1. 构建智能体与工具调用
Written: 2026.062. LangGraph环境搭建
2.1 安装 LangGraph
安装 LangGraph
pip install langgraph
2.2 接入大模型
LangGraph底层依赖LangChain，接入大模型与 LangChain 完全一致，具体可参考文档https://www.cuiliangblog.cn/detail/section/2287570953. 创建LangGraph智能体
3.1 预构建智能体API简介
LangGraph 提供了四组“预构建图”级别的 Agent API，用户无需自己拼节点、连边，只要给模型和工具即可一键拿到一个可运行、可观测、带记忆的图| API | 底层机制 | 场景适合度 | 特点 |
|---|---|---|---|
create_react_agent | ReAct 推理 + 工具调用 | 多步推理、需要 trace | 灵活但复杂 |
create_tool_calling_agent | LLM 原生 tool_call | 单步/轻量多步调用 | 简洁 |
create_openai_functions_agent | OpenAI Functions API | 兼容旧接口 | 不推荐新项目 |
create_openai_tools_agent | OpenAI Tools API | OpenAI 新模型工具调用 | 推荐 |
3.2 接入自定义工具函数
LangGraph接入工具函数类别和LangChain一样有三类：LangChain内置的工具函数、自定义工具函数和使用MCP工具。我们这里通过自定义工具函数进行演示- 创建自定义获取天气信息的工具函数，为了更加严谨，我们使用
pydantic库定义一个对象类型描述传入参数，这里表示要传入的是一个字符串 city 参数，表示的含义是城市名称。定义的WeatherQuery对象在@tool(args_schema=WeatherQuery)中约束get_weather的函数参数。tool装饰器可以将自定义函数修饰为LangChain/LangGraph的函数工具， 注意函数的注释必须要撰写清楚才能使大模型理解函数功能
自定义工具函数(tools.py)示例
import json
import os
import httpx
import dotenv
from loguru import logger
from pydantic import Field, BaseModel
from langchain_core.tools import tool
# 加载环境变量配置
dotenv.load_dotenv()
class WeatherQuery(BaseModel):
"""
天气查询参数模型类，用于定义天气查询工具的输入参数结构。
:param city: 城市名称，字符串类型，表示要查询天气的城市
"""
city: str = Field(description="城市名称")
@tool(args_schema=WeatherQuery)
def get_weather(city):
"""
查询指定城市的即时天气信息。
:param city: 必要参数，字符串类型，表示要查询天气的城市名称。
注意：中国城市需使用其英文名称，如 "Beijing" 表示北京。
:return: 返回 OpenWeather API 的响应结果，URL 为
https://api.openweathermap.org/data/2.5/weather。
响应内容为 JSON 格式的字符串，包含详细的天气数据。
"""
# 构建请求 URL
url = "https://api.openweathermap.org/data/2.5/weather"
# 设置查询参数
params = {
"q": city, # 城市名称
"appid": os.getenv("OPENWEATHER_API_KEY"), # 从环境变量中读取 API Key
"units": "metric", # 使用摄氏度作为温度单位
"lang": "zh_cn" # 返回简体中文的天气描述
}
# 发送 GET 请求并获取响应
response = httpx.get(url, params=params)
# 将响应解析为 JSON 并序列化为字符串返回
data = response.json()
logger.info(f"查询天气结果：{json.dumps(data)}")
return json.dumps(data)
print(get_weather.name)
print(get_weather.description)
print(get_weather.args)
执行结果如下
get_weather
查询指定城市的即时天气信息。
:param city: 必要参数，字符串类型，表示要查询天气的城市名称。
注意：中国城市需使用其英文名称，如 "Beijing" 表示北京。
:return: 返回 OpenWeather API 的响应结果，URL 为
https://api.openweathermap.org/data/2.5/weather。
响应内容为 JSON 格式的字符串，包含详细的天气数据。
{'city': {'description': '城市名称', 'title': 'City', 'type': 'string'}}
- 创建 LangGraph 智能体。初始化大模型和函数列表并创建ReACT预制图结构并构建智能体
创建 ReAct 智能体示例
from langchain_ollama import ChatOllama
from langgraph.prebuilt import create_react_agent
from tools import get_weather
# 初始化本地大语言模型，配置基础URL、模型名称和推理模式
llm = ChatOllama(base_url="http://localhost:11434", model="qwen3:14b", reasoning=False)
# 定义工具列表，包含天气查询工具
tools = [get_weather]
# 创建ReAct代理，结合语言模型和工具函数
agent = create_react_agent(model=llm, tools=tools)
# 调用代理处理用户查询，获取北京天气信息
response = agent.invoke({"messages": [{"role": "user", "content": "请问北京今天天气如何？"}]})
# 输出完整响应结果和最终回答内容
print(response)
print(response["messages"][-1].content)
response["messages"][-1].pretty_print()
# 使用stream方法进行流式调用
for chunk in agent.stream(
{"messages": [{"role": "user", "content": "请问北京今天天气如何？"}]},
