智能体工具的使用

智能体提供推理 (inference)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 (inference)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 (inference)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 (inference)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。