3.5 实战：实现自定义 LangChain Tool

引言

小白理解 - 什么是 LangChain Tool？

Tool = AI 能调用的"技能"

类比：AI 就像一个实习生：

• 实习生很聪明，但不会所有事
• 你给他一个工具箱（Tools）
• 工具箱里有：搜索工具、计算器、天气查询...
• 实习生根据任务，选择合适的工具使用

用户："北京今天天气怎么样？"

AI 思考："这需要查天气，我有 WeatherTool！"

AI 调用：WeatherTool.run(location="北京")

AI 回答："北京今天晴天 25°C"

为什么要自定义 Tool？

LangChain 内置了一些 Tool，但你的业务可能需要：

• 查询公司内部数据库
• 调用自己的 API
• 执行特定计算

所以你需要学会自己写 Tool！

完整的 Tool 类实现

小白理解 - 代码结构

BaseTool（抽象基类）
 │
 │ 定义"Tool必须有什么"：
 │ - name：工具名字
 │ - description：工具描述（告诉AI这工具干啥）
 │ - _run()：实际执行的逻辑
 │ - run()：公开接口（自动计数等）
 │
 └── WeatherTool（你的自定义工具）
      │ 实现：
      │ - name = "weather"
      │ - description = "获取城市天气"
      │ - _run() = 查天气的代码

from abc import ABC, abstractmethod
from typing import Optional
from pydantic import BaseModel, Field

class ToolInput(BaseModel):
    """Tool 输入基类"""
    pass

class BaseTool(ABC):
    """Tool 抽象基类"""

    def __init__(self):
        self.call_count = 0

    @property
    @abstractmethod
    def name(self) -> str:
        pass

    @property
    @abstractmethod
    def description(self) -> str:
        pass

    @abstractmethod
    def _run(self, **kwargs) -> str:
        pass

    def run(self, **kwargs) -> str:
        """公共运行接口"""
        self.call_count += 1
        return self._run(**kwargs)

class WeatherInput(ToolInput):
    location: str = Field(description="城市名称")

class WeatherTool(BaseTool):
    """天气查询工具"""

    @property
    def name(self) -> str:
        return "weather"

    @property
    def description(self) -> str:
        return "获取城市天气信息"

    def _run(self, location: str) -> str:
        return f"{location} 的天气：晴天 25°C"

# 使用
tool = WeatherTool()
print(tool.run(location="北京"))
print(f"调用次数: {tool.call_count}")

关键代码解读：

代码	作用	为什么需要
@abstractmethod	子类必须实现	确保每个 Tool 都有名字和描述
@property	属性化访问	tool.name 而不是 tool.name()
_run()	实际逻辑	你只需要实现这个
run()	公开接口	自动计数、日志、错误处理
BaseModel	Pydantic 验证	自动验证输入参数

---

更多 Tool 示例

计算器 Tool

class CalculatorTool(BaseTool):
    """计算器工具"""

    @property
    def name(self) -> str:
        return "calculator"

    @property
    def description(self) -> str:
        return "执行数学计算"

    def _run(self, expression: str) -> str:
        try:
            result = eval(expression)  # 注意：生产环境要安全处理
            return str(result)
        except Exception as e:
            return f"计算错误: {e}"

# 使用
calc = CalculatorTool()
print(calc.run(expression="2 + 3 * 4"))  # 14

搜索 Tool

class SearchTool(BaseTool):
    """搜索工具"""

    @property
    def name(self) -> str:
        return "search"

    @property
    def description(self) -> str:
        return "搜索互联网获取信息"

    def _run(self, query: str) -> str:
        # 实际应用中这里会调用搜索 API
        return f"搜索 '{query}' 的结果：..."

# 使用
search = SearchTool()
print(search.run(query="Python 教程"))

---

本节小结

概念	一句话解释
Tool	AI 能调用的技能
BaseTool	所有 Tool 的父类模板
name	Tool 的名字（AI 用来识别）
description	Tool 的描述（AI 用来理解何时使用）
_run()	你需要实现的核心逻辑
run()	公开接口，带自动计数

创建自己的 Tool 只需 4 步：

1. 继承 BaseTool
2. 实现 name 属性
3. 实现 description 属性
4. 实现 _run() 方法

---

下一节：3.6 小结和复习