stream_mode="values",
):
chunk["messages"][-1].pretty_print()
# 这里stream_mode有四种选项：
# - messages：流式输出大语言模型回复的token
# - updates : 流式输出每个工具调用的每个步骤。
# - values : 一次输出到所有的chunk。默认值。
# - custom : 自定义输出。主要是可以在工具内部使用get_stream_writer获取输入流，添加自定义的内容。
执行结果如下
2025-10-02 16:35:09.690 | INFO | tools:get_weather:61 - 查询天气结果：{"coord": {"lon": 116.3972, "lat": 39.9075}, "weather": [{"id": 800, "main": "Clear", "description": "\u6674", "icon": "01d"}], "base": "stations", "main": {"temp": 25.78, "feels_like": 25.3, "temp_min": 25.78, "temp_max": 25.78, "pressure": 1014, "humidity": 34, "sea_level": 1014, "grnd_level": 1009}, "visibility": 10000, "wind": {"speed": 4.66, "deg": 207, "gust": 2.91}, "clouds": {"all": 1}, "dt": 1759393385, "sys": {"country": "CN", "sunrise": 1759356671, "sunset": 1759398979}, "timezone": 28800, "id": 1816670, "name": "Beijing", "cod": 200}
{'messages': [HumanMessage(content='请问北京今天天气如何？', additional_kwargs={}, response_metadata={}, id='576bba50-971f-4792-bf0d-554c807bb84f'), AIMessage(content='', additional_kwargs={}, response_metadata={'model': 'qwen3:14b', 'created_at': '2025-10-02T08:35:09.337666398Z', 'done': True, 'done_reason': 'stop', 'total_duration': 533471856, 'load_duration': 27858226, 'prompt_eval_count': 243, 'prompt_eval_duration': 6905785, 'eval_count': 21, 'eval_duration': 497171713, 'model_name': 'qwen3:14b'}, id='run--e5adf95f-de01-4bb4-9ea0-476bfc17d1e2-0', tool_calls=[{'name': 'get_weather', 'args': {'city': 'Beijing'}, 'id': '95d9334e-39ed-485c-9e51-a2b956a5db56', 'type': 'tool_call'}], usage_metadata={'input_tokens': 243, 'output_tokens': 21, 'total_tokens': 264}), ToolMessage(content='{"coord": {"lon": 116.3972, "lat": 39.9075}, "weather": [{"id": 800, "main": "Clear", "description": "\\u6674", "icon": "01d"}], "base": "stations", "main": {"temp": 25.78, "feels_like": 25.3, "temp_min": 25.78, "temp_max": 25.78, "pressure": 1014, "humidity": 34, "sea_level": 1014, "grnd_level": 1009}, "visibility": 10000, "wind": {"speed": 4.66, "deg": 207, "gust": 2.91}, "clouds": {"all": 1}, "dt": 1759393385, "sys": {"country": "CN", "sunrise": 1759356671, "sunset": 1759398979}, "timezone": 28800, "id": 1816670, "name": "Beijing", "cod": 200}', name='get_weather', id='fae9674c-3a04-4cdd-817e-540c788b0d1b', tool_call_id='95d9334e-39ed-485c-9e51-a2b956a5db56'), AIMessage(content='北京今天的天气非常晴朗。当前温度为25.78摄氏度，体感温度约为25.3摄氏度，湿度为34%。风速为4.66米/秒，风向为207度。天气状况良好，适合外出活动。', additional_kwargs={}, response_metadata={'model': 'qwen3:14b', 'created_at': '2025-10-02T08:35:11.426562306Z', 'done': True, 'done_reason': 'stop', 'total_duration': 1731056764, 'load_duration': 14531077, 'prompt_eval_count': 571, 'prompt_eval_duration': 9450204, 'eval_count': 65, 'eval_duration': 1700059621, 'model_name': 'qwen3:14b'}, id='run--3ecd33ef-2944-453b-965a-4f7cfd48fac9-0', usage_metadata={'input_tokens': 571, 'output_tokens': 65, 'total_tokens': 636})]}
北京今天的天气非常晴朗。当前温度为25.78摄氏度，体感温度约为25.3摄氏度，湿度为34%。风速为4.66米/秒，风向为207度。天气状况良好，适合外出活动。
================================== Ai Message ==================================
