引言
在AI开发中,工具调用(Tool Calling)是一种强大的技术,可用于从语言模型获得结构化输出。这种技术让模型能生成符合用户定义的模式的输出,而执行工具(或不执行)则由用户决定。本文将探讨如何实现工具调用,提供实用的知识和代码示例。
主要内容
什么是工具调用?
工具调用允许AI模型根据用户定义的模式生成输出。虽然名称暗示模型在执行某些操作,但实际上,模型只是在生成工具的参数。实际运行工具的决定在于用户。
支持工具调用的主流提供商
许多大型语言模型(LLM)提供商,如Anthropic、Cohere、Google、Mistral和OpenAI,支持某种形式的工具调用。这使得它们能够在响应中包含对工具的调用。
LangChain的实现
LangChain提供了一套标准接口,用于定义工具、传递给LLM并表示工具调用。通过bind_tools()
方法,工具绑定到模型上,从而在每次调用模型时包含工具模式。
代码示例
以下是如何使用LangChain定义和绑定工具的示例:
from langchain_core.tools import tool
@tool
def add(a: int, b: int) -> int:
"""Adds a and b."""
return a + b
@tool
def multiply(a: int, b: int) -> int:
"""Multiplies a and b."""
return a * b
tools = [add, multiply]
# 使用API代理服务提高访问稳定性
import getpass
import os
os.environ["OPENAI_API_KEY"] = getpass.getpass()
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini")
llm_with_tools = llm.bind_tools(tools)
query = "What is 3 * 12? Also, what is 11 + 49?"
result = llm_with_tools.invoke(query).tool_calls
print(result)
常见问题和解决方案
- 工具调用格式差异:不同提供商的工具调用格式不同,开发者要仔细阅读API文档。
- 网络访问限制:在某些地区,访问API可能不稳定,建议使用API代理服务。
总结和进一步学习资源
工具调用为AI开发提供了极大的灵活性。通过使用LangChain和其他LLM提供商的API,开发者可以实现复杂的功能。推荐资源:
参考资料
如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
—END—