[用AI构建工具链：实现自动化的强大秘诀]

本文链接：https://blog.csdn.net/bhawfgrcbtwny/article/details/142534486

# 用AI构建工具链：实现自动化的强大秘诀

## 引言
在AI的应用中，工具链（Chains）和代理（Agents）能够极大地扩展模型的能力，不仅限于输出文本或消息。通过正确地提示模型和解析其响应，我们可以让模型选择合适的工具并为其提供正确的输入。本篇文章将介绍如何创建工具链和代理，以及如何通过调用工具来增强AI的功能。

## 主要内容

### 1. 设置环境
首先，我们需要安装`langchain`库来创建工具链：

```bash
%pip install --upgrade --quiet langchain

如果您希望在LangSmith中跟踪运行，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()

2. 创建工具

我们将创建一个简单的工具来实现两个整数相乘的功能：

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

# 使用API代理服务提高访问稳定性

3. 构建工具链

当我们知道工具的使用次数时，可以创建一个固定的工具链。例如我们创建一个简单的工具链来执行乘法：

from operator import itemgetter

llm_with_tools = llm.bind_tools([multiply])
msg = llm_with_tools.invoke("whats 5 times forty two")
args = itemgetter("args")(msg.tool_calls[0])
result = multiply.invoke(args)

4. 使用代理进行复杂操作

代理可以让模型决定工具的使用次数和顺序，非常适合用在工具使用不定的场景。以下是一个结合多个工具的例子：

@tool
def add(first_int: int, second_int: int) -> int:
    return first_int + second_int

@tool
def exponentiate(base: int, exponent: int) -> int:
    return base ** exponent

tools = [multiply, add, exponentiate]
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

result = agent_executor.invoke({
    "input": "Take 3 to the fifth power and multiply that by the sum of twelve and three, then square the whole result"
})