大家好，我是链上杯子（CSDN：链上杯子）。

失业一年了，天天想着怎么翻身。上节课让AI自己决定用工具后，我发现：如果能给它加上更多“手脚”，比如实时搜索网页、读本地笔记、调用天气/股票API，它就真的能帮我干活了。LangChain 的 Tools 系统就是为此设计的——你可以无限扩展工具，让Agent变成一个“万能助手”。第一次看到AI自己上网搜资料再回答问题，感觉像给它开了外挂。

本课目标：
学会使用和自定义 LangChain Tools，让Agent拥有外部能力（计算、搜索、文件读写、API调用等）。
学完这节课，你就能为Agent添加任意工具，实现“AI自己去查资料、算数、读笔记”的强大交互。

核心代码实战

1. 内置工具 + 自定义工具（最简单扩展）

from langchain_openai import ChatOpenAI
from langchain.agents import AgentExecutor, create_react_agent
from langchain_classic.prompts import PromptTemplate
from langchain.tools import tool
import datetime

# 初始化模型
llm = ChatOpenAI(
    openai_api_key="",   # ←←← 这里替换成你的 DeepSeek API Key
    openai_api_base="https://api.deepseek.com/v1",
    model="deepseek-chat",
    temperature=0
)

# 自定义工具1：当前时间
@tool
def get_current_time() -> str:
    """返回当前日期和时间"""
    return datetime.datetime.now().strftime("%Y年%m月%d日 %H:%M:%S")

# 自定义工具2：简单计算器（支持加减乘除）
@tool
def calculator(expression: str) -> str:
    """执行简单的数学表达式计算，例如 '2 + 3 * 4'"""
    try:
        return str(eval(expression))
    except Exception as e:
        return f"计算错误：{str(e)}"

# 自定义工具3：模拟搜索本地笔记
@tool
def search_local_note(keyword: str) -> str:
    """在本地笔记中搜索关键词，返回匹配内容（模拟）"""
    # 实际可以换成读文件或向量搜索
    notes = {
        "失恋": "上次笔记写：失恋后要多运动、多读书、找朋友聊天。",
        "Python": "Python入门建议：先学变量、列表、函数，再学类和模块。"
    }
    return notes.get(keyword, f"没有找到关于'{keyword}'的笔记。")

tools = [get_current_time, calculator, search_local_note]

# 使用中文 ReAct Prompt（同上节课）
react_prompt = PromptTemplate.from_template(
    """尽可能好地回答以下问题。你可以使用以下工具：

{tools}

请严格按照以下格式回答：

问题：你必须回答的输入问题
思考：你应该始终思考该做什么
行动：要采取的行动，必须是 [{tool_names}] 中的一个
行动输入：行动的输入
观察：行动的结果
...（思考/行动/行动输入/观察 可以重复 N 次）
思考：我现在知道最终答案了
最终答案：对原始输入问题的最终答案

开始！

问题：{input}
思考：{agent_scratchpad}"""
)

# 创建 Agent
agent = create_react_agent(llm, tools, react_prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

# 测试各种问题
queries = [
    "现在几点了？",
    "帮我算一下 456 * 789 - 1234 是多少？",
    "我上次笔记里关于失恋写了什么？",
    "今天天气如何？如果热的话建议穿什么？"
]

for q in queries:
    print(f"\n问题：{q}")
    result = agent_executor.invoke({"input": q})
    print("AI 回答：", result["output"])

运行后会看到 AI 自己决定：

• 问时间 → 调用 get_current_time
• 问计算 → 调用 calculator
• 问笔记 → 调用 search_local_note
• 问天气 → 可能直接推理或说没工具（你可以再加天气工具）

2. 真实外部API工具 —— 调用免费天气API

import requests

@tool
def real_weather(city: str) -> str:
    """调用真实天气API获取城市当前天气（使用免费接口示例）"""
    api_key = "你的和风天气免费Key"  # 注册：https://dev.qweather.com/
    url = f"https://devapi.qweather.com/v7/weather/now?location={city}&key={api_key}"
    try:
        resp = requests.get(url).json()
        if resp.get("code") == "200":
            temp = resp["now"]["temp"]
            text = resp["now"]["text"]
            return f"{city}当前温度 {temp}°C，天气：{text}。"
        else:
            return "天气查询失败。"
    except Exception as e:
        return f"API错误：{str(e)}"

tools.append(real_weather)

# 重新创建 Agent（工具更新）
agent = create_react_agent(llm, tools, react_prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

# 测试
result_weather = agent_executor.invoke({"input": "上海现在天气如何？适合穿短袖吗？"})
print("天气查询结果：", result_weather["output"])

提示：注册和风天气（qweather.com）免费Key，替换 api_key。其他免费天气API也可替换。

3. 互动版 —— 命令行多工具 Agent

print("=== 多工具 Agent 开始（输入 'quit' 退出） ===")

while True:
    user_input = input("你：").strip()
    if user_input.lower() == "quit":
        break
    
    result = agent_executor.invoke({"input": user_input})
    print("AI：", result["output"])

试试问：“现在几点？帮我算 88 * 99 是多少？再查查北京天气。”

小练习（2 道）

练习1（基础）
复制第1段代码，加一个新工具 @tool def get_date() -> str: return datetime.date.today().strftime("%Y年%m月%d日")。
测试问：“今天是星期几？后天是几号？”
观察AI是否正确调用工具。

练习2（进阶）
加一个“读文件”工具（参考上节课 read_file）。
问：“读取当前目录下 my_notes.txt 的内容，并告诉我里面有没有提到‘目标’这个词。”
让AI自己决定调用工具并分析结果。

本课小结

本课重点学习了 Tools 系统：@tool 定义自定义工具、添加到 Agent、让AI自动调用。
通过真实API、计算、文件读写等工具，Agent 从“只会聊天”升级到“能干活”。这是构建实用AI助手的必备技能。

下节预告

下一课：RAG 入门 —— 让AI读你的本地文档再回答问题，构建个人知识库助手。

欢迎在评论区贴出你的Agent运行截图、工具调用过程、或任何问题～
如果觉得这篇有用，欢迎点赞或关注，一起玩转 LangChain！