LangChain Agent入门

LangChain Agent 可以让模型根据任务决定调用哪些工具。它适合需要多步骤推理和外部工具配合的场景，例如搜索、计算、查数据库、读文件。

Agent和Chain的区别

Chain 的流程通常是开发者预先固定的：第一步做什么，第二步做什么。Agent 则更灵活：模型根据当前问题决定下一步调用哪个工具。

灵活意味着更强，也意味着更难控制。

一个简单工具

def calculator(expression: str) -> str:
    return str(eval(expression))

真实项目不要直接对用户输入使用 eval，这里只是说明工具概念。生产中应使用安全计算器。

工具描述很重要

Agent 需要知道工具能做什么：

Tool(
    name='calculator',
    description='用于执行安全的数学计算，输入应是数学表达式',
    func=calculator
)

描述越清楚，模型越容易正确选择工具。

Agent执行循环

典型流程：

1. 用户提出任务；
2. 模型思考是否需要工具；
3. 如果需要，生成工具名和参数；
4. 程序执行工具；
5. 工具结果返回模型；
6. 模型决定继续调用工具还是输出答案。

适合Agent的任务

• 需要查资料再回答；
• 需要计算；
• 需要访问数据库；
• 需要多步操作；
• 用户目标明确但步骤不固定。

如果任务只有一步，普通 Chain 更简单可靠。

安全边界

Agent 能调用工具，所以必须限制权限。删除文件、发邮件、付款、改数据库这类工具必须设置人工确认。

还要记录日志：用户输入、工具调用、参数、结果、错误。没有日志就无法排查事故。

常见问题

• 工具太多，模型选择混乱；
• 工具描述不清；
• 工具失败后没有错误反馈；
• 没有限制最大调用次数；
• 高风险操作没有确认。

小结

LangChain Agent 的价值是让模型动态使用工具。初学者应从只读工具开始，例如搜索和计算，等日志、权限和失败处理完善后，再考虑写操作。