北京今天的天气非常晴朗。当前温度为25.78摄氏度，体感温度约为25.3摄氏度，湿度为34%。风速为4.66米/秒，风向为207度。天气状况良好，适合外出活动。
================================ Human Message =================================
请问北京今天天气如何？
================================== Ai Message ==================================
Tool Calls:
get_weather (295045ea-37a4-4356-808d-1195406ee933)
Call ID: 295045ea-37a4-4356-808d-1195406ee933
Args:
city: Beijing
2025-10-02 16:35:12.401 | INFO | tools:get_weather:61 - 查询天气结果：{"coord": {"lon": 116.3972, "lat": 39.9075}, "weather": [{"id": 800, "main": "Clear", "description": "\u6674", "icon": "01d"}], "base": "stations", "main": {"temp": 25.78, "feels_like": 25.3, "temp_min": 25.78, "temp_max": 25.78, "pressure": 1014, "humidity": 34, "sea_level": 1014, "grnd_level": 1009}, "visibility": 10000, "wind": {"speed": 4.66, "deg": 207, "gust": 2.91}, "clouds": {"all": 1}, "dt": 1759393385, "sys": {"country": "CN", "sunrise": 1759356671, "sunset": 1759398979}, "timezone": 28800, "id": 1816670, "name": "Beijing", "cod": 200}
================================= Tool Message =================================
Name: get_weather
{"coord": {"lon": 116.3972, "lat": 39.9075}, "weather": [{"id": 800, "main": "Clear", "description": "\u6674", "icon": "01d"}], "base": "stations", "main": {"temp": 25.78, "feels_like": 25.3, "temp_min": 25.78, "temp_max": 25.78, "pressure": 1014, "humidity": 34, "sea_level": 1014, "grnd_level": 1009}, "visibility": 10000, "wind": {"speed": 4.66, "deg": 207, "gust": 2.91}, "clouds": {"all": 1}, "dt": 1759393385, "sys": {"country": "CN", "sunrise": 1759356671, "sunset": 1759398979}, "timezone": 28800, "id": 1816670, "name": "Beijing", "cod": 200}
================================== Ai Message ==================================
北京今天的天气晴朗，气温为25.78°C，体感温度约为25.3°C，湿度为34%，风速为4.66米/秒，风向为207度。天气非常宜人，适合外出活动。
3.3 LangGraph ReACT图结构浅析
LangGraph框架是通过Nodes(点)和Edges(边)的组合去创建复杂的循环工作流程，通过消息传递的方式串联所有节点形成一个通路。为了维持消息能够及时的更新并能够在节点中反复传递，则LangGraph构建了 State状态 的概念。每启动一个LangGraph构建流都会生成一个状态，图中的节点在处理时会传递和修改该状态。整个状态不仅仅是一组静态数据，更是根据每个节点的输出动态更新的，然后影响循环内的后续操作
LangGraph 状态流转示意图
1
开始
接收用户的输入
2
调用模型
将当前状态传递给大模型，要求模型思考
3
模型决策
大模型会以特定格式返回一个响应，这个响应可能是：
- 最终答案：如果模型认为信息足够，就直接回答用户
- 工具调用：如果模型认为需要更多信息，它会决定调用哪个工具
4
执行工具
如果模型决定调用工具，图就会执行该工具，并获取工具返回的结果
5
更新状态
将工具的执行结果添加到状态中
6
循环
带着新的信息回到第2步，让模型再次思考
7
结束
当模型返回最终答案时，循环结束，图运行完成将结果返回给用户
4. ReAct Agent 外部工具调用形式
4.1 添加多个工具函数
添加get_weather和write_file两个工具函数，分别用来查询天气和保存内容至文件。完整的项目代码如下:
多个工具函数示例
import json
import os
import httpx
import dotenv
from loguru import logger
from pydantic import Field, BaseModel
from langchain_core.tools import tool
# 加载环境变量配置
dotenv.load_dotenv()
class WeatherQuery(BaseModel):
"""
天气查询参数模型类，用于定义天气查询工具的输入参数结构。
:param city: 城市名称，字符串类型，表示要查询天气的城市
"""
city: str = Field(description="城市名称")
class WriteQuery(BaseModel):
"""
写入查询模型类
用于定义需要写入文档的内容结构，继承自BaseModel基类
属性:
content (str): 需要写入文档的具体内容，包含详细的描述信息
"""
content: str = Field(description="需要写入文档的具体内容")
@tool(args_schema=WeatherQuery)
def get_weather(city):
"""
查询指定城市的即时天气信息。
:param city: 必要参数，字符串类型，表示要查询天气的城市名称。
注意：中国城市需使用其英文名称，如 "Beijing" 表示北京。
:return: 返回 OpenWeather API 的响应结果，URL 为
