当前位置：首页 > news >正文

【基于LangChain的千问大模型工具调用】 Function CallingTool Calling简易示例

news 来源：原创 2025/6/30 8:20:19

示例代码

运行结果

功能：根据用户输入自动选择数学计算/天气查询工具处理
"用户输入 → 意图分析 → 工具调用 → 结果返回"

库名解析：【langchain库名解析】-CSDN博客

示例代码

# ============================== 模块1：依赖导入 ==============================
from langchain_core.prompts import ChatPromptTemplate  # 对话模板构建器
from langchain_core.tools import tool  # 工具装饰器
from langchain.tools.render import render_text_description  # 工具描述渲染器
from langchain_core.output_parsers.json import JsonOutputParser  # JSON输出解析器
import os  # 系统路径/环境变量操作
from dotenv import load_dotenv  # 环境变量加载器
from langchain_openai import ChatOpenAI  # 大模型接口

# ====================== 模块2：环境配置与模型初始化 ======================
load_dotenv()  # 从.env文件加载环境变量（需确保文件存在）

# 千问大模型客户端配置
qwen = ChatOpenAI(
    model="qwen-max",  # 指定模型版本
    api_key=os.getenv("DASHSCOPE_API_KEY"),  # 从环境变量读取API密钥
    openai_api_base="https://dashscope.aliyuncs.com/compatible-mode/v1"  # 阿里云适配接口
)

# ======================== 模块3：工具定义与注册 ========================
# 使用@tool装饰器定义可调用工具

@tool
def multiply(first_int: int, second_int: int) -> int:
    """对两个整数执行乘法运算"""
    return first_int * second_int

@tool
def add(first_int: int, second_int: int) -> int:
    """对两个整数执行加法运算"""
    return first_int + second_int

@tool
def get_current_weather(location: str, unit: str) -> str:
    """获取指定位置的天气信息"""
    return f"It's 20 {unit} in {location}"

# 工具注册列表（后续可扩展新工具）
tools = [multiply, add, get_current_weather]

# ======================= 模块4：提示模板构建 =======================
# 生成工具描述文本（注意：此处转义可能导致变量误识别）
rendered_tools = render_text_description(tools).replace("{", "{{").replace("}", "}}")

# 系统提示词模板（含可能的问题点）
system_prompt = f"""你是一个可以访问以下工具的助手。可用工具：
{rendered_tools}

响应时必须使用严格JSON格式：
{{{{
    "tool": <工具名称>,
    "tool_input": <参数对象>,
    "message": <附加消息>
}}}}"""  # 注意：此处四层括号可能导致转义问题

# 构建完整对话模板
prompt = ChatPromptTemplate.from_messages([
    ("system", system_prompt),  # 系统角色消息（定义规则）
    ("user", "{input}")         # 用户输入占位符
])

# ======================== 模块5：执行链定义 ========================
# 构建处理流水线：模板 → 模型 → JSON解析
chain = prompt | qwen | JsonOutputParser()

# ====================== 模块6：示例请求处理 ======================
# 处理天气查询请求
res = chain.invoke({"input": "内蒙古今天的天气"})

# 手动解析演示（实际代码中可删除）
JsonOutputParser().parse('''{
  "tool": "get_current_weather",
  "tool_input": {"location": "南京", "unit": "Celsius"},
  "message": ""
}''')

# ===================== 模块7：工具调用执行器 =====================
# 创建工具名称到对象的映射字典
tool_map = {tool.name: tool for tool in tools}

def tools_call(model_output):
    """执行工具调用的统一入口
    参数：
        model_output - 模型输出的结构化字典
    """
    # 根据工具名称获取工具对象
    chosen_tool = tool_map[model_output["tool"]]
    # 执行工具调用（建议添加异常处理）
    return chosen_tool.invoke(model_output["tool_input"])

# 执行并打印结果
print(tools_call(res))  # 示例输出：It's 20 Celsius in 内蒙古