生产中，这里可能根据这个货物名去调用api接口等查询价格，我们这里直接先写死返回。
关键点：LLM 是通过函数的文档字符串Type Hint（类型提示）（就是三个引号定义的位置）来理解这个工具是做什么用的。所以，注释一定要写清楚！
然后再创建agent时将工具注入 Agent，增加一个工具tools的参数
tools=[get_price]
完整代码如下：
from langchain.agents import create_agent from langchain_openai import ChatOpenAI kimi_model = ChatOpenAI( model="kimi-k2.5", api_key="sk-uQpVxxxxxBa",#换成你的apikey base_url="https://api.moonshot.cn/v1", # 重点：这里严格对应 Kimi 的 API 结构 extra_body={ "thinking": {"type": "disabled"} } ) def get_price(goods:str)->str: """Get price of given goods""" return f"{goods}'s price is $2000" agent = create_agent( model=kimi_model, tools=[get_price] ) results = agent.invoke({"messages":[{"role":"user","content":"What's the price of gold now?"}]}) messages = results["messages"] print(f"历史消息:{len(messages)}条") for message in messages: message.pretty_print()注意：
extra_body={
"thinking": {"type": "disabled"}
}
kimi-k2.5是一个支持“深度思考”（Reasoning）的模型，在 Kimi 的 API 规范中，如果模型决定调用工具（Tool Call），它通常会先输出一段“思考过程”。当你把这些消息传回给模型或者在链式调用中处理时，Kimi 要求 Assistant 消息必须包含reasoning_content字段（如果开启了思考功能）。
这里只是为了演示工具调用，不需要模型展示思考过程，为了方便测试先关闭kimi-k2.5的思考模式。
结果分析
当我们问 Agent：“What's the price of gold now?” 时，幕后发生了非常精彩的“四部曲”：
1. 意图识别 (Ai Message)
Agent 接收到问题，意识到自己无法直接回答，于是决定调用工具。
输出： "I'll check the current price of gold for you."
2. 发起工具调用 (Tool Calls)
Agent 生成了一个指令，指定调用get_price，并自动提取了参数goods: "gold"。
3. 执行工具逻辑 (Tool Message)
系统执行了我们写的 Python 函数，并将结果返回给 Agent。
4. 最终汇总 (Final Ai Message)
Agent 结合工具返回的信息，组织成人类听得懂的语言回复用户。
总结
通过自定义工具，我们打破了 LLM 的知识边界。可以想象许多场景：
接入库存系统：check_inventory(item_id)
接入天气接口：get_weather(city)
接入内部数据库：query_user_order(order_id)
只需要你能写出 Python 函数，Agent 就能拥有无限的可能。