选择多个工具

在我们的快速入门中，我们介绍了如何构建一个调用单个 multiply 工具的链。现在让我们来看看如何扩展这个链，使其能够从多个工具中选择调用。我们将重点介绍链，因为默认情况下代理可以在多个工具之间路由。

设置

我们需要为本指南安装以下软件包：

%pip install --upgrade --quiet langchain-core

如果你想在 LangSmith 中追踪你的运行，请取消注释并设置以下环境变量：

import getpass
import os
 
# os.environ ["LANGCHAIN_TRACING_V2"] = "true"
# os.environ ["LANGCHAIN_API_KEY"] = getpass.getpass()

工具

回顾一下，我们已经有了一个 multiply 工具：

from langchain_core.tools import tool
 
 
@tool
def multiply(first_int: int, second_int: int) -> int:
    """Multiply two integers together."""
    return first_int * second_int

现在我们可以在它基础上添加一个 exponentiate 和一个 add 工具：

@tool
def add(first_int: int, second_int: int) -> int:
    "Add two integers."
    return first_int + second_int
 
 
@tool
def exponentiate(base: int, exponent: int) -> int:
    "Exponentiate the base to the exponent power."
    return base**exponent

使用一个工具和使用多个工具之间的主要区别在于，我们无法预先确定模型将调用哪个工具，因此我们不能像在快速入门中那样硬编码将特定工具放入我们的链中。相反，我们将添加 call_tools，一个 RunnableLambda，它接受带有工具调用的输出 AI 消息并路由到正确的工具。

from langchain_anthropic import ChatAnthropic
 
llm = ChatAnthropic(model="claude-3-sonnet-20240229", temperature=0)

from operator import itemgetter
from typing import Dict, List, Union
 
from langchain_core.messages import AIMessage
from langchain_core.runnables import (
    Runnable,
    RunnableLambda,
    RunnableMap,
    RunnablePassthrough,
)
 
tools = [multiply, exponentiate, add]
llm_with_tools = llm.bind_tools(tools)
tool_map = {tool.name: tool for tool in tools}
 
 
def call_tools(msg: AIMessage) -> Runnable:
    """Simple sequential tool calling helper."""
    tool_map = {tool.name: tool for tool in tools}
    tool_calls = msg.tool_calls.copy()
    for tool_call in tool_calls:
        tool_call["output"] = tool_map[tool_call["name"]].invoke(tool_call["args"])
    return tool_calls
 
 
chain = llm_with_tools | call_tools

chain.invoke("What's 23 times 7")

[{'name': 'multiply',
  'args': {'first_int': 23, 'second_int': 7},
  'id': 'toolu_01Wf8kUs36kxRKLDL8vs7G8q',
  'output': 161}]

chain.invoke("add a million plus a billion")

[{'name': 'add',
  'args': {'first_int': 1000000, 'second_int': 1000000000},
  'id': 'toolu_012aK4xZBQg2sXARsFZnqxHh',
  'output': 1001000000}]

chain.invoke("cube thirty-seven")

[{'name': 'exponentiate',
  'args': {'base': 37, 'exponent': 3},
  'id': 'toolu_01VDU6X3ugDb9cpnnmCZFPbC',
  'output': 50653}]

人工介入（HumanInTheLoop）并行（Parallel）