LangChain Agents 组件

Agents 组件根据用户需求，自动选择并调用第三方工具（如搜索引擎、数学计算），解决大模型自身局限（如实时信息、复杂数学问题）。代理类型示例：AgentType.ZERO_SHOT_REACT_DESCRIPTION。

核心构成

• Agent（代理）

  • 作用：制定计划和思考下一步需要采取的行动
  • 负责控制整个代码的逻辑和执行，暴露接口接收用户输入，并返回 AgentAction（下一步动作）或 AgentFinish（最终结果）

• Tool（工具）

  • 作用：解决问题的具体能力
  • 是第三方服务的集成，比如计算器、网络搜索（谷歌、Bing）等

• Toolkit（工具包）

  • 作用：一些为特定任务集成好的代理包
  • 示例：使用 create_csv_agent 让模型直接解读 CSV 文件

  from langchain.agents import create_csv_agent
  from langchain.llms import OpenAI
  
  agent = create_csv_agent(OpenAI(temperature=0), 'data.csv', verbose=True)
  agent.run("一共有多少行数据？")

• AgentExecutor（代理执行器）

  • 作用：将代理和工具列表包装在一起，负责迭代运行代理的循环，直到满足停止标准

基本用法（自定义工具）

from langchain_ollama import ChatOllama
from langchain_core.tools import tool
from langchain.agents import create_agent
from langchain_core.prompts import PromptTemplate

@tool
def calculate(expression: str) -> str:
    """计算数学表达式"""
    import numexpr
    return str(numexpr.evaluate(expression))

agent = create_agent(
    model = ChatOllama(model="qwen2.5:7b"),
    tools = [calculate],
    system_prompt="你是一个数学助手。请合理使用 calculate 工具解题。"
    )

prompt = PromptTemplate(
    template="解以下方程：3x + 4(x + 2) - 84 = y; 其中x为3，请问y是多少？")
res = agent.invoke({"messages": prompt.format()})
print(f"HumanMessage--> {res['messages'][0].content}")
print(f"AIMessage--> {res['messages'][-1].content}")

高级工具定义

自定义工具的高级 schema 定义参考：Advanced schema definition