6.4 手把手 用create_react_agent做出鲜花定价Agent
6.4 手把手：用 create_react_agent 做出鲜花定价 Agent
本节学习目标
- 从需求分析到工具定义到Agent 构建到测试优化，走完鲜花定价 Agent 的完整开发流程。
- 能跑通基于 LangChain（或 LangGraph）的 ReAct 定价 Agent（需 OpenAI API Key），并看到「思考→调工具→观察→再思考→最终价格」的链式输出。
- 会根据输出调整提示或工具描述，减少无效步数或错误调用。
一、需求与步骤拆解
- 输入：用户问「玫瑰建议卖多少钱？」等。
- 目标：给出合理建议售价。
- 步骤：查成本 → 查市场价 → 综合计算/推理 → 输出建议价与简短理由。
- 工具：get_cost、get_market_price；可选 compute_suggested_price（或让模型自己算）。
二、完整流程
- 定义工具：见 6.3，get_cost、get_market_price 等，描述写清「何时用」。
- 创建 Agent：
create_react_agent(llm, tools)或create_react_agent+ 自定义 prompt；得到 runnable。 - 运行：
agent.invoke({"messages": [HumanMessage(content="玫瑰建议卖多少钱？")]})。 - 观察：看中间步骤是否先调 get_cost、再 get_market_price、再给结论；若顺序乱或漏调，调整工具描述或 system 提示（如「定价前请先查成本和市场价」）。
- 优化：限制步数、加错误处理、或加「最终答案」格式约束（如必须包含「建议售价：X 元」）。
三、可运行完整示例（需 OPENAI_API_KEY）
以下代码为完整可运行版本：工具返回字符串（LangChain/LangGraph 要求），并包含依赖说明与结果解析。请先执行pip install langgraph langchain-openai langchain-core并设置环境变量OPENAI_API_KEY。
""" 鲜花定价 ReAct Agent - 完整可运行示例。 依赖: pip install langgraph langchain-openai langchain-core 环境: 设置 OPENAI_API_KEY 运行: python flower_pricing_agent.py """importosfromlangchain_core.toolsimporttoolfromlangchain_openaiimportChatOpenAIfromlanggraph.prebuiltimportcreate_react_agent# 工具必须返回 str，供模型阅读@tooldefget_cost(flower_name:str)-