https://api.openweathermap.org/data/2.5/weather。
响应内容为 JSON 格式的字符串，包含详细的天气数据。
"""
# 构建请求 URL
url = "https://api.openweathermap.org/data/2.5/weather"
# 设置查询参数
params = {
"q": city, # 城市名称
"appid": os.getenv("OPENWEATHER_API_KEY"), # 从环境变量中读取 API Key
"units": "metric", # 使用摄氏度作为温度单位
"lang": "zh_cn" # 返回简体中文的天气描述
}
# 发送 GET 请求并获取响应
response = httpx.get(url, params=params)
# 将响应解析为 JSON 并序列化为字符串返回
data = response.json()
logger.info(f"查询天气结果：{json.dumps(data)}")
return json.dumps(data)
@tool(args_schema=WriteQuery)
def write_file(content):
"""
将指定内容写入本地文件
参数:
content (str): 要写入文件的文本内容
返回值:
str: 表示写入操作成功完成的提示信息
"""
# 将内容写入res.txt文件，使用utf-8编码确保中文字符正确保存
with open('res.txt', 'w', encoding='utf-8') as f:
f.write(content)
logger.info(f"已成功写入本地文件，写入内容：{content}")
return "已成功写入本地文件。"
4.2 工具并联调用
测试ReAct图智能体的工具并联调用，同时查询北京和杭州的天气工具并联调用示例
from langchain_ollama import ChatOllama
from tools import get_weather, write_file
from langgraph.prebuilt import create_react_agent
# 初始化本地大语言模型，配置基础URL、模型名称和推理模式
llm = ChatOllama(model="qwen3:14b", reasoning=False)
# 定义工具列表，包含天气查询和结果写入工具
tools = [get_weather, write_file]
# 创建ReAct代理，结合语言模型和工具函数
agent = create_react_agent(model=llm, tools=tools)
# 调用代理处理用户查询，获取北京天气信息
response = agent.invoke({"messages": [{"role": "user", "content": "请问北京和上海今天谁更热？"}]})
# 输出完整响应结果和最终回答内容
print(response)
response["messages"][-1].pretty_print()
执行结果如下
2025-10-02 16:20:38.102 | INFO | tools:get_weather:61 - 查询天气结果：{"coord": {"lon": 121.4581, "lat": 31.2222}, "weather": [{"id": 803, "main": "Clouds", "description": "\u591a\u4e91", "icon": "04d"}], "base": "stations", "main": {"temp": 31.62, "feels_like": 38.62, "temp_min": 31.62, "temp_max": 31.62, "pressure": 1010, "humidity": 68, "sea_level": 1010, "grnd_level": 1010}, "visibility": 10000, "wind": {"speed": 4.73, "deg": 157, "gust": 6.01}, "clouds": {"all": 72}, "dt": 1759393061, "sys": {"country": "CN", "sunrise": 1759355289, "sunset": 1759397933}, "timezone": 28800, "id": 1796236, "name": "Shanghai", "cod": 200}
2025-10-02 16:20:38.102 | INFO | tools:get_weather:61 - 查询天气结果：{"coord": {"lon": 116.3972, "lat": 39.9075}, "weather": [{"id": 800, "main": "Clear", "description": "\u6674", "icon": "01d"}], "base": "stations", "main": {"temp": 25.7, "feels_like": 25.24, "temp_min": 25.7, "temp_max": 25.7, "pressure": 1014, "humidity": 35, "sea_level": 1014, "grnd_level": 1009}, "visibility": 10000, "wind": {"speed": 4.66, "deg": 207, "gust": 2.91}, "clouds": {"all": 1}, "dt": 1759392716, "sys": {"country": "CN", "sunrise": 1759356671, "sunset": 1759398979}, "timezone": 28800, "id": 1816670, "name": "Beijing", "cod": 200}
{'messages': [HumanMessage(content='请问北京和上海今天谁更热？', additional_kwargs={}, response_metadata={}, id='14dad07e-577e-48eb-b32a-f86823856f76'), AIMessage(content='', additional_kwargs={}, response_metadata={'model': 'qwen3:14b', 'created_at': '2025-10-02T08:20:37.482164914Z', 'done': True, 'done_reason': 'stop', 'total_duration': 1035180016, 'load_duration': 16140566, 'prompt_eval_count': 339, 'prompt_eval_duration': 7222608, 'eval_count': 42, 'eval_duration': 1010759522, 'model_name': 