LangChain AgentExecutor如何自定义工具并正确调用？

Question

在使用LangChain的AgentExecutor时，如何自定义工具并正确调用是一个常见问题。例如，当我们尝试创建一个与特定API交互的自定义工具时，可能会遇到工具无法被Agent正确识别或调用的情况。这通常是因为在定义工具时，没有正确设置tool_name、tool_function或未将工具正确传递给Agent。另外，在集成自定义工具到AgentExecutor时，如果描述不清晰或输入输出格式不符合预期，也可能导致运行错误。因此，我们需要确保工具类继承了BaseTool，并且重写了name和description属性，同时保证run方法能够正确处理输入和返回结果。最后，在初始化AgentExecutor时，要确保工具列表正确传递给了agent参数。如何解决这些问题以实现自定义工具的正确调用？

Answer 1

1. 问题概述

在使用LangChain的AgentExecutor时，自定义工具的创建和集成是一个常见的技术挑战。以下是一些关键点：

• 工具无法被Agent正确识别或调用。
• 描述不清晰或输入输出格式不符合预期。
• 未正确设置tool_name、tool_function或未将工具传递给Agent。

这些问题通常源于对LangChain框架中工具类的继承与实现细节不够熟悉。下面我们从常见问题出发，逐步分析并提供解决方案。

2. 工具类的基本要求

要确保自定义工具能够被Agent正确调用，必须满足以下条件：

1. 继承BaseTool类：所有自定义工具都必须继承LangChain提供的BaseTool类。
2. 重写name属性：该属性定义了工具的唯一标识符，用于Agent识别。
3. 重写description属性：该属性提供了工具的功能描述，帮助Agent理解工具用途。
4. 实现run方法：该方法定义了工具的核心逻辑，负责处理输入并返回结果。

以下是正确的工具类定义示例：

from langchain.agents import Tool
from langchain.tools import BaseTool

class MyCustomTool(BaseTool):
    name = "my_custom_tool"
    description = "A tool that interacts with a specific API"

    def run(self, query: str) -> str:
        # 实现工具的核心逻辑
        return f"Processed query: {query}"
    

3. 集成工具到AgentExecutor

在完成工具类定义后，需要将其正确传递给AgentExecutor。以下是具体步骤：

步骤	操作
1	创建一个包含所有自定义工具的列表。
2	初始化Agent实例，并将工具列表作为参数传递。
3	使用AgentExecutor包装Agent实例，确保工具可以被调用。

以下是集成代码示例：

from langchain.agents import initialize_agent
from langchain.llms import OpenAI

llm = OpenAI(temperature=0)
tools = [MyCustomTool()]
agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True)

4. 调试与验证

为了确保工具能够正常工作，建议进行以下调试步骤：

• 检查工具的name和description是否准确反映了其功能。
• 测试run方法的输入输出格式是否符合预期。
• 验证Agent是否能够正确解析工具的描述并调用相应方法。

通过流程图展示调试过程：

graph TD;
            A[开始] --> B[定义工具类];
            B --> C[继承BaseTool并实现run方法];
            C --> D[设置name和description属性];
            D --> E[将工具添加到工具列表];
            E --> F[初始化Agent并传递工具列表];
            F --> G[测试工具调用];
            G --> H[结束];