走出错误的阴影：如何在LangChain中高效处理工具调用错误

引言

在使用大型语言模型（LLM）调用工具时，尽管这种方法比仅依赖提示要可靠得多，但它并不完美。模型有时可能调用不存在的工具，或者返回的参数不符合请求的模式。本文将探讨如何在LangChain中构建错误处理机制，来缓解这些问题。

主要内容

1. 简化工具模式

保持模式简单，减少同时传递的工具数量，并为工具提供清晰的名称和描述，可以帮助降低错误风险，但这些措施并非万无一失。

2. 设置环境

首先，我们需要安装以下软件包：

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

3. 定义工具和链

from langchain_core.tools import tool

@tool
def complex_tool(int_arg: int, float_arg: float, dict_arg: dict) -> int:
    """Do something complex with a complex tool."""
    return int_arg * float_arg

llm_with_tools = llm.bind_tools(
    [complex_tool],
)

# 定义链
chain = llm_with_tools | (lambda msg: msg.tool_calls[0]