'qwen3:14b'}, id='run--c5efcda4-6a8c-46a1-ac58-5e02cbeb30fc-0', tool_calls=[{'name': 'get_weather', 'args': {'city': 'Beijing'}, 'id': '0c86baa7-4626-4de3-a2a5-bc3d71675fb5', 'type': 'tool_call'}, {'name': 'get_weather', 'args': {'city': 'Shanghai'}, 'id': 'a721b45f-d97e-4360-b4ba-d90b9da1f043', 'type': 'tool_call'}], usage_metadata={'input_tokens': 339, 'output_tokens': 42, 'total_tokens': 381}), ToolMessage(content='{"coord": {"lon": 116.3972, "lat": 39.9075}, "weather": [{"id": 800, "main": "Clear", "description": "\\u6674", "icon": "01d"}], "base": "stations", "main": {"temp": 25.7, "feels_like": 25.24, "temp_min": 25.7, "temp_max": 25.7, "pressure": 1014, "humidity": 35, "sea_level": 1014, "grnd_level": 1009}, "visibility": 10000, "wind": {"speed": 4.66, "deg": 207, "gust": 2.91}, "clouds": {"all": 1}, "dt": 1759392716, "sys": {"country": "CN", "sunrise": 1759356671, "sunset": 1759398979}, "timezone": 28800, "id": 1816670, "name": "Beijing", "cod": 200}', name='get_weather', id='54c76910-cc16-4010-951e-0c81cee9bd6a', tool_call_id='0c86baa7-4626-4de3-a2a5-bc3d71675fb5'), ToolMessage(content='{"coord": {"lon": 121.4581, "lat": 31.2222}, "weather": [{"id": 803, "main": "Clouds", "description": "\\u591a\\u4e91", "icon": "04d"}], "base": "stations", "main": {"temp": 31.62, "feels_like": 38.62, "temp_min": 31.62, "temp_max": 31.62, "pressure": 1010, "humidity": 68, "sea_level": 1010, "grnd_level": 1010}, "visibility": 10000, "wind": {"speed": 4.73, "deg": 157, "gust": 6.01}, "clouds": {"all": 72}, "dt": 1759393061, "sys": {"country": "CN", "sunrise": 1759355289, "sunset": 1759397933}, "timezone": 28800, "id": 1796236, "name": "Shanghai", "cod": 200}', name='get_weather', id='baeaae01-9433-4f0e-8f40-e42051770560', tool_call_id='a721b45f-d97e-4360-b4ba-d90b9da1f043'), AIMessage(content='根据今天的天气数据，上海的气温为31.62°C，而北京的气温为25.7°C。因此，上海比北京更热。', additional_kwargs={}, response_metadata={'model': 'qwen3:14b', 'created_at': '2025-10-02T08:20:39.362462251Z', 'done': True, 'done_reason': 'stop', 'total_duration': 1255462706, 'load_duration': 15536953, 'prompt_eval_count': 993, 'prompt_eval_duration': 300122251, 'eval_count': 36, 'eval_duration': 929170859, 'model_name': 'qwen3:14b'}, id='run--1b5fe80b-4f40-4ea1-82ba-45039883d312-0', usage_metadata={'input_tokens': 993, 'output_tokens': 36, 'total_tokens': 1029})]}
================================== Ai Message ==================================
根据今天的天气数据，上海的气温为31.62°C，而北京的气温为25.7°C。因此，上海比北京更热。
get_weather工具函数分别查询北京和杭州的天气状况
4.3 工具串联调用
同时查询北京和上海天气，并将结果保存到文件中工具串联调用示例
from langchain_ollama import ChatOllama
from tools import get_weather, write_file
from langgraph.prebuilt import create_react_agent
# 初始化本地大语言模型，配置基础URL、模型名称和推理模式
llm = ChatOllama( model="qwen3:14b", reasoning=False)
# 定义工具列表，包含天气查询和结果写入工具
tools = [get_weather, write_file]
# 创建ReAct代理，结合语言模型和工具函数
agent = create_react_agent(model=llm, tools=tools)
# 调用代理处理用户查询，获取北京天气信息
response = agent.invoke({"messages": [{"role": "user", "content": "请问北京天气怎么样？然后把回答结果写入文件。"}]})
# 输出完整响应结果和最终回答内容
print(response)
response["messages"][-1].pretty_print()
