智能体工具的使用

智能体提供推理能力，让大型语言模型（LLM）能决定一系列动作，但它们通常需要一些方式与外部环境交互，或执行超出纯文本生成的任务。这时，工具便发挥作用。可以将工具视为智能体能用来收集信息或执行特定操作的专业器具，大幅扩展了其应用范围和功能。

智能体工具是什么？

在LangChain这类LLM框架的背景下，工具本质上是智能体可以调用的函数或服务。这些工具封装了特定功能，例如：

• 获取实时信息： 使用搜索引擎工具查找LLM训练截止日期后才出现的即时新闻或数据。
• 执行精确计算： 使用计算器或数学引擎进行需要精确数值结果的任务。
• 与外部系统交互： 查询数据库，调用外部API（如天气或股票信息），或读写文件。
• 运行代码： 使用Python的读取-求值-打印循环（REPL）来运行代码片段，以进行复杂逻辑或数据处理。

通过为智能体提供一套精心选择的工具，您可以使其具备能力克服LLM本身的固有限制，使其回答基于外部数据或动作。

智能体-工具交互循环

智能体究竟如何决定使用工具并整合其输出？这个过程通常遵循一个迭代循环，常基于像ReAct（推理与行动）这样的模式：

1. 任务分析： 智能体接收用户请求或一个目标。
2. 推理（思考）： LLM作为智能体的“大脑”，分析任务。它判断是能直接回答，还是需要外部信息或计算。如果需要外部帮助，它决定哪种可用工具最合适。
3. 行动（工具选择与输入）： 智能体识别要使用的具体工具（例如 web_search），并为该工具制定所需的输入（例如搜索查询 current weather in London）。
4. 执行： 框架用生成的输入调用所选工具。
5. 观察（工具输出）： 工具执行其功能（例如调用天气API）并返回结果（例如 7 摄氏度，多云）。
6. 整合与下一步： 智能体接收此观察结果。LLM将这些新信息整合到其推理过程中。然后它可能：
   • 生成对用户的最终响应。
   • 决定它需要使用另一个工具（或用不同的输入再次使用同一个工具）。
   • 根据综合信息继续推理。

这个循环持续到智能体判断它有足够的信息来完成最初的请求。

智能体推理循环。LLM决定是进行内部推理，使用工具采取行动，还是生成最终响应。

定义和集成工具

像LangChain这样的框架提供了定义和管理工具的便捷方式。工具通常表示为一个对象或函数，它至少具有：

• 一个名称： 工具的独特标识符（例如 calculator、web_search）。
• 一个描述： 这极其重要。智能体的LLM使用这种自然语言描述来理解工具的功能、何时使用它以及期望何种输入。编写清晰且信息丰富的描述对于智能体的可靠运行必不可少。
• 执行逻辑： 执行工具功能的实际代码。

这里是一个使用LangChain的Python @tool 装饰器定义一个简单计算器工具的例子：

# 假设已导入必要的LangChain模块
from langchain.tools import tool

@tool
def simple_calculator(expression: str) -> str:
    """
    使用此工具来计算简单的算术表达式。
    输入应为一个有效的数学表达式字符串（例如 '2 + 2'、'10 * (4 / 2)'）。
    只处理基本的加、减、乘、除运算符和括号。
    """
    try:
        # 警告：对不可信的输入使用 eval() 可能不安全。
        # 在生产环境中，请使用更安全的解析库，如 numexpr 或 ast.literal_eval。
        result = eval(expression)
        return str(result)
    except Exception as e:
        return f"计算表达式出错：{str(e)}"

# 示例用法（在智能体上下文之外）
# print(simple_calculator.name) # -> simple_calculator
# print(simple_calculator.description) # -> 文档字符串内容
# print(simple_calculator.run("5 * (3 + 1)")) # -> 20

请注意，文档字符串充当了工具的描述。一个好的描述能有效引导LLM。例如，该描述明确说明了何时使用该工具（“计算简单的算术表达式”）、期望的输入格式（“有效的数学表达式字符串”）以及示例。

一旦定义，您在智能体初始化时会向它提供这些工具对象的一个列表。当LLM需要在提示中决定一个行动时，框架会处理向其呈现这些工具（特别是它们的名称和描述）的逻辑。

# LangChain智能体与工具的初始化
from langchain_openai import ChatOpenAI
# 假设 'web_search_tool' 是另一个已定义的工具实例
# from langchain.agents import AgentExecutor, create_react_agent # (示例导入)
# from langchain import hub # (示例导入)

llm = ChatOpenAI(model="gpt-4o", temperature=0)
tools = [simple_calculator, web_search_tool] # 可用工具列表

# 示例：使用预定义的ReAct提示模板
# react_prompt = hub.pull("hwchase17/react")

# agent = create_react_agent(llm, tools, react_prompt)
# agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

# result = agent_executor.invoke({"input": "What is the result of 99 divided by 3, and what's the weather in Paris?"})

在此设置中，当智能体接收到输入时，底层LLM将看到 simple_calculator 和 web_search_tool 的描述，并凭借其推理能力来判断调用哪个工具（或按顺序调用多个工具）并提供适当的输入，以回答组合问题。

常见工具类型及注意事项

智能体可以配备多种多样的工具：

• 搜索： 集成Google Search、Tavily、SerpAPI、DuckDuckGo Search等API。
• 计算： 简单计算器，Wolfram Alpha集成。
• 代码运行： Python REPL，Bash终端（使用时务必非常谨慎）。
• 数据库访问： 用于构建和执行SQL查询或与NoSQL数据库交互的工具。
• API交互： 封装任何内部或外部API（例如Jira、GitHub、特定公司知识库）的自定义工具。
• 文件系统： 用于读写或列出文件的工具（同样，谨慎使用）。

纳入工具时，请记住这些要点：

• 描述质量： 这点很重要。LLM完全依赖于名称和描述来正确选择和使用工具。请使它们明确且信息丰富。清楚指定输入要求。
• 工具专一性： 如果您有多个相似的工具（例如，不同的搜索API），请确保其描述明确区分其用例。
• 输入解析： LLM生成工具的输入。请确保您的工具的执行逻辑能处理期望的输入格式，或添加解析/验证步骤。有时，LLM可能会以略微不同于期望的方式格式化输入。
• 错误处理： 工具可能会失败（API不可用、无效输入、计算错误）。在工具的代码中实现错误处理，并向智能体返回有用的错误信息，以便它知道该行动失败了。
• 安全风险： 授予智能体访问执行代码（如Python REPL或shell访问）或与敏感系统（数据库、内部API、文件系统）交互的工具，具有重大的安全影响。始终限制权限，严格验证输入，并避免暴露过于强大的工具，除非绝对必要且已妥善保护。
• 成本与延迟： 调用外部API或执行复杂计算会产生费用，并增加智能体响应时间。考虑为频繁使用的工具调用实现缓存机制，或优化工具使用模式。

工具将智能体从纯粹的推理者转变为能够与不同来源交互并获取信息的主动参与者。通过仔细选择、设计和集成工具，您可以构建更强大、更可靠的LLM应用。本章后面的动手实践将指导您构建一个使用特定工具的智能体。