Agent开发工具01实战指南

```html 大语言模型（LLM）本身不具备直接操控外部资源的能力，例如无法读取你本地存储的文件。那么，如何让它实现这些功能呢？关键在于为它“绑定”相应的工具。在 Langchain 框架中，这一操作非常简洁——只需使用 `model.bindTools` 即可完成绑定。接下来，自然是定义所需的工具。 ## 工具 大语言模型本身并不具备工具的功能，比如读取文件的特性。 如果你希望大模型不仅能回答你的问题，还能读取本地的文件，就需要为它绑定上对应的工具。在 `langchain` 中，绑定的方式很简单——直接调用 `model.bindTools` 即可。 接下来，我们来探讨如何定义工具。 ## 定义工具 在定义工具时，首先要弄清楚它的“使用说明书”是什么样的。工具本质上是一个函数，既然是函数，就必须接收参数，也就是有入参。因此，你需要明确三件事：名称、描述、入参。 ```ja vascript const obj = { // 工具的名称 name: 'read_file', // 对这个工具的人类语言描述 description: '对这个工具的人类语言描述', // 工具入参 schema: z.object({ filePath: z.string().describe('要读取的文件路径'), }), } ``` 编写完说明书后，接下来就是工具本身——也就是那个函数。逻辑非常简单：传入文件路径，读取内容并返回。 ```ja vascript // 很简单，就是一个函数，函数中的逻辑如下，实现了读取文件内容并返回 const fun = async ({ filePath }) => { const content = await fs.readFile(filePath, 'utf-8'); console.log(` [工具调用] read_file("${filePath}") - 成功读取${content.length}字节`); return `文件内容:\n${content}`; } ``` 最后一步，用 langchain 的 `tool` 函数把上面这两个参数传进去，工具就算定义好了。 ```ja vascript tool(fun, obj) ``` ## 调用工具 在前面绑定好工具之后，我们调用了模型的 `invoke` 函数。但请注意，模型并不会直接去执行工具，而是返回当前用户问题可以使用的工具列表。 - 用户问：“你好”。模型返回一个工具空数组——它自己判断，这次请求不需要调用任何工具。 - 用户问：“读取某个文件”。大模型会检索自身，看是否有合适的工具。如果有，就在返回数据中把可用的工具带出来。 数组中的每一个工具都包含：工具的实际入参（模型通过第一次用户的提问识别到的）、工具的唯一 id（每次调用都会随机生成一个新的）、工具的名称。 当模型返回了工具调用数组，我们需要遍历这个数组，依次调用每一个工具函数。注意，调用工具不是使用 `模型的 invoke`，而是 `工具的 invoke`。 ```ja vascript // invoke的参数就是工具的入参，这个入参可以从模型返回的数组中获取 const result = await tool.invoke(toolCall.args); ``` 拿到工具的结果之后，用 langchain 的 `new ToolMessage` 来新建一条消息： ```ja vascript new ToolMessage({ content: toolResults[index], tool_call_id: toolCall.id, }) ``` 最后，将所有消息再次发送给模型，模型输出最终回答。 ### Q&A **Q1：为什么需要 `new ToolMessage`，而不是将工具返回结果直接拼接到前面用户的提问后面？** **A1：** （1）像 GPT-4、Claude 这类支持 function calling 的模型，在训练过程中大量接触的对话格式就是这种结构化模式： ``` User → Assistant(tool_calls) → ToolMessage → Assistant(回复) ``` 也就是说，模型在训练时学会了：收到带有 tool_call_id 的 ToolMessage = 这是我刚才调用的工具返回的结果，需要借助这些内容来作答。如果改用字符串拼接，将工具结果塞进 HumanMessage 或普通文本中，这种模式在训练数据里非常罕见，模型就没有明确的“如何使用”的经验。 （2）角色与用途清晰 在结构化消息体系里，每一条消息的语义都非常明确： | 消息类型 | 模型的理解 | | --- | --- | | HumanMessage | 用户说了什么、想实现什么 | | AIMessage + tool_calls | 我决定调用这些工具 | | ToolMessage | 这些工具返回的结果，是对我上一轮决策的反馈 | | AIMessage | 基于工具结果给出最终回答 | 模型会将 ToolMessage 视为“我主动调用的工具的结果”，而不是“用户新说的话”。如果采用字符串拼接，工具结果很容易被当作普通上下文或用户输入，导致模型不清楚这是自己刚才调用的工具的结果，从而处理方式产生偏差。 （3）注意力与因果关系 在多轮对话中，模型对不同消息类型的处理权重各不相同。ToolMessage 在训练阶段被视作“对上一次 tool_calls 的回应”，因此模型会更自然地把注意力集中在：用这些结果来回答用户最初的问题。这样能够维持清晰的因果链条，避免干扰。 ```