执行结果如下
2025-10-02 16:21:13.689 | INFO | tools:get_weather:61 - 查询天气结果：{"coord": {"lon": 116.3972, "lat": 39.9075}, "weather": [{"id": 800, "main": "Clear", "description": "\u6674", "icon": "01d"}], "base": "stations", "main": {"temp": 25.78, "feels_like": 25.3, "temp_min": 25.78, "temp_max": 25.78, "pressure": 1014, "humidity": 34, "sea_level": 1014, "grnd_level": 1009}, "visibility": 10000, "wind": {"speed": 4.66, "deg": 207, "gust": 2.91}, "clouds": {"all": 1}, "dt": 1759393084, "sys": {"country": "CN", "sunrise": 1759356671, "sunset": 1759398979}, "timezone": 28800, "id": 1816670, "name": "Beijing", "cod": 200}
2025-10-02 16:21:14.652 | INFO | tools:write_file:79 - 已成功写入本地文件，写入内容：温度为25度，天气晴朗。
{'messages': [HumanMessage(content='请问北京天气怎么样？然后把回答结果写入文件。', additional_kwargs={}, response_metadata={}, id='0d7919a3-87f7-4c35-905b-2cdabe3fbc34'), AIMessage(content='', additional_kwargs={}, response_metadata={'model': 'qwen3:14b', 'created_at': '2025-10-02T08:21:13.191902406Z', 'done': True, 'done_reason': 'stop', 'total_duration': 1419837009, 'load_duration': 29870749, 'prompt_eval_count': 343, 'prompt_eval_duration': 85937334, 'eval_count': 54, 'eval_duration': 1301789230, 'model_name': 'qwen3:14b'}, id='run--36f26bce-ac87-4f3a-ac10-3b9fbacb0278-0', tool_calls=[{'name': 'get_weather', 'args': {'city': 'Beijing'}, 'id': '166c6870-2d28-40ce-8a80-89afc6e06b6f', 'type': 'tool_call'}, {'name': 'write_file', 'args': {'content': {'temperature': 25, 'description': 'Sunny'}}, 'id': '396c363c-b953-48e1-ab47-04b8f4050075', 'type': 'tool_call'}], usage_metadata={'input_tokens': 343, 'output_tokens': 54, 'total_tokens': 397}), ToolMessage(content='{"coord": {"lon": 116.3972, "lat": 39.9075}, "weather": [{"id": 800, "main": "Clear", "description": "\\u6674", "icon": "01d"}], "base": "stations", "main": {"temp": 25.78, "feels_like": 25.3, "temp_min": 25.78, "temp_max": 25.78, "pressure": 1014, "humidity": 34, "sea_level": 1014, "grnd_level": 1009}, "visibility": 10000, "wind": {"speed": 4.66, "deg": 207, "gust": 2.91}, "clouds": {"all": 1}, "dt": 1759393084, "sys": {"country": "CN", "sunrise": 1759356671, "sunset": 1759398979}, "timezone": 28800, "id": 1816670, "name": "Beijing", "cod": 200}', name='get_weather', id='68f3f0b9-df3a-4572-8d94-395580e9e227', tool_call_id='166c6870-2d28-40ce-8a80-89afc6e06b6f'), ToolMessage(content="Error: 1 validation error for WriteQuery\ncontent\n Input should be a valid string [type=string_type, input_value={'temperature': 25, 'description': 'Sunny'}, input_type=dict]\n For further information visit https://errors.pydantic.dev/2.11/v/string_type\n Please fix your mistakes.", name='write_file', id='91704824-78f5-4aee-9213-018c1b769006', tool_call_id='396c363c-b953-48e1-ab47-04b8f4050075', status='error'), AIMessage(content='', additional_kwargs={}, response_metadata={'model': 'qwen3:14b', 'created_at': '2025-10-02T08:21:14.647599731Z', 'done': True, 'done_reason': 'stop', 'total_duration': 953879936, 'load_duration': 14908377, 'prompt_eval_count': 774, 'prompt_eval_duration': 11867791, 'eval_count': 28, 'eval_duration': 916685334, 'model_name': 'qwen3:14b'}, id='run--8fd88d7a-42a9-4975-91f2-3d1481e8a9e8-0', tool_calls=[{'name': 'write_file', 'args': {'content': '温度为25度，天气晴朗。'