langchain怎么构造agant
使用 LangChain 构造 Agent（智能体）现在已经变得非常简单，尤其是随着 LangChain 1.0 版本的发布，API 更加统一和易用。
你可以根据你的需求选择不同的复杂度。最简单的方式，只需要几行代码就能让大模型“动起来”。
这里我为你提供两种主流的构建方式：一种是极简的“开箱即用”模式，另一种是更灵活的“自定义”模式。
方式一：极简模式（推荐新手）
如果你只是想快速让模型具备搜索或计算能力，可以直接使用 create_react_agent 或 initialize_agent。
核心逻辑：大模型（LLM） + 工具集（Tools） = 智能体（Agent）
1. 安装依赖: pip install langchain langchain-openai python-dotenv
import os
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from langchain.agents import create_react_agent, AgentExecutor
from langchain.tools import Tool
from langchain import hub
加载环境变量（把你的API Key放在 .env 文件里）
load_dotenv()
2. 准备“大脑” (LLM)
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
3. 准备“手脚” (Tools) - 这里以一个简单的计算器为例
def multiply(input_str):
a, b = map(int, input_str.split(','))
return a * b
tools = [
Tool(
name="Calculator",
func=multiply,
description="用于计算两个数字的乘积。输入格式为 '数字A, 数字B'"
)
]
4. 拿到现成的“身体框架” (Prompt)
这是一个通用的Agent提示词模板
prompt = hub.pull("hwchase17/react")
5. 组装智能体
agent = create_react_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
6. 运行！
result = agent_executor.invoke({"input": "请计算 3 乘以 4 等于多少？"})
print(result)
方式二：自定义逻辑模式（适合复杂任务）
如果你想更深入地控制 Agent 的行为，或者使用旧版本的 LangChain（< 0.1.0），可以使用 initialize_agent。
from langchain.agents import initialize_agent, AgentType
from langchain.memory import ConversationBufferMemory
假设你已经有了 LLM 和 Tools
llm = ChatOpenAI(temperature=0)
tools = [your_tools_here]
为了让AI记得住上下文，我们给它加个“短期记忆”
memory = ConversationBufferMemory(memory_key="chat_history")
初始化 Agent
ZERO_SHOT_REACT_DESCRIPTION 是一种经典的推理模式
agent = initialize_agent(
tools,
llm,
agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
verbose=True, # 开启后可以看到AI思考的过程（非常有趣！）
memory=memory # 注入记忆
)
直接运行
response = agent.run("你好，我是小明。我之前问过什么问题？")
核心组件拆解
为了让你更好地理解，我把构造 Agent 的积木拆解一下：
1. LLM（大脑）：负责思考和决策。可以是 GPT、Claude、Llama 或者国产的通义千问等。
2. Tools（工具/手脚）：负责执行具体任务。LangChain 社区有几百种工具（搜索、数据库查询、API调用）。
* 比如：TavilySearchResults（联网搜索）、DuckDuckGoSearchRun
3. Agent（决策逻辑）：决定什么时候用哪个工具。
4. Memory（记忆）：让对话有上下文，不会问了后面忘了前面。
5. AgentExecutor（执行器）：负责运行整个循环，防止 AI 进入死循环。
💡 给你一个“万能公式”
如果你想接入联网搜索功能（这是最常用的功能），只需要替换 Tools 部分：
from langchain_community.tools import DuckDuckGoSearchRun
或者使用 Tavily (效果更好)
from langchain_community.tools.tavily_search import TavilySearchResults
search = DuckDuckGoSearchRun()
tools = [
Tool(
name="Search",
func=search.run,
description="当你需要回答实时问题或查找信息时使用"
)
]
总结：
现在的 LangChain 构造 Agent 就像点外卖套餐一样。你只需要准备好 LLM（主食）和 Tools（配菜），然后用 create_react_agent 这个包装器一包，就能得到一个能思考、能行动的 AI 助手了。