安装依赖

cd D:\OpenSource\Python\VipLangChain

# 初始化 uv 项目（可选）
uv init

# 1. 创建虚拟环境
uv venv

# 2. 激活虚拟环境（Windows）
.venv\Scripts\activate

# 3. 安装环境变量
uv add python-dotenv --default-index https://pypi.tuna.tsinghua.edu.cn/simple

# LangChain 支持各种不同的模型，而且提供了对应的兼容SDK,不过也都需要安装对应依赖，
# 4. 安装 LangChain 依赖
# -v 可以显示 debug 日志
uv add langchain -v --default-index https://pypi.tuna.tsinghua.edu.cn/simple

# 5. 集成 DeepSeek
# 前面加了 --default-index 后面执行可以不用加了，因为它会在 pyproject.toml 中记录了
uv add langchain-deepseek --default-index https://pypi.tuna.tsinghua.edu.cn/simple

# 如果需要集成 OpenAI
uv add langchain-openai --default-index https://pypi.tuna.tsinghua.edu.cn/simple

# 如果需要集成 Anthropic
uv add langchain-anthropic --default-index https://pypi.tuna.tsinghua.edu.cn/simple

为了测试环境，创建一个 notebook (jupyter)

uv add notebook

pyproject.toml

[project]
name = "vip-langchain"
version = "0.1.0"
description = "Add your description here"
readme = "README.md"
requires-python = ">=3.12"
dependencies = [
    "langchain>=1.3.4",
    "langchain-deepseek>=1.0.1",
    "notebook>=7.5.6",
    "python-dotenv>=1.2.2",
]

[[tool.uv.index]]
url = "https://pypi.tuna.tsinghua.edu.cn/simple"
default = true

print("Hello LangChain")

Hello LangChain

添加环境变量

创建 .env 文件

DEEPSEEK_API_KEY=sk-7c0asdffasd.........

加载环境变量

# 1. 加载环境变更
from dotenv import load_dotenv

load_dotenv()

定义工具

Agent 的核心能力之一是 Tool Calling（工具调用） 。

# 2. 定义工具
from langchain.tools import tool

# 定义一个工具，其实就是定义一个方法通过 @tool 进行修饰
@tool
def getWeather(city: str) -> str:
    """通过调用第三方接口，将天气进行返回"""
    print(f"正在查询{city}天气...")
    return f"{city}今天是晴天，气温25度"

创建 Agent

LangChain 入门 Model 的初始化和调用

接下来创建一个 Agent，并指定使用 deepseek 模型。
LangChain 会自动加载.env 文件中的 DEEPSEEK_API_KEY ，并根据指定的模型，去访问对应的接口地睛，无需要指定接口地址
模型不能调工具，但它可以返回的内容里包含想要调的工具名 tool_calls，这时候 LangChain 会自动去调工具

# 3. 创建 Agent
from langchain.agents import create_agent

agent = create_agent(
    # 前面加上 "openai:qwen-plus" 前缀，指定模型
    "deepseek-chat",
    tools=[getWeather]
)

发起调用

LangChain 会自动调用 get_weather 方法，并返回结果。

# 调用 Agent
print("正在调用大模型...")
response = agent.invoke({
    "messages": [
        {"role": "user", "content": "苏州今天的天气如何？"}
    ]
})
print(response)

# 格式化打印
for message in response["messages"]:
    print(message.model_dump_json(indent=2))

完成代码如下

from langchain.agents import create_agent
from langchain.tools import tool
from  dotenv import load_dotenv

load_dotenv()

@tool
def getWeather(city: str) -> str:
    """通过调用第三方接口，将天气进行返回"""
    print(f"正在查询{city}天气...")
    return f"{city}今天是晴天，气温25度"

# 创建 agent
agent = create_agent(
    model="deepseek-chat",  # 不需要加前缀 如："ollama:qwen3.5:4b"
    tools=[getWeather],  #定义回调的工具(函数)
    system_prompt="You are a helpful assistant"
)