}, 'id': '4988d844-a59b-4028-b65a-227763d2db92', 'type': 'tool_call'}], usage_metadata={'input_tokens': 774, 'output_tokens': 28, 'total_tokens': 802}), ToolMessage(content='已成功写入本地文件。', name='write_file', id='522aa061-1f5f-4789-a22a-70df2aaff2db', tool_call_id='4988d844-a59b-4028-b65a-227763d2db92'), AIMessage(content='北京的天气目前是晴朗的，温度为25度。相关信息已成功写入本地文件。', additional_kwargs={}, response_metadata={'model': 'qwen3:14b', 'created_at': '2025-10-02T08:21:15.299740841Z', 'done': True, 'done_reason': 'stop', 'total_duration': 643064785, 'load_duration': 15672708, 'prompt_eval_count': 821, 'prompt_eval_duration': 9633645, 'eval_count': 24, 'eval_duration': 598090793, 'model_name': 'qwen3:14b'}, id='run--d83592ce-37fa-4959-8834-eb2409d27ad8-0', usage_metadata={'input_tokens': 821, 'output_tokens': 24, 'total_tokens': 845})]}
================================== Ai Message ==================================
北京的天气目前是晴朗的，温度为25度。相关信息已成功写入本地文件。
5. ReAct智能体内部工具调用
5.1 LangChain内置工具
对于LangGraph智能体来说，除了能够灵活自如自定义工具，还能够接入LangChain丰富的内置工具快速完成智能体的开发 在 LangChain 框架中，工具是实现语言模型与外部世界交互的关键机制。LangChain提供了大量内置与可扩展的工具接口，使得智能体能够执行函数调用、访问 API、查询搜索引擎、调用数据库等任务，从而超越纯语言生成的能力，真正实现“能行动的智能体”。LangChain 官方文档将这些工具按照其用途进行了模块化划分，大家可参考官网https://python.langchain.com/docs/integrations/tools/5.2 创建带搜索功能的Agent
以常用免费的 google 搜索为例演示如何实现联网搜索功能 登录https://serper.dev/，注册账号获取 api 密钥，并添加到.env 文件中。代码如下：搜索 Agent 示例
import os
import dotenv
from langchain_ollama import ChatOllama
from langchain_community.utilities import GoogleSerperAPIWrapper
from langgraph.prebuilt import create_react_agent
from langchain_community.tools import GoogleSerperRun
# 加载环境变量配置文件
dotenv.load_dotenv()
# 从环境变量中获取Serper API密钥
api_key = os.getenv("SERPER_API_KEY")
# 创建Google Serper API包装器实例
api_wrapper = GoogleSerperAPIWrapper()
# 创建Google搜索工具实例
search_tool = GoogleSerperRun(api_wrapper=api_wrapper)
# 初始化本地大语言模型，配置基础URL、模型名称和推理模式
llm = ChatOllama(base_url="http://localhost:11434", model="qwen3:14b", reasoning=False)
# 定义工具列表，包含天气查询和结果写入工具
tools = [search_tool]
# 创建ReAct代理，结合语言模型和工具函数
agent = create_react_agent(model=llm, tools=tools)
# 调用工具处理用户查询
response = agent.invoke({"messages": [{"role": "user", "content": "小米最近发布的新品是什么？"}]})
# 输出完整响应结果和最终回答内容
print(response)
response["messages"][-1].pretty_print()
执行结果如下
{'messages': [HumanMessage(content='小米最近发布的新品是什么？', additional_kwargs={}, response_metadata={}, id='abcad5e3-5eb8-4eed-b904-6f8a8c36dad5'), AIMessage(content='', additional_kwargs={}, response_metadata={'model': 'qwen3:14b', 'created_at': '2025-10-02T08:21:53.213841352Z', 'done': True, 'done_reason': 'stop', 'total_duration': 760920386, 'load_duration': 18005074, 'prompt_eval_count': 171, 'prompt_eval_duration': 13099600, 'eval_count': 27, 'eval_duration': 728709120, 'model_name': 'qwen3:14b'}, id='run--f8d89030-ccb5-482f-9a14-895f96aabe1c-0', tool_calls=[{'name': 'google_serper', 'args': {'query': '小米最近发布的新品是什么？'