AI系列：大语言模型的function calling（下）- 使用LangChain

前言

在AI系列：大语言模型的function calling（上） 中我们实现了OpenAI原生的function calling。这篇文章将继续探讨如何使用LangChain实现大语言模型（LLM）的function calling。

LangChain Tool/Function calling

LangChain提供了对LLM function calling的支持。前提是底层大模型必须支持function calling。

1. Tool/function加强功能

LangChain的tool装饰器

LangChain在langchain_core模块中的tools子模块中提供了名为tool的装饰器，将根据函数定义和注释自动生成不同LLM function calling功能需要的schema，然后传递给LLM。后续对于LLM的调用将包括这些function/tool schema。

在Python中可以通过下面这种方式为自己定义的函数导入tool装饰器：

from langchain_core.tools import tool
@tool
def multiply(first_int: int, second_int: int) -> int:
    """两个整数相乘"""
    return first_int * second_int

@tool
def add(first_add: int, second_add: int) -> int:
    """两个整数相加"""
    return first_add + second_add

tools=[multiply, add]

其他方式: Pydantic

除了tool解释器，LangChain还支持用Pydantic来定义schema的方式。比如：

from langchain_core.pydantic_v1 import BaseModel, Field

# 注释很重要，会被用来生成schema。
class Add(BaseModel):
    """Add two int