# 注意不要写成 message，也不报错，就是不返回你想要的结果，问AI，还一本正经的胡说八道，给我越改越复杂
response = agent.invoke({
    "messages": [
        {"role": "user", "content": "苏州今天的天气如何？"}
    ]
})

for message in response["messages"]:
    print(message.model_dump_json(indent=2))

invoke 的调用记录

正在调用大模型...
正在查询苏州天气...
# 请求模型
{
  "content": "苏州今天的天气如何？",
  "additional_kwargs": {},
  "response_metadata": {},
  "type": "human",
  "name": null,
  "id": "f011a5ea-85d4-435e-b09b-fdac67409924"
}
# 模型返回内容
{
  "content": "好的，我来帮您查询苏州今天的天气情况。",
  "additional_kwargs": {
    "refusal": null
  },
  "response_metadata": {
    "token_usage": {
      "completion_tokens": 54,
      "prompt_tokens": 286,
      "total_tokens": 340,
      "completion_tokens_details": null,
      "prompt_tokens_details": {
        "audio_tokens": null,
        "cached_tokens": 256
      },
      "prompt_cache_hit_tokens": 256,
      "prompt_cache_miss_tokens": 30
    },
    "model_provider": "deepseek",
    "model_name": "deepseek-v4-flash",
    "system_fingerprint": "fp_8b330d02d0_prod0820_fp8_kvcache_20260402",
    "id": "e093d135-db43-4207-ab51-8ec767899395",
    "finish_reason": "tool_calls",
    "logprobs": null
  },
  "type": "ai",
  "name": null,
  "id": "lc_run--019e901c-4b44-78d0-a6fa-344e52bcf90b-0",
  "tool_calls": [
    {
      "name": "getWeather",  # 模型不会调工具，但他会告诉你，接下来需要调什么工具（工具就是函数）
      "args": {
        "city": "苏州"
      },
      "id": "call_00_BYkQIEyR1XEU7Q02dJTK9591",
      "type": "tool_call"
    }
  ],
  "invalid_tool_calls": [],
  "usage_metadata": {
    "input_tokens": 286,
    "output_tokens": 54,
    "total_tokens": 340,
    "input_token_details": {
      "cache_read": 256
    },
    "output_token_details": {}
  }
}
# 工具的结果，发给模型分析
{
  "content": "苏州今天是晴天，气温25度",
  "additional_kwargs": {},
  "response_metadata": {},
  "type": "tool",
  "name": "getWeather",
  "id": "1b3937e0-b767-47f0-9a26-a513357d2598",
  "tool_call_id": "call_00_BYkQIEyR1XEU7Q02dJTK9591",
  "artifact": null,
  "status": "success"
}

# 最终模型反出结果
{
  "content": "苏州今天天气不错，具体情况如下：\n\n🌤 **苏州今日天气**\n- **天气状况**：晴天\n- **气温**：25℃\n\n是个适合出门的好天气！如果需要了解更多信息，随时可以问我哦~",
  "additional_kwargs": {
    "refusal": null
  },
  "response_metadata": {
    "token_usage": {
      "completion_tokens": 46,
      "prompt_tokens": 358,
      "total_tokens": 404,
      "completion_tokens_details": null,
      "prompt_tokens_details": {
        "audio_tokens": null,
        "cached_tokens": 256
      },
      "prompt_cache_hit_tokens": 256,
      "prompt_cache_miss_tokens": 102
    },
    "model_provider": "deepseek",
    "model_name": "deepseek-v4-flash",
    "system_fingerprint": "fp_8b330d02d0_prod0820_fp8_kvcache_20260402",
    "id": "e7239d5d-f12a-4894-830e-0c4e2cf79f83",
    "finish_reason": "stop",
    "logprobs": null
  },
  "type": "ai",
  "name": null,
  "id": "lc_run--019e901c-5024-7e63-a841-a8da6e7bc375-0",
  "tool_calls": [],
  "invalid_tool_calls": [],
  "usage_metadata": {
    "input_tokens": 358,
    "output_tokens": 46,
    "total_tokens": 404,
    "input_token_details": {
      "cache_read": 256
    },
    "output_token_details": {}
  }
}

此时 Agent 会：

• 解析用户问题
• 判断是否需要调用工具
• 自动调用 get_weather
• 返回最终答案