}, 'id': '78eb1d14-9731-4930-a576-6669bc6ca1c7', 'type': 'tool_call'}], usage_metadata={'input_tokens': 171, 'output_tokens': 27, 'total_tokens': 198}), ToolMessage(content='发布会上，小米率先推出了全新旗舰手机小米17标准版，搭载高通第五代骁龙8至尊版移动平台。该芯片采用第三代3nm制程工艺，CPU主频高达4.6GHz，为目前安卓阵营 ... 作为雷军和小米的高端化“野心之作”，小米17 Pro系列有一大一小两款及四款配色，均配备了首发的骁龙8 Elite Gen5(第五代骁龙8至尊版芯片)，搭载徕卡“光影大师” ... REDMI Pad 2. 2.5K超清护眼屏| 9000mAh超长续航大电池| 海量题库精准辅学| 千元高性价比大屏平板. 999元起. REDMI K Pad. 8.8" 3K LCD 旗舰护眼屏| 天玑9400+. 這次小米在官方旗艦館開館慶推出的Xiaomi Pad mini，定價14,999 元，還加碼贈送市值1,498 元的好禮，包括Redmi Buds 6無線耳機(價值899 元)與專屬腕帶式保護 ... 6月24日上午雷军宣布小米YU7将在6月底发布且有诸多新品。有博主称此次新品丰富，包括小米MIX Flip2、小米平板7S Pro等。小米MIX Flip2是满配旗舰小折叠 ... Xiaomi 15T Pro. 專業徠卡5x 潛望長焦鏡頭. MediaTek Dimensity 9400+ 旗艦處理器 ; Xiaomi 智慧顯示器S Pro Mini LED 2026 75型. 704 個分區的QD-Mini LED ; Xiaomi Watch ... xiaomi Pad 7S Pro：更亲民的旗舰平板\u200b 上个月发布的小米平板7 Ultra 凭借顶级的屏幕和自研的玄戒O1 处理器吸引了雷科技的目光，但对于绝大多数用户来说， ... 手机、Pad方面，小米推出两款手机+两款Pad，小折旗舰MIX Flip 2全面升配，价格5999起；K80至尊版续航2.26天，价格2599元起；7SPro支持PC级软件，小尺寸K Pad性能 ... 本次发布会上，小米自主研发设计的首款3nm旗舰处理器“玄戒O1”正式发布，搭载在小米最新发布的旗舰手机小米15S Pro和旗舰平板小米Pad7 Ultra上， ... 雷軍的演講恰逢新款小米17系列智慧型手機的發布，其中包括小米17、小米17 Pro和小米17 Pro Max。 這些手機將採用新的小米澎湃OS 3和旗艦Snapdragon 8 Gen 3 ...', name='google_serper', id='33c3ada0-0d42-4ba5-9656-8ddc73594760', tool_call_id='78eb1d14-9731-4930-a576-6669bc6ca1c7'), AIMessage(content='小米最近发布的新品包括：\n\n1. **小米17系列**：包括小米17、小米17 Pro和小米17 Pro Max，搭载高通第五代骁龙8至尊版移动平台，采用第三代3nm制程工艺，CPU主频高达4.6GHz。小米17 Pro系列有两款机型及四款配色，均配备骁龙8 Elite Gen5芯片和徕卡“光影大师”镜头。\n\n2. **REDMI K80至尊版**：起售价2599元，主打超长续航(2.26天)。\n\n3. **REDMI Pad系列**：包括REDMI Pad 2(2.5K超清护眼屏、9000mAh大电池)和REDMI K Pad(8.8英寸3K LCD旗舰护眼屏、天玑9400+处理器)。\n\n4. **Xiaomi Pad 7S Pro**：更亲民的旗舰平板，支持PC级软件。\n\n5. **小米MIX Flip 2**：旗舰小折叠手机，价格5999元起。\n\n6. **Xiaomi 15T Pro**：配备专业徕卡5x潜望长焦镜头和MediaTek Dimensity 9400+旗舰处理器。\n\n7. **Xiaomi 智慧顯示器S Pro Mini LED 2026 75型**：搭载704个分区的QD-Mini LED。\n\n8. **Xiaomi Watch 系列**：具体型号未提及，但预计会有新功能。\n\n此外，小米还推出了首款自主研发的3nm旗舰处理器“玄戒O1”，搭载于小米15S Pro和小米Pad7 Ultra上。', additional_kwargs={}, response_metadata={'model': 'qwen3:14b', 'created_at': '2025-10-02T08:22:05.483671237Z', 'done': True, 'done_reason': 'stop', 'total_duration': 10104966535, 'load_duration': 16722790, 'prompt_eval_count': 828, 'prompt_eval_duration': 323439913, 'eval_count': 371, 'eval_duration': 9756385788, 'model_name': 'qwen3:14b'}, id='run--63ebfb7c-8ea4-4c11-98ef-1da6f70a1555-0', usage_metadata={'input_tokens': 828, 'output_tokens': 371, 'total_tokens': 1199})]}
================================== Ai Message ==================================
小米最近发布的新品包括：
1. **小米17系列**：包括小米17、小米17 Pro和小米17 Pro Max，搭载高通第五代骁龙8至尊版移动平台，采用第三代3nm制程工艺，CPU主频高达4.6GHz。小米17 Pro系列有两款机型及四款配色，均配备骁龙8 Elite Gen5芯片和徕卡“光影大师”镜头。
2. **REDMI K80至尊版**：起售价2599元，主打超长续航(2.26天)。
3. **REDMI Pad系列**：包括REDMI Pad 2(2.5K超清护眼屏、9000mAh大电池)和REDMI K Pad(8.8英寸3K LCD旗舰护眼屏、天玑9400+处理器)。
4. **Xiaomi Pad 7S Pro**：更亲民的旗舰平板，支持PC级软件。
5. **小米MIX Flip 2**：旗舰小折叠手机，价格5999元起。
6. **Xiaomi 15T Pro**：配备专业徕卡5x潜望长焦镜头和MediaTek Dimensity 9400+旗舰处理器。
7. **Xiaomi 智慧顯示器S Pro Mini LED 2026 75型**：搭载704个分区的QD-Mini LED。
8. **Xiaomi Watch 系列**：具体型号未提及，但预计会有新功能。
此外，小米还推出了首款自主研发的3nm旗舰处理器“玄戒O1”，搭载于小米15S Pro和小米Pad7 Ultra上。