1. 突破知识时效性：通过搜索工具获取实时信息，弥补训练数据截止的局限。
2. 突破能力限制：通过计算器、代码执行工具完成精确计算和复杂逻辑。
3. 连接私有数据：通过数据库、文件系统工具访问企业或个人私有数据。
4. 对接外部系统：通过 API 工具调用第三方服务，完成真实业务操作。
5. 让 Agent 自主决策：工具是 Agent 的“手脚”，Agent 根据任务自主选择并调用合适的工具。

2.3 Tool 的特点

Tool 主要有如下特点：

1. 描述驱动：LLM 完全依赖工具的 description 来决定是否调用、如何调用，描述写得越清楚，调用越准确。
2. 标准化接口：所有工具都遵循统一调用方式（如 .invoke()），便于组合和替换。
3. 可自定义：用 @tool 装饰器就能把普通 Python 函数变成工具，扩展成本低。
4. 可组合：多个工具可同时给出给 Agent，由 Agent 按需调度。
5. 安全可控：工具的执行逻辑由开发者定义，能够对输入输出做校验和限制。

2.4 Tool 使用场景

场景

典型工具

解决的坑

实时信息查询

DuckDuckGo、SerpAPI

获取最新新闻、股价、天气

知识问答

WikipediaQueryRun

补充百科类知识

数据分析/计算

PythonREPLTool

精确计算、数据处理

数据库交互

SQLDatabaseToolkit

自然语言查数据库

文件操作

FileManagementToolkit

读写、管理本地文件

业务系统对接

OpenAPIToolkit

按规范调用 REST API

多工具协作

Agent + 多工具

复杂任务自动拆解执行

一句话总结：

LangChain 工具是让大模型“能做事”的桥梁，通过标准化封装和描述驱动机制，使 LLM 能自主调用外部能力，适用于一切要模型与真实世界交互的场景。

三、工具的调用方式

在LangChain中，工具（Tools）实际上是指明确定义了输入和输出的可调用函数。因此，工具调用(Tool Calling) 也被称为函数调用(Function Calling) 。具体来说主要有2种调用方式，下面分别介绍。

3.1 工具的两种调用

3.1.1 直接调用

直接调用这种方式，适合测试时使用，下面是一个基础的工具调用案例代码

from langchain_core.tools import Tool, tool

@tool
def get_weather(city: str) -> str:
    """
    获取指定城市的天气信息

    参数:
        city: 城市名称，如"北京"、"上海"

    返回:
        天气信息字符串
    """
    # 你的实现
    return city + "晴天，温度 15°C"

# 使用 .invoke() 方法
result = get_weather.invoke({"city": "北京"})
print(result)

运行一下效果如下

3.1.2 绑定到模型（主流）调用

这种方式，让AI来调用，开发中使用最多的方式

from dotenv import load_dotenv
import os

from langchain_openrouter import ChatOpenRouter

# 1、加载配置文件
load_dotenv(override=True)

OPENROUTER_API_KEY = os.getenv ("OPENROUTER_API_KEY")
OPENROUTER_API_BASE = os.getenv ("OPENROUTER_API_BASE")

# 2、模型初始化
model = ChatOpenRouter(
    model="deepseek/deepseek-v3.2",
    api_key=OPENROUTER_API_KEY,
    base_url=OPENROUTER_API_BASE,
)

from langchain_core.tools import tool

# 定义工具
@tool
def get_weather(city: str) -> str:
    """获取指定城市的天气"""
    # 你的实现
    return "晴天，温度 15°C"

# 绑定工具
model_with_tools = model.bind_tools([get_weather])

# AI 可以决定是否调用工具
response = model_with_tools.invoke("北京天气如何？")

# response = model_with_tools.invoke("2 + 3 = ？")
# 检查 AI 是否要调用工具
if response.tool_calls:
    print("AI 想调用工具：", response.tool_calls)
else:
    print("AI 直接回答：", response.content)

调用一下，看到下面的效果，在真实的业务场景下，可能会在tool的方法内部对接外部厂商的API ，以获取天气为例，就可以拿到真实的天气信息数据

3.1.3 工具调用完整流程

大模型能根据对话上下文决定何时调用工具以及传递哪些参数。

上面编写的LangChain应用正好对应图中的AI助手或应用

经典流程如下：

3.2 从Message流转看工具的调用

接下来深入了解一下工具内部在代码中是怎么调用的，前提：代码中配置模型初始化

from dotenv import load_dotenv
from langchain.messages import HumanMessage, ToolMessage
import os

from langchain_openrouter import ChatOpenRouter

# 1、加载配置文件
load_dotenv(override=True)

OPENROUTER_API_KEY = os.getenv ("OPENROUTER_API_KEY")
OPENROUTER_API_BASE = os.getenv ("OPENROUTER_API_BASE")

# 2、模型初始化
model = ChatOpenRouter(
    model="deepseek/deepseek-v3.2",
    api_key=OPENROUTER_API_KEY,
    base_url=OPENROUTER_API_BASE,
)

1、不使用@tool修饰

通过定义普通的方法形式使用，完整代码如下

```
from dotenv import load_dotenv
from langchain.messages import HumanMessage, ToolMessage
import os

from langchain_openrouter import ChatOpenRouter

1、加载配置文件

load_dotenv(override=True)

OPENROUTER_API_KEY = os.getenv ("OPENROUTER_API_KEY")
OPENROUTER_API_BASE = os.getenv ("OPENROUTER_API_BASE")

2、模型初始化

model = ChatOpenRouter( model="deepseek/deepseek-v3.2", api_key=OPENROUTER_API_KEY, base_url=OPENROUTER_API_BASE, )

from langchain_core.tools import tool

def get_weather(city: str):
"""获取天气的工具"""
return f"{city}天气晴朗"

模型与工具绑定

model_with_tools = model.bind_tools([get_weather])

messages = [
HumanMessage("今天北京天气如何")
]

模型生成调用工具请求

response = model_with_tools.invoke(messages)

添加AIMessage

messages.append(response) tool_calls = response.tool_calls

for tool_call in tool_calls:
if tool_call["name"] == "get_weather":
# 拼接出ToolMessage实例
tool_response = ToolMessage(
content=get_weather(**tool_call["args"]),
tool_call_id=tool_call["id"],
name=tool_call["name"]
)
messages.append(tool_response)

print("=====================> messages messages messages messages

本次分享就到这里。技术这东西越研究越有意思，后续有新的收获我也会继续更新。

小丸子博客

分享：【AI智能体】Langchain 工具调用实战操作详解

一、前言

二、Tools 工具介绍

2.1 Tools 是什么

2.1.1 Tool 组成结构

2.1.2 Tool 的重要性

2.2 Tools 有什么作用